结合引力场理论的道路自动选取方法

针对复杂网络模型被广泛应用于道路选取的研究中,少有方法顾及道路网对偶图中多级邻居节点的影响,导致对道路的重要性评价缺乏准确性和可靠性的问题。该文将道路网对偶图节点的结构特征值视作质量,将节点间的最短距离视作距离,结合引力场方程实现道路自动选取,较好地将道路网对偶图中多级邻居节点的影响纳入到道路重要性的计算中,从而实现对道路重要性的准确评估。通过对兰州市城关区的路网进行实验,结果表明本文方法所选取的路网较好地保持了原始道路网的整体结构、覆盖范围、密度分布、拓扑特征和连通性。     

对偶图节点重要度的道路网自动选取方法

采用对偶拓扑方法构建基于广义路网拓扑的复杂交通网络,通过引入m阶邻居节点概念,考虑复杂交通网络中节点度、介中心及节点间距离等因素,顾及节点自身及1到m阶邻居节点的重要度贡献,定义了节点重要度评价模型,进而提出一种基于m阶邻居节点重要度贡献的道路网自动选取方法,并基于网络最小规模原则保持选取道路的连通性。为检验方法的有效性,引入度分布评价所选取道路对路网整体结构及拓扑特性的保持程度,并采用实际城市路网进行试验,结果表明本文方法选取的路网能较好地保持了原始路网的整体结构、拓扑特性及道路连通性,且算法稳定、可靠。     

顾及结构和几何特征的道路自动选取方法

提出了一种顾及结构和几何特征的道路网自动选取方法。综合考虑道路的度中心性、集聚系数和路划的几何长度等道路选取影响因素,提出一种道路重要性评价方法。实验结果表明,本文方法能够很好地保持选取道路网的整体与局部结构、拓扑结构以及路网连通性。基于该方法,由大比例尺地图选取出的小比例尺地图与相应标准比例尺地图保持较高的一致性,表明该方法是稳定可靠的。     

高等级道路网的拓扑自动保持方法

基于道路网的结构分析,提出了一种高等级道路网拓扑自动保持方法,适用于任意提取的高等级路网。首先根据道路的连通关系生成对偶图,利用最小生成树保持道路网的整体连通性;然后使用广度优先搜索和最短路径计算进行悬挂弧段连接和合理路径连接,保持高等级道路网的导航连通性;最后通过实验验证了本文方法所保持的道路网拓扑结构的有效性。实验结果表明,通过本方法保持的拓扑关系能够保持道路网的整体连通性,反映道路网的高等级结构模式特征,而且与基于原始划分的高等级道路网所规划的最短路径相比,拓扑自动保持后的高等级道路网能够合理地反映道路结点之间的导航路径规划。     

结合轨迹数据的混合多特征道路网选取方法

道路网选取是制图综合的重要内容,针对现有方法仅考虑道路网静态特征等问题,提出了一种结合轨迹数据的混合多特征选取方法。首先以stroke为基本选取单元,构建对偶图来描述路网的结构关系,采用长度、连通度、接近度和中介度等指标对道路的静态特征进行评价;然后结合轨迹数据特点,采用车流量、车辆速度和道路交叉口附近的车辆密度等指标对道路的动态特征进行评价;最后利用基于相互关系准则的标准重要性方法计算得到各指标的权值及各道路的综合重要性值。同时引入线Voronoi图对道路进行划分,得到道路的密度特征值,并将其作为道路网选取的约束指标。实验结果表明,所提方法能够保持道路的整体结构,同时顾及道路的连通性和密度分布,而且结合了轨迹数据的动态交通特性,选取结果符合实际情况,具有一定的实用性。     

城市道路网匹配的层次化面域剖分模型

针对道路网“节点-弧段”数据模型在道路网结构化表达方面存在的不足,本文基于stroke的基本原理,设计了基于道路等级划分的道路网层次化面域剖分模型,使道路网空间结构特征表达具备了层次化特征。基于道路重要性等级和与面域边界的连通关系,对面域内的道路进行了层次性划分。建立了由“整体-局部-对象本身”的道路网层次化表达模型。最后,基于该模型本文提出城市道路网匹配模型,从高等级道路到低等级道路,利用特征一致性评价模型选取匹配对象。通过试验结果分析,证明了本文方法适用于解决具有典型城市特征的道路匹配问题。     

基于结构模式的道路网节点匹配方法

针对道路网交叉口的结构形态特点,提出一种基于结构模式的道路网节点匹配方法。首先识别道路网中的复杂道路和交叉口模式来统一道路结构;然后通过道路交叉口的结构化描述,提取每个道路节点的局部网络模式特征;对于待匹配的道路节点,寻找对应结构模式间的最大公共子网,并计算节点之间的形态相似性,在形态相似性的基础上进行道路节点的匹配;最后通过稳健估计的方法剔除错误的结构匹配。试验表明,该方法提取的局部网络结构模式能够有效地用于道路网的匹配,对于数据定位精度差异较大、甚至不同坐标系下的数据都能得到较好的匹配结果。     

