[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

摘要

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。

主权项

1.一种基于GPU架构的矢量道路网络匹配并行计算方法，其特征在于，包含：S1、CPU读取道路网络数据，包含两组待匹配的道路网，一组为待匹配道路网，一组为目标道路网；S2、将道路网络数据从CPU读取到GPU中的全局存储器进行后续处理；S3、遍历节点较少的道路网，得到每一个节点的所有潜在匹配对，将路网中所有节点的路网中所有节点的所有潜在匹配对构成一个相似集；S4、将所述相似集中所有的潜在匹配对分配给多个线程块进行相似度计算，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；S5、进行粒子群算法：根据粒子数确定线程数，使用并行策略将每个解抽象为一个粒子，粒子适应度为待匹配道路网与目标道路网之间的全局相似性；随机设置粒子初始位置，并根据步骤S4的排序结果找出全局最优值和粒子的局部最优值；S6、并行迭代执行粒子飞行函数，以计算粒子的速度、位置、粒子适应度并更新全局最优模型、个体最优模型以及历史最优模型；S7、比较全局最优模型与历史最优模型，当全局最优模型大于历史最优模型时，将其赋值给历史最优模型，反之，选择不属于禁忌列表的最大粒子作为全局最优值并放入禁忌列表，然后更新禁忌列表中所有粒子停留时间；S8、若满足迭代条件，将全局内存中找到的最佳粒子从GPU端拷贝到CPU端并返回历史全局最优粒子。