一种基于标签云的位置关联文本信息可视化方法

互联网的广泛应用产生了越来越多与地理空间位置关联的文本信息。现有地理信息系统一般通过外部链接来浏览这些数据,需要频繁的缩放、漫游和点击操作,而其他方法又难以有效表达出空间位置关系。提出了一种基于标签云的位置关联文本信息可视化方法———标签云地图,给出了标签云地图的设计思路和实现流程,并以腾讯微博的真实数据集为例建立了原型,重点研究了点状和面状地理要素的Cartogram生成算法,关键字和词频的提取算法,面向不同尺度和不同时间的标签云显示规则的标签位置生成算法。实验表明,该方法能够帮助用户从大量的位置关联文本信息中快速感知并把握信息的总体特征和发展趋势。     

基于CIM+GIS的配电网拓扑建模与布局算法研究

在基于公共信息模型(CIM)的配电网拓扑建模规范的基础上,研究了配电网设备的GIS数据建模方法以及空间连接逻辑关系;提出了基于GIS的专题图布局算法(单线图和系统图布局生成技术);并通过佛山市电力GIS建设对拓扑模型和专题图布局算法进行了应用和验证。结果表明,算法能满足专题图布局科学、布线美观和避免交叉等技术要求。     

一种BIM模型与实景三维模型融合方法研究

针对当前BIM与实景三维模型融合过程中空间位置配准精度较低的问题,该文提出了一种借助真实激光点云的BIM模型与实景三维模型融合的方法。研究选取大场景和小场景两种样例数据,首先基于BIM实体几何信息转换和三角化加密的方法生成了BIM模型建筑物点云,其次基于增量式SFM算法和立体像对密集匹配方法先后生成实景环境下的稀疏和稠密点云,最后基于ISS特征提取结合改进ICP算法的完成了不同模型下点云和真实激光点云的配准。结果显示,该方法能够有效地实现BIM模型与实景三维场景信息融合,对新型智慧城市建设、工程建设智慧化管理具有一定意义。     

多源数据融合的DIM点云滤波及DEM生成

针对已有密集影像匹配(DIM)点云滤波算法通用性差,滤波效果受限于参数设置,且均未利用生成点云的影像信息等问题,该文提出一种融合多源数据的DIM点云滤波算法。首先融合影像和DIM点云高程多源信息;再引入新型分类器对融合影像进行分类,其分类结果作为知识引导用于点云滤波中,即将分类专题图与DIM点云叠加以过滤非地面点,实现点云滤波并生成数字高程模型;最后选用航空影像进行密集匹配和滤波实验。实验结果表明,利用该点云滤波算法生成的DEM与参考DEM呈现高度相关性,可大大减少生产DEM人工后处理的工作量。     

一种基于Heat Map的地理标签数据可视化表达的研究

地理标签数据是指蕴含在网页、照片、微博等信息媒介中的地理空间信息,其表现形式通常是经纬度坐标。通过分析地理标签数据的研究现状,对地理标签数据进行分类,并归纳地理标签数据具有属性数据非结构化、海量信息分布不均、强调位置相对关系等特点。针对其中一个特点,通过对K-means算法进行改进,结合计算机图形学相关知识,利用热力图表达地理标签数据的分布特征。最后,通过与ArcGIS核密度图、散点图进行比较,得出该热力图算法具有表达效果明显、用户体验好等优点。     

基于元胞自动机和多智能体系统的城市人口空间分布研究

城市人口预测和空间分布模拟是人口社会学、城市规划、地理信息科学等领域的热门问题,其在灾害评估、资源配置、智慧城市建设等方面应用广泛。但小尺度人口数据部分缺失的问题经常出现,城市人口空间分布模型分辨率的提升仍需进一步研究。为此,提出一种基于元胞自动机和多智能体的方法,并考虑土地分类和公共设施的位置信息。通过确定元胞属性值,多智能体进行自主移动以确定人口空间分布,继而生成北京市人口空间分布图。为验证模型模拟结果,对北京市部分街道级行政区人口数据进行检验,结果表明:该方法生成的人口空间分布模型精度较高,结果可信;该模型对人口空间分布预测精度在街道尺度普遍优于6%,空间分辨率达到30m×30m。同时,提出可结合人口预报数值推定未来数年城市人口空间分布。经验证,模型所采用的人口预报方法精度和可信度较好。     

LiDAR标签和栅格占有图结合的LiDAR/IMU空间标定方法

LiDAR和惯性测量单元(inertial measurement unit, IMU)在智能汽车获得了广泛的应用,比如高精度地图构建、车辆实时定位等。两种传感器进行组合测量时,需要知道两者之间的空间关系,包括空间旋转和平移参数。本文提出了一种基于LiDAR标签的自动化LiDAR/IMU空间标定方法。首先分析了LiDAR/IMU标定参数对LiDAR点云拼接的影响,证明了当车辆近似直线运动时,使用概略标定参数即可利用IMU的姿态信息将LiDAR点云转换到轴向近乎一致的坐标系。基于该结论,提出了一种基于IMU姿态约束的LiDAR栅格占有图构建方法,构建高相对精度的点云地图与LiDAR标签的点云进行地图匹配,获得LiDAR标签在图中的位置,相对于单点云帧互匹配方法,提高标签点云匹配的精度和可靠性。然后基于LiDAR标签的已知高精度位置,采用非线性优化方法解算栅格占有图与LiDAR标签的空间转换关系,进而求解LiDAR/IMU的空间标定参数。试验结果表明,利用本文方法获得的标定参数构建的点云地图,可实现厘米级的绝对位置精度,验证了本文方法的正确性和可行性。     

字符云在民族与民俗专题地图编制中的应用

在专题要素表达中,字符云可直观描述空间规律性较弱、总体单位较多、数据差异性较大的抽象对象,以其为基础的表达方式对数据可视化和提高专题地图表现力有重要意义。借鉴字符云的设计思想和原则,研究了字符云在专题地图制作中的具体应用;并以民族与民俗专题地图为例,设计和实现了一种基于字符云的专题要素表示方法,以提高地图数据的可读性和图幅的表现力。     

文本地图可视化综述

对文本地图相关研究进行梳理,将文本地图分为纯文字地图和标签地图两大类,并指出了两者的差异性。其中,标签地图又被分为层叠式标签地图、关联式标签地图、内置式标签地图和变体式标签地图4类。从布局算法、功能和用户体验3个方面指出了文本地图的设计优化方向。其中,布局算法需进一步改进执行效率,顾及标签位置与语义关联;功能优化需改进标签地图的时序表达;用户体验需进一步加强文本地图的可用性与易用性研究。这能够为地理文本数据的可视化表达提供参考。     

面向特征的网络空间点群要素自动综合方法

网络空间信息可视化对揭示网络空域规律、促进网络空间认知具有重要意义。将网络空间节点与拓扑关系直接可视化的视图中存在大量的点重合和线交叉,目前已有的网络节点布局算法、集束边技术、骨干网提取和网络路由拓扑多尺度表达等方法能够优化视图效果,但在网络的微观结构上,对保持网络空间点群要素的特征信息关注不够。通过分析并量化网络空间点群要素的各类特征信息,提出了一种基于层次聚类的要素聚合方法和一种基于节点重要性度量的要素选取方法,以自动综合的方式对网络空间点群要素进行综合。实验结果表明,该方法能够保持网络空间点群要素的空间特征,为定量表达网络空间特征、加速生成视觉效果良好的网络空间地图提供基础数据综合方法。