基于高分辨率遥感影像的汶川地震道路损毁评估

强烈地震造成道路基础设施的损毁,严重影响应急救灾工作.因此,及时准确地对灾区道路损毁情况进行评估,具有十分重要的现实意义.以汶川特大地震道路损毁评估工作为例,介绍了利用高分辨率卫星遥感影像进行地震灾害道路损毁评估的技术方法.通过对灾区20个县(市、区)国/省道基础设施损毁情况评估,结果表明,汶川、北川等6个县道路重度损毁,3个县(市)中度损毁,11个县(区)轻度损毁.表明该方法能够在应急期间缺乏地面调查的情况下,充分利用高分辨率遥感图像,对道路震害损毁进行快速及较为准确的评估.     

GIS与面向对象结合的遥感影像震后损毁道路快速提取

地震是破坏性极强的自然灾害之一,2013年4月20日的雅安芦山地震导致大范围的道路损毁,一度使得宝兴县城成为孤岛,救援很难开展.造成道路损毁的一个主要原因是地震诱发的次生灾害堵塞道路.针对宝兴县道路损毁的现状,本文提出了一种面向对象与GIS空间分析相结合的遥感影像提取方法,在震后短时间内快速提取因次生灾害造成的损毁道路情况,快速及时地确定损毁道路的位置及范围.试验证明,本方法能快速提取次生灾害造成的损毁道路的位置与范围,其与目视解译结果吻合,大大减少了震后影像解译时间,提高了地震应急的效率,可为抗震应急救灾提供决策支持.     

OpenStreetMap辅助下的高分辨率光学影像道路损毁提取

提出了一种以高分辨率遥感影像和OpenStreetMap道路矢量数据作为数据源的道路损毁提取方法。在OpenStreetMap道路矢量数据的辅助下,利用道路在高分辨率影像上的特征,结合学习-检测的方法对损毁区域进行检测,提取疑似损毁路段,基于道路信息对损毁路段进行验证,剔除虚警。实验表明,该方法能够快速、准确地对道路损毁信息进行提取。     

面向对象的高分辨率遥感影像道路损毁识别研究

道路损毁信息的在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用eCognition软件对芦山震后0.2m航空遥感影像进行道路损毁信息的提取实验。实验中结合GIS信息,首先将基于现有的道路矢量线文件生成道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。     

面向对象的高分辨率遥感影像道路损毁识别研究北大核心CSCD

道路损毁信息在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用e Cognition软件对芦山震后0.2 m航空遥感影像进行了道路损毁信息的提取试验。试验中结合GIS信息,首先将基于现有的道路矢量线文件生成的道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。     

高分辨率遥感影像道路提取方法综述

从高分辨率遥感影像的特点出发介绍了道路在高分辨率遥感影像上所具有的特征,介绍了道路提取的基本方法和研究现状,对现有几种代表性的道路提取方法进行了详细地分析,并对高分辨率遥感影像上道路提取的研究前景进行了展望.     

基于DCNN特征的建筑物震害损毁区域检测

为了提高基于高空间分辨率遥感影像的建筑物震害损毁评估精度,引入深度卷积神经网络(deep convolutional neural network,DCNN)模型,提出一种利用DCNN全连接层特征结合支持向量机(support vector machine,SVM)进行遥感影像建筑物震害损毁区域检测的方法。首先,利用神经网络前馈方式从DCNN全连接层提取训练样本和待检测区域的特征;然后,基于样本训练SVM分类器;最后,对待检测区域的所有区块进行分类预测和投票确定是否损毁。以2010年海地地震遥感影像为例,建筑物损毁检测正确率可以达到89%,相比于传统的特征提取方法正确率提高了4%。实验结果表明该方法在建筑物震害损毁检测方面具有一定的应用潜力。     

基于局部拉普拉斯算子的灾后建筑物损毁检测

灾后建筑物损毁检测有助于灾后的迅速救助,因此,开展对高分辨率遥感影像灾后建筑物损毁检测的研究具有重要意义。本文提出了一种基于局部拉普拉斯算子的高分辨率遥感影像灾后建筑物损毁检测的方法。首先,利用局部拉普拉斯算子将灾后高分辨率遥感影像分为平滑表面类和粗糙表面类,然后,根据灾害前建筑物数字线划图提取灾害后未损毁建筑物得到检测结果。为验证本文方法的有效性,采用两组纽约市2012年飓风后的高分辨率遥感影像进行实验。结果表明,本文提出的方法能取得超过92%的总体精度。     