加权网页排序算法在道路网自动选取中的应用

针对现有算法在计算道路网节点重要度时忽略节点间的相互影响以及道路密度引起的重要度异常等问题,提出了一种基于加权网页排序算法的道路网自动提取方法。首先将道路连接成路段,以路段为网络节点,道路交叉作为节点连线,路段长度作为边的权重,将道路网抽象成有向有权图;然后利用加权网页排序算法计算有向有权图节点的重要度,并利用链接作弊检测的方法修正由道路密度引起的节点重要度异常,得到道路节点的最终重要度排序,从而完成道路网的提取。通过真实路网数据进行实验分析,结果表明,相对基于网络中心性的方法,该算法的提取结果能够更好地保留原始路网的密度差异和整体结构。     

顾及道路目标stroke特征保持的路网自动综合方法

地图综合中道路网选取通常要考虑道路的属性等级、几何形状、分布密度、通达性等,常规方法只能顾及部分指标评价对象(弧段、节点或网眼)的重要性,在此基础上按照"资格"法线性选取,由于缺乏顾及道路网空间分布信息的有效手段,造成原有空间分布特征被破坏。本研究将描述道路完整地理意义的stroke特征引入选取过程中,提出一种顾及道路目标stroke特征保持的路网选取方法,即构建道路网stroke特征并评价重要性,在按stroke重要性线性选取的基础上增加约束条件,包括等级约束条件和空间邻近关系约束条件,从而将空间分布信息与属性、几何及拓扑信息有效地结合在一起。试验表明,该方法保留重要道路目标的同时,也较好地保持了原有空间分布特征。     

特征识别、Stroke与极化变换结合的道路网选取

随着城市大比例尺道路网数据库的建设,如何从中派生其他较小比例尺道路网数据库成为重点研究的内容之一.通过道路网的结构特征识别,能够较好地识别其特征目标;Stroke算法能够较好地提取道路网中的主要道路,即能够较好地保留道路网的框架结构;而极化交换能够较好地对离散目标进行选取.因此,把道路网空间结构识别、Stroke和极化变换等有机结合,首先进行道路网预处理,识别特征道路,然后借助Stroke进行主要道路网的识别与选取,最后对剩余较短的离散道路采用极化变换进行选取.实例证明,道路网结构特征识别、Stroke与极化变换的结合,优势互补,对道路网进行自动综合能达到更好的效果.     

空间分析方法在道路网自动综合拓扑构建中的应用

在道路网的自动综合中,一般的方法都必须对道路网进行自动拓扑生成,建立起点、线、面之间的关系,以利于道路选取时网眼的分析和选取后的路径分析。本文考虑到数字地图的数据特点,在进行道路网自动拓扑过程中,对经常遇到的线状要素无法合理构面的问题进行分析并提出了合理的解决方法。方法中主要运用了缓冲区分析和叠置分析,通过把居民地层数据叠置到道路层数据进行联合分析,为道路网的自动选取构建出了正确的空间拓扑关系。     

城市道路复杂网络结构化等级分析

根据复杂网络理论提出了一种城市道路网结构化分析与结构等级建模方法。首先,根据城市道路链生成对偶图;然后,分析路网几何结构,对由城市道路链生成的对偶图进行中心性测度分析;集成各项结构指标进行道路等级建模,以保持各个指标的结构信息;最后,根据集成指标分析城市道路的结构重要性、划分道路等级并保持道路网的连通性。实验结果表明,通过所提方法进行的道路结构化等级分析能够反映道路网中包含的等级结构特征,而且与单一指标和现有的道路分级相比,集成各项结构指标后划分的道路等级能够更好地符合道路网固有的等级特点。     

一种改进的道路网信息层次度量方法

针对现有道路网信息量层次度量方法大多侧重于度量道路网的几何特征和整体分布情况,而对其复杂网络特性方面的度量仍有局限性的问题,该文提出了一种基于复杂网络理论的道路网信息量层次度量方法。首先,通过综合考虑道路的几何特征和中心性特征,对其元素层次信息量进行度量;然后,利用集聚系数对邻域层次进行度量;最后,通过考虑路网的空间分布特性,利用网眼密度对整体层次进行度量。从元素、邻域以及整体3个层次出发,较好地顾及了道路网的局部和整体特征,使道路网信息的分层次度量更加合理有效。实验结果表明,本方法不仅能快速准确地挖掘出重要度高的道路,还能够较好地顾及路网的连通性和完整性。     

