[发明专利]识别模型训练方法、识别方法、电子设备及存储介质

权利要求书

1.一种道路网网格模式识别模型训练方法，其特征在于，所述训练方法包括以下步骤：

从城市道路网数据中选取道路网，并对所述道路网中的每个网眼样本进行网格标注或非网格标注；

对所述道路网中的道路进行化简，得到化简后的道路网；

计算化简后的道路网中每个网眼样本的正交指标；

基于所述网眼样本的正交指标，定义并计算每个所述网眼样本用于网格模式识别的特征参量，得到每个所述网眼样本的特征向量；

构建模式识别模型，以每个所述网眼样本的特征向量为输入向量，以对应的标注为输出向量，对所述模式识别模型进行训练。

2.根据权利要求1所述的道路网网格模式识别模型训练方法，其特征在于，利用改进的道格拉斯普克算法对所述道路网中的道路进行化简，具体实现过程为：

步骤1.1：对所述道路网中每条相邻两个连通度大于3的节点之间的道路构造种子序列其中，P_ij为第i条道路上的第j个节点，n_i为第i条道路上的节点数；第i条道路是指第i条相邻两个连通度大于3的节点之间的道路；

步骤1.2：计算所述道路的直线性ST，若ST≥T，则该道路仅保留首尾两个节点，更新该道路的种子序列若ST＜T，则转入步骤1.3；其中，T为化简阈值；

步骤1.3：在所述种子序列Seed_i中找出与直线距离最大的节点P_io，以节点P_io为分段点将种子序列Seed_i分为子序列Seed_i1＝{P_i1,P_i2,…,P_io}和子序列更新Seed_i＝{Seed_i1,Seed_i2}；

步骤1.4：对所述种子序列Seed_i中每个子序列对应的道路重复执行步骤1.2～1.3，直到每个子序列仅包含首尾两个节点，提取所述种子序列Seed_i包含的节点构成化简后的道路；

步骤1.5：对每条道路重复所述步骤1.2～1.4，直到完成所述道路网中所有道路的化简；

优选地，所述道路的直线性ST的计算公式为：

ST＝L/S

其中，L为道路的总长度，S为道路首尾两点之间的直线距离；

优选地，所述化简阈值T为0.956。

3.根据权利要求1所述的道路网网格模式识别模型训练方法，其特征在于，所述网眼样本的正交指标的具体计算过程为：

步骤2.1：利用归一化函数将所述网眼样本的每个内角均映射到0～1范围内，所述归一化函数的具体表达式为：

其中，α_k'为第k个内角的映射值，α_k为映射前的第k个内角，Φ、θ分别为归一化函数f(α_k)的参数；

步骤2.2：根据化简前、后网眼样本边长的变化，对每个映射值α_k'设置惩罚因子；

步骤2.3：根据所述惩罚因子与归一化函数f(α_k)计算所述网眼样本的正交指标，具体计算公式为：

其中，OI为网眼样本的正交指标，w_k为映射值α_k'对应的惩罚因子，m₁为小于135°的内角α_k的数量，m₂为大于等于135°的内角α_k的数量，sum()为对大括号内的两个部分求和。

4.根据权利要求3所述的道路网网格模式识别模型训练方法，其特征在于，所述归一化函数f(α_k)的参数Φ、θ的具体确定方式为：

设置所述网眼样本的第一内角和第二内角的映射值，其中所述第一内角和第二内角为所述网眼样本的任意两个不同内角；

将第一内角及其映射值、第二内角及其映射值分别代入所述归一化函数中，得到非线性方程组；

求解所述非线性方程组，得到参数Φ、θ的值。