[发明专利]一种基于可达空间的地理空间模式识别方法有效
| 申请号: | 201811628342.2 | 申请日: | 2018-12-28 |
| 公开(公告)号: | CN109784225B | 公开(公告)日: | 2020-11-24 |
| 发明(设计)人: | 祁毅;徐建刚;张翔;石飞;索南曲珍卓玛;倪天华;孙平;谢显传 | 申请(专利权)人: | 南京大学 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06K9/46;G06K9/62 |
| 代理公司: | 北京维正专利代理有限公司 11508 | 代理人: | 黄凯 |
| 地址: | 210023 江苏*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 空间 地理 模式识别 方法 | ||
本发明公开了一种基于可达空间的地理空间模式识别方法,包括如下步骤:S1、获取目标区域的空间信息RA及其道路交通信息TA;S2、将所述空间信息RA所在区域划分为N个子区域Pi;S3、根据所述道路交通信息TA进行空间可达性计算,获得每个子区域Pi在特定可达性阈值下的可达空间范围ASi;S4、根据ASi所覆盖的空间区域范围提取对应RA中局部信息ARi;S5、根据ARi对应信息,识别得到位置Pi对应空间的模式Ti;S6、汇总所有子区域的空间模式Ti,得到目标区域的空间模式ST。本申请利用交通信息,实现了空间模式的识别与人的活动范围相关联,同时提高了空间模式识别的精度与准确性。
技术领域
本发明涉及空间识别技术领域,尤其是涉及一种基于可达空间的地理空间模式识别方法。
背景技术
随着神经网络、深度学习等机器学习技术的不断发展,应用类似图像识别技术开展遥感影像识别等地理空间模式识别的研究和技术应用不断涌现,显著提升了通过影像信息自动识别空间模式的可行性和可靠性。目前,大多数方法是通过一定范围RA内的影像像素信息,或其附近规则范围内的影像图斑PA,采用传统CNN卷积神经网络的均匀格网化进行空间范围的划分,识别RA的空间模式T,某些新方法中引入一些辅助信息以提高识别准确率,如相关范围内的POI信息等,此类工作的基本前提和假设是空间范围RA的模式T是其本身及其周边一定范围内的空间信息间存在某种关系。但在实际地理环境中,均一化、各向同性地考虑某一地理空间与周围空间的关系的假设与现实情况存在明显偏差,空间关系的联系强弱与人是否可以方便地到达具有自然的相关性,即位于不同可达性水平上的邻近空间与目标空间模式上的相关性存在显著差异。因此,如何更好地划定空间范围,提高空间识别精度,是目前亟待解决的问题。
发明内容
本发明的目的是提供一种基于可达空间的地理空间模式识别方法,利用道路交通信息,进行可达性计算,得到目标区域的空间模式,更好地划定空间范围,提高空间识别精度。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种基于可达空间的地理空间模式识别方法,包括如下步骤:
S1、获取目标区域的空间信息RA及其道路交通信息TA;
S2、将所述空间信息RA所在区域划分为N个子区域P1,P2…Pn;
S3、根据所述道路交通信息TA进行空间可达性计算,获得每个子区域Pi在特定可达性阈值下的可达空间范围ASi;
S4、根据ASi所覆盖的空间区域范围提取对应RA中局部信息ARi;
S5、根据ARi对应信息,识别得到位置Pi对应空间的模式Ti;
S6、汇总所有子区域的空间模式Ti,得到目标区域的空间模式ST。
本发明进一步设置为:步骤S1中,所述空间信息RA是栅格数据或通过转换得到的栅格数据。
本发明进一步设置为:步骤S2中,采用固定格网法或不固定格网法,对所述空间信息RA进行划分。
本发明进一步设置为:步骤S5中,包括如下步骤:
S51、将所述局部信息ARi分割为m个基本特征元素图斑SRi1,SRi2…SRim;并使用具有特定长度K的特征向量SFVij描述每个所述基本特征元素图斑SRij;
S52、对所有m个所述基本特征元素图斑SRij的特征向量SFVij进行求和运算,获得特定长度为K的总特定向量FVi;
S53、应用多层神经网络,将所述总特征向量FVi作为输入,识别子区域Pi的空间模式Ti。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京大学,未经南京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811628342.2/2.html,转载请声明来源钻瓜专利网。





