面向路网匹配的层次化语义相似性度量模型

当前路网主要借助属性表中若干特征项的属性信息对其进行语义相似性评估,很少顾及到路网的分级层次结构、空间拓扑信息以及邻域要素信息,一定程度上影响着语义相似性评估结果的准确性。针对上述问题,本文提出一种“整体(骨架树)→部分(同构子树)→个体(stroke)”的路网层次化语义相似性度量模型,该模型顾及了路网属性特征项、上下级拓扑关联和邻域POI的语义信息,突破了传统模型仅以路网属性特征项的语义信息作为相似性评估指标的局限性。①利用stroke技术表达路网,并对其进行分级;②将路网数据映射到关联骨架树,进而建立考虑其层次性的路网相似性度量模型;③利用层次分析法和熵权法分别确定约束指标权值,并通过加权法计算路网的语义相似度。将该模型应用到路网匹配实验中,并与既有模型进行对比,结果表明利用本文提出的语义相似性度量模型,同时结合同构子树进行道路匹配,不仅可以提高匹配结果的准确性,而且可以提高匹配效率。对于文中案例所选的路网,拓扑关联语义信息对匹配结果的影响较邻域POI语义信息更显著,且与遍历法相比,以同构子树作为参照进行路网匹配,其匹配速率得到明显提升。