基于图卷积神经网络的道路网匹配

针对当前道路网匹配方法中权重关系和匹配阈值的确定主观性强、容易产生匹配误差等问题,提出了一种结合图卷积神经网络的道路网匹配方法。首先,选取长度、方向、距离、拓扑4个相似性度量因子作为道路网匹配模型的特征因子;然后,将待匹配道路转化为以道路为节点、道路的连接关系为边的对偶图的图结构,即把道路网匹配问题转化为节点分类的问题;最后,通过搭建图卷积神经网络实现道路网的匹配。试验结果表明,与传统方法相比,该方法的匹配准确率、召回率及F值均得到大幅提升,能够有效解决道路网匹配问题。

点群目标空间分布主方向定量描述模型

目前点群目标空间分布主方向模型较少顾及分布密度对点群分布主方向判断的影响,针对此问题,提出一种点群目标空间分布主方向定量描述模型。基于点群的分布密度构建方向玫瑰图;利用统计加权算法,计算点群主方向,引入置信区间,得到点群的主方向分布范围。实验结果表明,文中模型较好地反映了分布密度对点群目标空间分布主方向的影响,计算结果与人类认知具有较高的一致性。