一种基于无监督图表示学习的道路网模式识别方法及系统

本发明提供一种基于无监督图表示学习的道路网模式识别方法及系统。首先，通过空间对偶图对道路网进行建模，并基于认知启发设计了图节点特征。然后，提出的图神经网络模型以GAE为主，能够采用无监督的方式训练模型，同时在路段嵌入学习阶段引入子图同构计数(SIC)和图嵌入生成阶段引入全局上下文注意力机制(GCA)，增强模型表示性能。最后，利用图级嵌入的几何相似性识别路网模式。实验结果表明，本发明在实验区各项指标均优于经典路网识别方法，分类准确率提升12％以上，甚至略优于有监督的基线图神经网络方法。