一种顾及道路交通流量语义信息的路网选取方法

交通流量是反映城市道路重要性以及城市道路在交通运输中发挥现实作用的重要指标。结合人类出行轨迹数据和路网数据,在充分考虑道路的几何特征(即长度、拓扑连接、分布密度、接近中心性和中介中心性)、属性特征(即道路等级)的基础上,进一步考虑道路长周期的周平均交通量这一衡量道路重要性的语义特征指标,提出了一种顾及道路交通流量语义信息的路网选取方法。首先,根据格式塔准则的连续性和方向一致性构建道路选取的基元——stroke单元;在此基础上,统计这些stroke单元的几何特征、属性特征指标,并结合移动轨迹数据计算各stroke单元的周平均日交通量作为道路选取的语义特征指标。然后,探测不同特征指标的熵值变化以确定不同道路选取指标的权重,并定义道路重要性评价的综合指标,对城市路网进行综合选取。最后,采用武汉市路网数据和出租车轨迹数据对该方法进行验证。实验表明,该方法能够保持原始路网的连通性和整体路网骨架,同时选取结果能够刻画出发挥重要职能的路段,反映人们的出行规律特征。此外,该方法可以发现道路网中设计等级较高但是实际中使用率却很低的路段,可为道路网的评价与规划等应用提供参考。     

网眼矩形特性在道路网模式识别中的运用

从格网模式道路网的基本形态特征出发,研究了基于网眼矩形特性的道路格网模式识别方法。首先从样本道路网中任意选取部分典型的格网模式的道路网,统计该区域所有道路网眼单元的矩形度,求得样本区域道路网眼矩形度的平均值和标准差范围。再另外选取其他样本区域作为检验数据,分别用K均值聚类和系统聚类的方法进行识别实验。实验结果表明,该方法具有较高的识别正确率,为格网模式道路网识别和综合奠定了基础。     

道路网层次骨架控制的道路选取方法

提出了基于路网层次骨架控制的道路自动选取方法。首先,该方法以stroke为单位,利用中介中心性值对stroke进行层次结构划分;其次,采用结构特征识别完善道路层次骨架;第三,基于层次骨架间的连通关系建立逐层传递的stroke重要性计算模型;最后,通过该计算模型自上而下的逐层计算,得到stroke重要性,并据此完成道路网选取。采用3种典型道路网数据,对本方法与其他主要常规stroke选取方法进行对比,试验结果表明本方法不但对语义的依赖性极低,同时消除了中介中心性在评价道路重要性时对边缘道路的不利影响,在保持道路网整体结构和层次性上有较为明显的优势,可适用于各种形态的道路网选取。     

基于改进霍夫变换的环形交叉口识别方法

空间分布模式识别对地图综合、地图匹配等具有重要意义。环形交叉口是道路微观环形模式的典型代表。本文以改进的霍夫变换检测矢量圆环为基础,提出一种环形交叉口的几何识别方法。该方法将环形交叉口的识别分为环路识别和支路识别两部分,首先通过圆环识别、均匀度优化及相似度优化3个子过程识别环路,然后再通过连通性判别、支路分类和组合支路补充3个步骤提取支路。选取英国某区域道路网数据进行测试,结果表明,本文方法能够有效识别道路网中的环形交叉口,且召回率和准确率均高于对比方法。     

环形放射状城市道路网的结构复杂性探讨

基于Gestalt认知原则,采用路划表征道路网,应用对偶法抽象道路网的拓扑结构和连通方式。以成都市道路网为例,分别用特征路径长度、聚类系数、节点度分布、中心性等多种指标定量刻画道路之间的连通方式。结果表明,典型环形放射性结构的成都市路网,表现出小世界特征和无标度特性。道路网连接较为紧凑,可达性较好。该网络中道路的中介中心性与度值具有非线性关系,道路度值之间缺乏显著的相关性。     

城市道路网面域层次结构特征的识别与表达

层次性是道路网一个重要的空间结构特征,文中提出一种城市道路网面域层次结构特征的识别与表达方法。首先以路链为基本单元对道路网数据进行重新组织,选取连通度、接近度、中介度和长度对路链的结构特征重要性进行评价;然后以道路网眼作为表达道路网面域层次结构特征的基本单元,依据路链的属性等级、结构特征重要性以及视觉对称性原则,依次选取路链对道路网最大包络区域进行层次剖分从而获得其包含的各级层次道路网眼;最后利用二叉树模型对道路网眼之间的层次关系和邻接关系进行结构化表达。实验结果表明,所提方法能够完整提取出道路网包含的全部道路网眼并准确建立它们之间的空间关系,其结果能较好地反映道路网面域的层次结构特征。     

基于BP神经网络和拓扑参数的道路网选取研究

道路网选取是自动制图综合的重点和难点之一,运用智能化方法实现选取是当前研究的热点。BP神经网络具有强大的非线性映射能力,可以模仿人脑机能,通过对样本的学习和训练实现自动选取;结合拓扑参数,可以使选取结果很好地保持原道路网的连通性和整体结构特征。因此,提出一种基于BP神经网络和拓扑参数的道路网选取方法。首先选择训练样本并计算其拓扑参数;然后设计BP神经网络的结构,利用训练样本进行训练,找出最佳网络结构;最后选取不同特征的道路网进行实验,将选取结果与专家选取的结果进行对比分析,评价了该方法的优势与不足,并指出了下一步的改进方向。