利用街区面块拓扑构建道路网络的算法

道路交通网络是进行各种道路交通网络分析与可视化的基础。构建道路网络的常用方法是运用已有道路面矢量数据提取道路中心线,并自动生成道路网络。提出了一种根据街区面块拓扑关系自动构建道路网络的算法,首先,根据道路面求反得到街区面块并计算街区面块间的拓扑关系;然后,根据街区面块之间的拓扑关系自动建立道路网络拓扑关系;最后,计算路段(网络弧段)中心线和道路交叉口(节点)的几何位置,完成数字道路网络的构建。与以住算法不同,该算法将拓扑关系构建与中心线提取分开,直接由道路面原始数据构建网络拓扑关系,保证拓扑结构的准确性,且为道路中心线提取提供路段交叉口判别依据。实验表明,所提出算法较好地解决了已有算法在自动计算道路中心线时数据预处理复杂和道路面分割难以处理等问题。     

顾及形态特征约束的大范围道路中心线提取算法

针对规则格网分块提取大范围路网(地级城市及以上)中心线算法在分块边界处极容易出现结构严重变形等问题，该文提出了一种顾及形态特征约束的大范围道路中心线分块提取算法。首先，基于道路面数据获取道路边线数据，计算其曲率，探测边线中的平直部分；然后，以边线中的平直部分作为分块基础，建立“转盘法”将大范围道路分割为多个小范围道路；最后，以分割的小范围道路作为处理单元，基于德洛内(Delaunay)三角网分区域进行中心线提取，并在分割边界处进行中心线拟合，完成大范围路网中心线提取，提高了中心线提取的准度和精度。以江苏省某市地理国情普查道路数据进行实验，结果表明，该文方法所提中心线形态均自然、光滑，且效率较规则分块方法提高2.5倍。     

基于机载LiDAR数据的城区道路中心线提取

提出一种基于离散点的道路中心线提取方法。在利用高程、强度和几何形状等多特征逐步约束提取出条带道路点的基础上,采用迭代Meanshift算法将条带道路聚集成线状点集,并通过分段Hough变换检测出矢量道路中线。实验表明,该方法克服了传统中心线提取方法中的精度损失,提高了准确度。     

结合Steger方法和影像分类的道路中心线提取

针对直接利用监督分类结果提取道路中心线过程过于复杂的问题,研究一种综合利用Steger方法和影像分类结果的道路中心线提取新策略。以影像分类结果从Steger方法获取的条带中心线中初步筛选出候选道路中心线段,根据道路的连续性和方向的一致性进行合理延伸、连接,即可实现道路中心线提取。实验证明,提取的道路中心线在完整率、准确率和提取质量方面精度较高,并在一定程度上解决了道路断裂问题。     

改进角度纹理特征提取高分辨率遥感影像带状道路

针对目前高分辨率遥感影像的道路自动提取算法研究中的不足,该文提出了一种基于并行角度纹理特征的半自动道路提取算法:用户输入完成道路中心线上的起始点、道路方向、道路宽度等初始化工作,利用并行角度纹理特征获取道路前进方向,用抛物线参数方程构建道路轨迹模型来预测道路轨迹点,使用角度纹理特征值构建的紧质度系数和抛物线的曲率变化来约束道路轨迹点,验证失败则转入手工跟踪;往复执行以提取道路中心线。试验证明,本算法是一种稳健的道路半自动提取算法。     

基于缓冲区的道路中心线提取方法与应用

为解决提取双线路网道路中心线生成单线路网的难题,在分析传统中心线提取方法存在的难以处理大范围路网和处理效率低下等问题的基础上,提出了在ArcGIS中将缓冲区工具与ArcScan栅格矢量化工具相结合的方法。该方法将双线路网的缓冲区转为栅格,并增加空白栅格,可大范围、快速提取道路中心线,从而生成单线路网,可为各类交通规划分析带来便利。     

利用动态规划半自动提取高分辨率遥感影像道路中心线

传统的基于动态规划的道路提取算法都是直接在图像域内根据道路的光谱等特征定义代价函数,当道路光谱特征发生变化时,需要重新定义新的代价函数,具有很大局限,不适用于道路特征复杂多样的高分辨率遥感影像。针对这一问题,提出了一种基于动态规划的道路中心线半自动提取算法:首先,利用阈值分割和核密度估计生成道路概率分布图;然后,根据道路概率分布图上的道路特征定义代价函数;最后,运用动态规划求解代价函数最大值来提取道路中心线。试验表明,提出的算法能够在高分辨率影像上提取各种不同光谱特征的道路中心线,取得了良好的效果。     

