基于模式匹配的交通微博文本位置信息提取模型

谭 永 滨，侯 梦 飞，张 志 军，李 小 龙，程 朋 根*，章 泽 之

(1.东华理工大学测绘工程学院，江西 南昌330013；2.天津市测绘地理信息研究中心，天津 300381)

0 引言

及时获取有效的路况信息是实现智能交通服务的重要前提，其中道路的拥堵情况是路线智能规划的重要影响因素。目前道路拥堵信息的采集方式有基于路口传感器的实时监测、结合手机地图软件的浮动车采集等，上述方式虽能较准确分析拥堵信息，但受限于传感器铺设位置、拥堵情况语义不明等原因，无法及时获取道路突发拥堵信息。作为当前主流的互联网信息分享方式，微博已成为交通信息及时发布的重要渠道，从中提取路况信息可作为目前采集方式的重要补充[1,2]。位置是道路拥堵信息的重要组成，如何准确有效地从微博文本中提取位置信息是实现路线智能规划的基础之一。

线性参照方法(Linear Reference Methods,LRM)利用与已知点的距离或方向，确定线性要素任意未知点位置[3]，是交通事件文本中常用的位置表达方法。LRM包括参照地理实体与空间关系两个基本元素，元素间的关联状态常用具有指示作用的空间关系词描述[4,5]，表达模式的定义则隐含于位置文本的句法结构中[6]。其中，地理实体识别及提取方法有利用已有地名库或词典的地理命名实体提取方法[7,8]、基于机器学习或规则库的参照地名提取方法[9-11]、通过提取隐含的方位关系[12]或距离关系[13]进一步提高定位准确性的方法等[14,15]。针对空间关系的提取方法主要包括基于模式匹配及机器学习两类算法。……