基于多模态数据融合的典型路网POI自动识别

针对路网兴趣点(point of interest,POI)数据传统获取方法人工依赖高、成本高、效率低等问题,基于遥感影像和车辆轨迹数据融合提出了一种典型路网POI自动识别方法。该方法通过卷积神经网络(convolutional neural network,CNN)提取遥感影像中的道路几何特征,并利用循环神经网络(recurrent neural network,RNN)有效捕捉车辆轨迹隐含的道路交通特征,最后通过神经网络,实现从多模态数据中识别路网中红绿灯路口、加油站、停车场等兴趣点。本研究以2019年重庆市中心城区道路兴趣区域的400张遥感影像数据和40000条出租车轨迹数据作为训练样本进行了实验验证。结果表明,对比单一使用车辆轨迹数据的算法,该算法识别精度提高了近11.83%;对比单一使用遥感影像数据的算法,该算法识别精度提高了近2.53%。