[发明专利]一种基于GPU架构的矢量道路网络匹配并行计算方法及装置

说明书

本发明提出了一种基于GPU架构的矢量道路网络匹配并行计算方法及装置，方法包括读取两组待匹配的道路网，分别为待匹配道路网和目标道路网；将道路网数据从CPU读取到GPU中的全局存储器；遍历节点较少的路网，得到每一个节点的所有潜在匹配对构成集合；将潜在匹配对划分成多个块和线程，使用并行策略同时计算各线程中匹配对的相似度值，并根据相似度值进行排序；再然后进行粒子群算法，返回历史全局最优粒子作为最终的处理结果。本发明能够显著提高大规模路网数据的路网匹配效率，有助于矢量道路网的集成与更新。

技术领域

本发明涉及矢量道路网络匹配技术，特别是一种基于GPU架构的矢量道路网络匹配并行计算方法及装置。

背景技术

道路网络匹配是矢量道路集成、融合和更新的关键技术。道路网络匹配的主要任务是在异构的道路中建立表示真实道路同一路段的道路目标对的对应关系。它在道路网络数据和地理信息科学应用(如车辆导航产品)的及时和具有成本效益的更新方面有重大潜力。

为了解决道路网络匹配问题，人们提出了许多算法，其中道路网络匹配方法的核心是评价两个节点/道路特征的相似性，确定匹配对的对应关系。1)在较早的研究中，匹配单元通常是节点或路段周围的有限局部环境。Tong(A linear road object matchingmethod for conflation based on optimization and logisticregression.International Journal of Geographical Information Science 2014,28,824-846)，Beeri,C.(Object fusion in geographic information systems.InProceedings of the Thirtieth international conference on Very large databases-Volume 30,Morgan Kaufmann:Toronto,2004；pp 816-827)，Song,W.(Relaxation-based point feature matching for vector map conflation.Transactions in GIS2011,15,43-60)，Safra,E(Ad hoc matching of vectorial roadnetworks.International Journal of Geographical Information Science 2013,27,114-153)，Min,D.(Extended hausdorff distance for spatial objects ingis.International Journal of Geographical Information Science 2007,21,459-475)等人主要考虑同名节点的Hausdorff距离或Fréchet距离以及交叉口的拓扑结构等相似性。一些研究人员如Walter,V.(Matching spatial data sets:A statisticalapproach.International Journal of geographical information science 1999,13,445-473)和MengZhang(Delimited stroke oriented algorithm-working principle andimplementation for the matching of road networks.Geographic InformationSciences 2008,14,44-53)还集成了多种因素(例如，长度、方向和拓扑连接的数量)用于路段匹配。然而，在节点/路段尺度上匹配一个单元可能会带来局部优化问题，限制匹配精度。2)当评价匹配单元的相似性时，可以确定节点/路段的匹配关系。大多数早期方法依赖于顺序贪婪策略。该策略通过将相似性与经验阈值进行比较来达到局部最优。为了克服局部最优的局限性，学者们提出了一些优化策略，以便从所有可能的匹配选择中找到全局最优解，使得目标函数最大化所有匹配特征对之间的总相似性。全局最优解极大提高了匹配精度，然而，增加的计算复杂度也降低了匹配方法的性能。目前，关于道路网络匹配的研究主要集中在评价匹配模型的有效性和提高匹配精度方面，只有少数的研究提到了匹配方法的性能，本发明主要用于提升匹配方法的性能。