[发明专利]一种结合人工交互与主动学习的路网匹配方法

权利要求书

1.一种结合人工交互与主动学习的路网匹配方法，其特征在于包括以下步骤：

S1、对原始道路网数据进行预处理，得到原始道路网数据中每个道路的几何信息和拓扑关系，配对候选道路，构建初始概率矩阵；

S2、通过道路的拓扑关系计算配对得到的候选匹配道路的兼容系数，利用兼容系数对初始概率矩阵进行松弛迭代，得到最终匹配概率矩阵；

S3、构造基于主动学习的查询函数，筛选出未被人工确定匹配关系且匹配概率信息熵最大的道路交由人工处理，通过添加或删除候选匹配对，构建匹配约束集；

S4、基于最终匹配概率矩阵和人工交互结果完成按比例匹配的选取，若匹配结果的精度符合预设，则输出匹配结果，否则返回步骤S3。

2.根据权利要求1所述的结合人工交互与主动学习的路网匹配方法，其特征在于：步骤S1所述的配对候选道路，得到候选匹配道路，构建初始概率矩阵，具体包括以下过程：

S1.1、利用缓冲区分得到候选匹配道路，候选匹配道路为另一道路集当中与当前道路缓冲区相交的道路；

S1.2、计算候选匹配道路的几何相似性，分别以节点距离、道路方向以及路段长度为指标构建双向匹配概率矩阵，并计算联合概率矩阵；

S1.3、综合各项指标，通过加权平均得到综合的初始概率矩阵。

3.根据权利要求2所述的结合人工交互与主动学习的路网匹配方法，其特征在于：步骤S1.2具体包括以下过程：

S1.2.1、对于每对候选匹配道路，即第一路网中任意一条道路i和第二路网中任意一条道路j，比较该两条道路两端节点的距离，将距离较短的节点设为起点FN，距离较长的节点设为终点TN；

S1.2.2、设两条道路中起点到下一节点的距离分别为s₁和s'₁，且s₁＞s'₁，则在较长道路上与起点距离s'₁处插入一虚拟节点，以此类推，直至到达长度较短道路的终点为止；

S1.2.3、根据处理过的道路节点，计算候选匹配道路对应节点间的平均距离差异d^dis(i,j)、对应路段的平均方向差异d^dir(i,j)以及两条道路的长度差异d^len(i,j)；

S1.2.4、通过以下公式计算在三个几何特征指标下不同匹配方向的误差因子组{β_dis,β′_dis,β_dir,β′_dir,β_len,β′_len}：

式中，S_i表示待匹配的第一路网中所有道路的集合，S_j表示待匹配的第二路网中所有道路的集合，CS_i表示道路i的所有候选匹配道路，CS_j表示道路j的所有候选匹配道路；按照以下公式计算不同几何特征指标下道路的匹配概率：

其中表示在考虑平均距离差异d^dis(i,j)时，道路j匹配道路i的概率；表示在考虑平均方向差异d^dir(i,j)时，道路j匹配道路i的概率；表示在考虑长度差异d^len(i,j)时，道路j匹配道路i的概率；j＝-1代表道路i没有对应匹配道路的情况；

根据下式求出候选匹配道路基于不同匹配方向和各项几何特征指标下的匹配概率：

其中p^dis(i,j)表示在考虑距离特征下，平均双向匹配误差后道路i和道路j的匹配概率；p^dir(i,j)表示在考虑方向特征下，平均双向匹配误差后道路i和道路j的匹配概率；p^len(i,j)表示在考虑长度特征下，平均双向匹配误差后道路i和道路j的匹配概率；

将p^dis(i,j)、p^dir(i,j)和p^len(i,j)加权平均，得到综合匹配概率p(i,j)，利用每对候选匹配道路的综合匹配概率构建初始概率矩阵。