利用方向纹理特征从影像上搜索道路中心线

针对遥感影像道路中心线提取问题,提出利用方向纹理特征辅助道路中心线匹配搜索的思想,以人工给出的道路种子点和初始搜索方向为基础,运用方向纹理特征直接从遥感影像上匹配搜索道路的中心线。算法通过预测道路的宽度、弯曲等情况来自动调整纹理窗口的大小,因而能够很好地搜索到道路中心线,此外算法针对树木遮挡、车辆压盖设计了相应的处理策略。实验表明:该方法对遥感影像上不同类型道路均有很好的提取效果,且提取效率高于现有的道路提取算法。     

基于脊线检测的高分辨率图像道路中线提取算法

为从高分辨率图像中提取道路中心线,本文提出了一种有效的基于脊线检测的提取算法。该算法首先对原始图像进行脊线检测得到道路中心线,再利用canny算子检测道路边缘,最后与脊线检测结果算术相与得到最终结果。实验表明该算法检测结果与实际道路中心线吻合度高,简单易行,且鲁棒性好。     

快速提取城市道路中心线

城市道路在空间分布上具有一定的规则。我国的城市道路布局主要有方格式、扇形式等。本文针对这种布局规则的道路网,提出一种快速提取道路中心线的方法。通过对图像进行扫描,将属于一条道路的所有像素点归并到一个容器中,提取中心点并输出成道路线。同时,介绍了几种典型道路的处理方法。实验研究表明该方法可以快速、精准地提取道路中心线,具有实际应用价值。     

应用复杂网络理论的城市路网可靠性分析

城市路网作为一种关系居民日常生活、社会经济发展的重要网络,在受到暴雨洪水、交通堵塞以及遭遇破坏时,可能局部失效,进而影响整个路网的运输能力和效率。本文针对城市路网的拓扑特点,以复杂网络理论为基础,对两种不同布局结构的路网分别采用主方法和对偶方法建模,分析比较其复杂网络特性,并在此基础上进行了基于节点度和基于节点中介中心性的选择性破坏实验,最后分析了不同结构的路网在不同攻击策略下所表现出来的可靠性。     

深度学习的街景行道树自动识别提取研究

针对城市行道树调查中,街景影像背景环境复杂多变、行道树个体差异大,依靠目视判读费时费力的问题,该文基于车载移动测量系统采集的全景影像数据,利用深度学习算法,在快速区域卷积神经网络的目标检测方法基础上,建立适用于街景行道树检测的深度神经网络模型。模型采用基于共有显著性区域及冗余策略的行道树多示例目标候选区域选择方法,使用车载图像的几何约束进一步筛选合适的候选区域,从而实现行道树目标候选区域的统一选择,提升行道树目标的检测效果。实验结果表明,该文提出的方法能够实现多种行道树的准确自动识别与提取,进而大大降低行道树绿化调查的成本。     

Centrality-based hierarchy for street network generalization in multi-resolution maps

This paper introduces a new hierarchy for cartographic generalisation processes, applied in street networks. The aims of implementing this hierarchy are to emphasise on significant street features, and to provide more free spaces between street features. The hierarchy is obtained from the functional classes of the features and four centrality measures in a street network, i.e. betweenness, reach, straightness and closeness extracted from a primary graph. The values of centrality measures change in every zoom level by calculating a radius parameter, which depends on the users’ field of view. The coefficients for the measures are constructed using a decision-making technique called fuzzy analytical hierarchy process (FAHP). The weights for each of the centrality measures are computed and normalised to form the proposed hierarchy. The hierarchy is applied and used later in the thinning process to omit insignificant features from the street network in medium scales.     

