【技术实现步骤摘要】
本专利技术涉及地理空间信息和地图制图综合，特别是涉及一种道路选取方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、随着我国基础设施建设步伐的加快和人民生活的需要，道路的数量和覆盖程度急剧增长，使得道路成为地图中变化最为活跃的要素之一，是国家社会文化、经济面貌的侧面反映，也是社会生产力发展水平的一种体现。为保证道路空间数据的现势性，提升生产和维护部门定期对地理空间数据更新能力，道路的高效智能选取算法成为关键的一部分。
2、地理空间认知是将认知科学引入地理信息科学，从而帮助人类认知地理环境、获取地理空间知识的重要方法和手段。地图作为人类地理空间认知的重要工具，起到帮助人类认识各地理要素的位置、相互关系、空间分布和变化规律。地图认知是认知科学与地图学相结合的产物，指人类在生活中如何理解、认知地图。有学者进行的相关研究表明，地图空间认知是现代地理学和地图学的重要基础理论，是地图自动综合的重要支持。其中，道路选取是制图综合的重要环节之一。现阶段的道路选取算法，主要利用bp神经网络的非线性映射能力结合拓扑参数，设计了用于道路选取的bp网络模型，这种无法较好的利用道路之间的空间关系，影响道路选取的准确度。
3、鉴于此，如何提高道路选取准确度是本领域技术人员需要解决的问题。
技术实现思路
1、本专利技术实施例的目的是提供一种道路选取方法、装置、电子设备及计算机可读存储介质，在使用过程中提高道路选取的准确度，使选取的道路更加合理。
2、为解决上述技术问题，
3、基于预设比例获取目标区域内的道路数据；
4、基于所述道路数据建立道路知识图谱，其中，所述道路指示图谱的图结构包括多个节点，每个节点对应一条道路；
5、基于所述图结构进行特征提取，得到道路特征矩阵及道路邻接矩阵；
6、将所述道路特征矩阵和所述道路邻接矩阵输入至预先建立的道路选取神经网络模型，得到每条道路的选取结果；其中，所述道路选取神经网络模型为基于与各区域的道路数据对应的道路知识图谱建立的。
7、在一种实施例中，所述基于预设比例获取目标区域内的道路数据，包括：
8、按照预设比例获取目标区域内的初始道路数据；
9、从所述初始道路数据中确定出各条孤路，并从所述初始道路数据中删除各条所述孤路的数据，得到最终的道路数据。
10、在一种实施例中，所述基于所述道路数据建立道路知识图谱，包括：
11、根据所述道路数据进行道路知识图谱本体构建以及道路知识图谱构建，得到节点和边的图结构，其中，每个节点对应一条道路；
12、基于所述道路数据，针对每个所述节点，提取对应道路的语义特征、几何特征和空间特征，构成所述道路知识图谱的特征矩阵。
13、在一种实施例中，所述语义特征包括道路类型，所述几何特征包括道路长度、道路直线性、最小外接矩形和道路曲折率中的一个或多个，所述空间特征包括节点度、中介中心性和接近中心度中的一个或多个；
14、则，所述针对每个所述节点，提取对应道路的语义特征、几何特征和空间特征，包括：
15、所述针对每个所述节点，提取对应道路的道路类型、道路长度、道路直线性、最小外接矩形、道路曲折率、节点度、中介中心性和接近中心度中的一个或多个。
16、在一种实施例中，所述道路长度为：
17、其中，l表示道路长度，xi+1表示第i+1个点的横坐标，xi表示第i个点的横坐标，yi+1表示第i+1个点的纵坐标，yi表示第i个点的纵坐标，n表示该段道路包含的坐标点总数量；
18、或，所述道路直线性为：lb＝l/b，其中，lb表示道路的直线性，b表示一条道路起点和终点之间的欧氏距离；
19、或，所述最小外接矩形为：其中，表示单位长度最小外接矩形，表示道路的外接矩形面积，l表示道路长度；
20、或道路曲折率为：其中，表示比例尺的变化，ak表示折线的转角，rk表示折线的长度。
21、在一种实施例中，所述节点度为：
22、其中，ki表示节点度，g表示节点构成的图，在节点i与节点j相连的情况下σij为1，在节点i与节点j不相连的情况下σij为0；
23、或，中介中心性为其中，bci表示中介中心性，其取值范围为[0,1]，n表示道路网图结构的道路节点总数量，njk表示节点j到节点k的最短路径的数量，njk(i)表示节点j与节点k之间包含了节点i的最短路径的数量；
