科研成果快报：一种基于GPU并行的矢量道路网匹配方法

成果信息

Wan, B.; Yang, L.*; Zhou, S.; Wang, R.; Wang, D.; Zhen, W. A Parallel-Computing Approach for Vector Road-Network Matching Using GPU Architecture. ISPRS Int. J. Geo-Inf. 2018, 7, 472.

论文链接：https://www.mdpi.com/2220-9964/7/12/472

团队成员

万波，博士，中国地质大学（武汉）信息工程学院/国家地理信息系统工程技术研究中心，副教授，主要从事GIS理论研究与软件研发，三维建模，城市遥感等方面的研究。

杨林（通讯作者），博士，中国地质大学（武汉）信息工程学院，副教授，主要从事交通时空大数据与多源空间数据匹配融合等方面的研究。

周顺平，博士，中国地质大学（武汉）信息工程学院/国家地理信息系统工程技术研究中心，教授，主要从事GIS理论研究与软件研发，空间数据库与空间分析，GIS软件工程理论与方法的研究。

王润，博士，中国地质大学（武汉）信息工程学院/国家地理信息系统工程技术研究中心，主要从事城市遥感与三维建模等方面的研究。

王德智，博士研究生，中国地质大学（武汉）信息工程学院，主要从事植被遥感，地理空间分析等方面的研究。

甄文杰，博士研究生，中国地质大学（武汉）信息工程学院，主要从事行人导航方面与多源空间数据匹配融合方面的研究。

成果介绍

道路网数据作为重要的地理空间信息已被广泛地应用到不同的生产部门。为了提高道路网数据的重复使用率，加快道路网数据库更新进程，保证道路网数据的准确性以及现势性，国内外学者在“多源道路网数据融合”这一领域进行了大量研究。道路网匹配作为道路网数据融合中的关键技术，已取得了很大的发展。但大部分道路网匹配的研究主要致力于提升道路网匹配的准确率，忽视了匹配效率的重要性。

本研究将并行化加速的思想引入道路网匹配中，解决大规模道路网匹配时的效率问题。本研究根据粒子群智能优化算法（PSO）天然的可并行性，将道路网匹配中的逻辑对象抽象为粒子群算法中的粒子，将道路网匹配过程与粒子飞行过程对应，并对该匹配过程进行并行化改造，在CUDA上实现了并行化道路网匹配算法。通过14组不同数据规模道路网的匹配实验可知，本研究提出的并行道路网匹配方法（the parallel PSO-based matching algorithm, PSOM）能够在得到较高的匹配准确率（84.44%）的同时有效缩短匹配时间。本研究可为大规模道路网匹配效率的提升提供一种新方案和解决思路。

图1 PSOM并行策略，分为相似度计算与匹配关系识别两个阶段。

图2 PSOM算法与PRM（基于概率松弛的道路网匹配）算法在13组路网数据上的匹配准确率。另，由于区域14的数据量超出硬件限制，PRM算法无法进行计算，故该算法在此区域的准确未进行计算；而本文提出算法在区域14的准确率为74.65%。

图3 PSOM算法与PRM（基于概率松弛的道路网匹配）算法的时间成本。其中，PRM/PSOM-GPU “-I” 与 “-II” 分别代表相似度计算与匹配关系识别两个阶段。PRM/PSOM-GPU-III 代表整体匹配过程。

微信号：cugxgxy

锐藏信工，思于毫芒