一种基于AIGC的可控分级道路拓扑生成系统和方法

本发明涉及城市路网生成，具体涉及一种基于aigc(artificialintelligence generated content)的可控分级道路拓扑生成系统和方法。

背景技术：

1、在城市规划和交通工程领域，道路拓扑的生成是一个复杂且重要的任务。它涉及到路网的设计，这直接影响到城市交通流的效率、安全性、以及环境的可持续性。然而，现有的道路拓扑生成方法大多数集中在单级路网的创建上，忽略了复杂城市环境中多级路网的现实存在和重要性。单级路网生成通常关注于道路的局部结构，以生成连贯、实用的路网。这种方法虽然对于小规模或者相对简单的场景足够有效，但它不能反映现实世界中多级别、多功能的路网系统。单级路网生成不考虑道路之间的层级关系和功能差异，这可能导致生成的路网在处理不同类型交通流、规模和交通密度时效率低下。

2、同时在传统的城市规划设计中，从路网的设计到指标的设定都由具有专业素养的规划人员手工完成，当某些因素需要调整时，整个工作环节需要重新进行一遍，随着道路规划的复杂性增加，依靠人工进行道路规划愈发凸显其局限性。且生成的路网模型多样性不足，无法生成一定数量规模的路网以供后续任务进行选择。

3、近年来，生成式人工智能得到了广泛的关注，形成了变分自编码器(variationalauto encoder,vae)、生成对抗网络(geneative adversarial network,gan)、扩散模型(diffusion model)等深度生成模型。这些模型在图像合成、图像风格迁移、文本生成、药物分子设计等诸多领域在独特性、新颖性、多样性等方面表现出良好的性能，得到了广泛的应用。深度生成模型通常基于深度神经网络来近似数据集中隐含的复杂且高维度的概率分布；在该概率分布下进行采样，即可生成新的数据样本，生成的样本在统计意义上与训练数据集相近。然而，尽管深度生成模型在众多领域展现了其强大的能力和灵活性，目前技术的发展还未能有效将这些模型应用于分级路网拓扑生成。分级路网拓扑的生成涉及到复杂的地理空间信息处理和路网结构设计，这些问题的特殊性和复杂性需要更专门化的解决方案和技术创新。

技术实现思路

1、鉴于上述不足，本发明提供了一种基于aigc的可控分级道路拓扑生成系统和方法。

2、本发明首先提供了一种基于aigc的可控分级道路拓扑生成方法，其包括如下步骤：

3、1)获取城市osm数据，对不同等级的路网进行栅格化处理；对栅格化处理后的不同等级的路网分别进行灰度合并和rgb合并，得到灰度合并图和rgb合并图；对灰度合并图和rgb合并图进行同尺寸的裁剪，并从裁剪后的灰度合并图中提取道路拓扑图，从裁剪后的rgb合并图中获取道路拓扑图中每个节点的属性，从而得到分级路网拓扑图作为训练数据；

4、2)构建分级路网拓扑生成模型，并利用步骤1)的训练数据进行模型训练，得到能根据输入的条件向量生成相应的分级路网拓扑图的生成模型；

5、所述分级路网拓扑生成模型包括基于图的条件变分自编码器、基于transformer的生成器、节点生成模块、度生成模块、边连接模块和后处理模块；

6、其中，基于图的条件变分自编码器以分级路网拓扑图的数据和条件向量为输入，用于生成与给定条件匹配的节点特征；基于transformer的生成器接受节点邻接矩阵和条件变分自编码器输出的节点特征；生成器捕获图节点间的局部和全局关系，从而得到描述节点连接关系的边特征；节点生成模块接受条件变分自编码器生成的节点特征和条件向量，生成节点属性；度生成模块获取基于transformer的生成器输出的边特征，生成节点的度数；边连接模块获取基于transformer的生成器输出的边特征，生成表示节点连接概率的邻接概率矩阵，再结合节点的度数，从邻接概率矩阵中挑选出每个节点最可能连接的节点，即连接概率最大的若干节点，挑选出来的节点数量等于该节点度数；经过挑选即得到能够表示节点连接关系的邻接矩阵；后处理模块将节点生成模块生成的节点类别属性赋予邻接矩阵中的节点，即可得到生成的分级道路拓扑图；