24、或，接近中心度为其中，c(x)表示接近中心度，x表示待计算接近中心性的节点，d(i,j)表示节点i与节点j之间的距离，y表示图中除i之外的节点，y≠i。
25、在一种实施例中，所述道路类型包括高速公路、一级公路、二级公路、三级公路、四级公路及未知公路中的一种或多种。
26、本专利技术实施例还提供了一种道路选取装置，包括：
27、获取模块，用于基于预设比例获取目标区域内的道路数据；
28、构建模块，用于基于所述道路数据建立道路知识图谱，其中，所述道路指示图谱的图结构包括多个节点，每个节点对应一条道路；
29、提取模块，用于基于所述图结构进行特征提取，得到道路特征矩阵及道路邻接矩阵；
30、选取模块，用于将所述道路特征矩阵和所述道路邻接矩阵输入至预先建立的道路选取神经网络模型，得到每条道路的选取结果；其中，所述道路选取神经网络模型为基于与各区域的道路数据对应的道路知识图谱建立的。
31、本专利技术实施例还提供了一种电子设备，包括：
32、存储器，用于存储计算机程序；
33、处理器，用于执行所述计算机程序时实现如上述所述道路选取方法的步骤。
34、本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述道路选取方法的步骤。
35、本专利技术实施例提供了一种道路选取方法，包括：基于预设比例获取目标区域内的道路数据；基于道路数据建立道路知识图谱，其中，道路指示图谱的图结构包括多个节点，每个节点对应一条道路；基于图结构进行特征提取，得到道路特征矩阵及道路邻接矩阵；将道路特征矩阵和道路邻接矩阵输入至预先建立的道路选取神经网络模型，得到每条道路的选取结果；其中，道路选取神经网络模型为基于与各区域的道路数据对应的道路知识图谱建立的。
36、可见，本专利技术实施例中预先根据各个区域的道路数据构建对应的道路知识图谱，并根据各个区域的道路知识图谱进行道路选取神经网络的训练，得到道路选取神经网络模型，在需要对某个区域的道路进行选取时，可以获取该区域的道路数据并建立对应的道路知识图谱，根据该道路知识图谱即可提取出对应的道路特征矩阵和道路邻接矩阵，将道路特征矩阵和道路邻接矩阵输入至道路选取神经网络模型，即可得到每条道路的选取结果，从而确定本文档来自技高网...
【技术保护点】
1.一种道路选取方法，其特征在于，包括：
2.根据权利要求1所述的道路选取方法，其特征在于，所述基于预设比例获取目标区域内的道路数据，包括：
3.根据权利要求1所述的道路选取方法，其特征在于，所述基于所述道路数据建立道路知识图谱，包括：
4.根据权利要求3所述的道路选取方法，其特征在于，所述语义特征包括道路类型，所述几何特征包括道路长度、道路直线性、最小外接矩形和道路曲折率中的一个或多个，所述空间特征包括节点度、中介中心性和接近中心度中的一个或多个；
5.根据权利要求4所述的道路选取方法，其特征在于，所述道路长度为：
6.根据权利要求4所述的道路选取方法，其特征在于，所述节点度为：
7.根据权利要求4所述的道路选取方法，其特征在于，所述道路类型包括高速公路、一级公路、二级公路、三级公路、四级公路及未知公路中的一种或多种。
8.一种道路选取装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计
...【技术特征摘要】
1.一种道路选取方法，其特征在于，包括：
2.根据权利要求1所述的道路选取方法，其特征在于，所述基于预设比例获取目标区域内的道路数据，包括：
3.根据权利要求1所述的道路选取方法，其特征在于，所述基于所述道路数据建立道路知识图谱，包括：
4.根据权利要求3所述的道路选取方法，其特征在于，所述语义特征包括道路类型，所述几何特征包括道路长度、道路直线性、最小外接矩形和道路曲折率中的一个或多个，所述空间特征包括节点度、中介中心性和接近中心度中的一个或多个；
5.根据权利要求4所述的道路选取方法，...
【专利技术属性】
技术研发人员：朱健东，李勇强，潘秋萍，丁婷，乔利娟，吴甜甜，魏君，张玉灵，
申请(专利权)人：郑州铁路职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。