基于约束的城市街道网自动综合方法

近年来,基于约束的地图自动综合成为研究的热点。本研究在基于约束的地图自动综合理论的基础上,提出了一种城市街道网自动综合方法。该方法依赖于街道网综合中的约束和改进的动态决策树结构,它很好地将约束融入了特定的数据结构,实现了街道网的渐进式综合。实验证明了方法具备可行性。     

一种结合语义分割模型和图割的街景影像变化检测方法

由于街景影像具有地物尺度多样化、地物界限不明确、地物光谱信息复杂等问题,造成应用统计方法、机器学习等方法对复杂度高的街景影像变化检测性能欠佳. 因此提出一种结合语义分割模型和图割（GC）的街景影像变化检测方法. 该方法首先采用Camvid数据集训练DeeplabV3+网络得到的迁移学习模型对两个时期的街景影像进行语义分割;然后采用GC方法实现消除天空和植被等对街景影像的影响;接着采用变化向量分析（CVA）获取差异影像,最后对差异影像进行二值化和精度评价. 研究结果表明,提出的方法总体精度优于大津法（OTSU）、K均值法、Segnet网络迁移学习模型方法和DeeplabV3+网络迁移学习模型方法,是一种可行的街景影像变化检测方法.      

基于WebGIS和GSM短消息的城市路灯智能管理设计

基于WebGIS和GSM短消息技术的城市路灯智能管理系统把地图这种独特的视觉化效果和地理分析功能与一般的数据库操作集成在一起,通过GSM短消息实时传输路灯的参数信息,用户通过网络页面不但可以实时查询路灯信息,报警路灯故障信息,还可以统计出报表,使城市路灯管理更加科学化、系统化,提高城市路灯的管理水平.     

Exploring the relationships between perceived neighborhood boundaries and street network orientation

The neighborhood is a core unit of analysis in urban research, planning, and policy-making. However, perceptual and historical processes oftentimes result in neighborhoods that are not tied to sub-urban jurisdictions. For instance, historic neighborhoods might lack official spatial definitions, hampering neighborhood-based tasks in local offices. In this case, urban practitioners can benefit from readily available spatial proxies, such as the local street network. In this study, we conducted an exploratory analysis that combines neighborhood mapping and street network modeling. By retrieving participants' sketched boundaries and quantifying spatial orientations of sketched polygons and local network patterns, we were able to measure and compare the relationships between the urban fabric and the perceived extents of two historic neighborhoods in Lisbon, Portugal. The results provided insights for enhancing existing definitions of non-official neighborhoods, outlining new urban districts as well as for discussions about the role of the urban form in shaping people's perceptions.     

Context-aware abstraction and generalization of street networks: two cognitively engineered user-oriented approaches using network Voronoi diagrams

Generalization and spatial contextual awareness are prevalent concepts in geographic information systems. This study adopted a context-dependent user-centred network generalization method to create a sub-network for optimal route finding. The results show an increase in the number of preferred traversed edges. A route presentation approach is suggested that is based on cognitively engineered user-oriented abstraction of street network. Successive abstractions hierarchize the street network to create a hierarchical presentation structure. The route is projected onto one level in the structure. Then, instead of showing the exact route, the network Voronoi regions represented by the projected route are shown. Experience indicates that the suggested method is an efficient way of route presentation for a hierarchical regionalized structure of a human cognitive map.     

融合城市行道树特征选取模型的自适应深度学习分类

针对城市行道树的学习多分类问题，本文在综合分析城市行道树多分类特征的基础上，提出一种融合特征自动选取模型的自适应深度学习方法。基于随机森林法，学习行道树的特征重要性，通过特征消除方法舍弃不重要的特征，实现城市行道树多分类特征自动选取；在城市行道树分类特征工程提取的基础上，构建了城市行道树多分类问题的自适应深度学习方法，并采用交叉验证与参数搜索方法，对所提出的深度学习模型进行改进。试验结果表明，本文所提出的融合特征自动选取模型的自适应深度学习方法具有良好性能，解决了城市行道树多分类预测的准确性与泛化问题。     

基于TIP算法的街景漫游方法研究

街景地图是全景图与二维在线地图的结合,它以实景作为辅助传统地图抽象描述的表达手段,提高地图的空间认知功能。街景地图为用户提供固定视点的360°自由漫游与全景图点间漫游。街景地图中全景图布设呈线状分布,点间距离短、漫游频繁,因此,漫游需保持一定的空间连续与空间纵深。文中对街景地图这一全景图漫游技术应用环境的特点进行分析,引入能够从单张照片恢复一定深度信息的TIP算法,并将其运用渲染到纹理、着色器等技术,对TIP算法实现过程进行改进,在保证一定运行效率的前提下,提高街景地图的漫游效果。