7、3)应用时，向训练好的分级路网拓扑生成模型输入条件向量，模型即可生成满足条件向量约束的分级道路拓扑图。

8、优选的，条件向量cvec由图平均深度图平均节点度和路网密度组成，k1k2,k3均表示维度大小，

9、

10、

11、

12、其中，n表示图的总节点数量，和分别表示节点i的深度和度数，m表示图的边数；这些指标均采用独热编码进行编码，然后将它们拼接在一起组成条件向量cvec；条件向量用于引导模型生成满足条件向量要求的分级路网拓扑。

13、分级路网拓扑生成模型训练过程的总损失函数ltotal表示为：

14、ltotal＝αlattr+βlkl+γledge+δldegree

15、其中α，β，γ，δ是权重系数，lattr为节点属性损失项以及lkl为节点的kl散度损失项；ledhe为边连接的正负样预测损失项，ldegree为关于节点度数预测任务的损失项。

16、本发明还提供了一种实施上述方法的可控分级道路拓扑生成系统，其包括：

17、训练数据生成系统，其获取城市osm数据，对不同等级的路网进行栅格化处理；对栅格化处理后的不同等级的路网分别进行灰度合并和rgb合并，得到灰度合并图和rgb合并图；对灰度合并图和rgb合并图进行同尺寸的裁剪，并从裁剪后的灰度合并图中提取道路拓扑图，从裁剪后的rgb合并图中获取道路拓扑图中每个节点的属性，从而得到分级路网拓扑图作为训练数据；

18、模型构建及训练模块，其用于构建所述分级路网拓扑生成模型，并利用所述训练数据对生成模型进行训练；

19、应用模块，其根据输入的条件向量，调用训练好的分级路网拓扑生成模型，输出满足条件向量约束的分级道路拓扑图。

20、与现有技术相比，本发明提出的分级路网拓扑生成模型包含两个关键组件：基于图的条件变分自编码器(graph-based conditional variational autoencoder，记作graphcvae)和基于transformer的生成器(transformer-based generator)。graphcvae用于生成节点，它能够学习和编码节点特性的复杂分布，并通过变分推断生成新的节点数据。graphcvae的优势在于它能够捕捉节点属性的潜在变量，并生成多样化但符合给定条件的节点属性。transformer-based generator用于生成边的联系，transformer模型具有自注意力机制，能够捕捉长距离的依赖关系，这使得它在理解节点间的复杂关系方面表现出色。在路网拓扑生成中，transformer可以用来有效地生成节点间的边连接，确保生成的路网结构具有高度的可靠性和实用性。通过这两个组件的结合，本发明的模型能够将节点属性和边连接解耦，这意味着可以独立控制节点和边的生成过程。这种解耦带来的好处是，可以分别优化节点和边的生成，以适应不同的设计需求和约束条件。

21、本发明利用aigc能够高效地生成满足给定条件的分级道路拓扑，避免对人工设计路网的依赖，提供路网规划设计的作业效率。

22、本发明的分级道路拓扑生成模型能够将节点属性生成和边连接生成解耦，这意味着可以独立控制节点和边的生成过程。这种解耦带来的好处是，可以分别优化节点和边的生成，以适应不同的设计需求和约束条件。

23、不同等级的自动驾驶技术对道路等级要求不同，于是分级路网拓扑的生成可以为自动驾驶专用路网的部署提供仿真和计算支持，确保路网设计能够最大限度地利用现有道路网络资源，同时优化交通流动和提升自动驾驶车辆的行驶体验。