利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候观测,穿透能力强等特点,在灾害监测与评估、资源勘探等方面得到广泛应用,但其固有的相干斑噪声严重限制了单一利用SAR影像进行快速的信息获取。本文提出了一种基于GIS与贝叶斯网络的高分辨率SAR影像道路损毁信息提取方法。在GIS数据的辅助下,利用水平集分割与改进的D1检测融合的方法在影像上提取疑似道路损毁区域;再综合多证据及疑似损毁区观测值构建贝叶斯网络模型,对疑似损毁区进一步判断提取出实际道路损毁区域。实验结果表明,该方法能够快速、准确地对道路损毁信息进行提取。     

地震灾害现象模式分析与识别

在介绍典型震后地质灾害现象的基础上,设计了利用遥感影像进行震后地质灾害模式识别的整体方案,以震后滑坡造成的道路损毁现象为例,分析其表现出的独有模式,提出了先对影像进行目视解译并利用纹理特征对分类结果进行再分类的识别方法。     

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。     

利用道路网眼实现路网的增量式更新

获取现势性的交通道路数据是数字城市和智慧城市建设的基础，基于传统测绘的道路网更新方法存在一定局限性，而基于众源数据及行车轨迹数据更新道路网近年来则倍受关注。首先提出了一种新的道路变化增量更新方法，该方法先对历史道路网建立面拓扑结构，生成由道路网组成的最小闭合面域（道路网眼）；然后以道路网眼为基本控制单元，综合利用轨迹点上下文距离信息和隐马尔可夫模型（hidden Markov model，HMM），提取失配轨迹点和失配轨迹段；最后采用缓冲区分析和最大密度法对失配轨迹提取骨架线，创建新增道路，增量更新历史道路网。实验结果表明，以道路网眼为控制单元，利用轨迹点上下文距离分析和HMM捕获失配轨迹点，可提高失配轨迹点的提取效率，改善道路网更新效果。该方法可用于大规模路网的增量式更新。     

遥感影像上基于特征的道路提取方法

从遥感影像上提取道路信息是当前遥感技术应用研究的主要方向之一.文中在详细分析航空遥感影像上道路特征及目前国内外关于道路提取技术的前提下,综合考虑各种实际情况,提出了一种新的基于特征的道路提取模型.在算法实现过程中,采用了自适应分块边缘检测、多尺度侦测道路中心点、自适应对比度调整、道路中心点综合判断准则等技术手段,保证了提取结果的稳健性、准确性.实验表明该算法能够快速、稳健地从航空遥感影像上提取道路中心骨架线.     

遥感影像上基于特征的道路提取方法

从遥感影像上提取道路信息是当前遥感技术应用研究的主要方向之一。文中在详细分析航空遥感影像上道路特征及目前国内外关于道路提取技术的前提下,综合考虑各种实际情况,提出了一种新的基于特征的道路提取模型。在算法实现过程中,采用了自适应分块边缘检测、多尺度侦测道路中心点、自适应对比度调整、道路中心点综合判断准则等技术手段,保证了提取结果的稳健性、准确性。实验表明该算法能够快速、稳健地从航空遥感影像上提取道路中心骨架线。     

道路拨地的作业方法

主要讲述道路拨地在确定范围线时,为了解决矛盾所进行的三次修改,以及对在成果图中测绘范畴内不可解决的矛盾给与显示,以提示用地单位认真对待这些作业过程。     

采用弯曲进行道路化简冲突避免的方法

针对道路化简后可能导致要素间空间关系前后不一致的问题,提出了一种采用弯曲进行道路化简冲突避免的方法。首先,以弯曲为单元分析道路化简前后弯曲的形态变化规律,对化简过程产生的要素间空间冲突类型进行了归纳和总结;其次,基于道路弯曲与要素之间的空间关系,提出了相应的冲突判别规则;最后,利用弯曲化简的可控性和弯曲组的间接化简策略实现对化简冲突的避免。试验表明,该方法能有效地识别和避免道路化简产生的空间冲突,确保化简前后道路与其他要素空间关系的一致性。     

Testing the Effectiveness of Road Speed Maps and Conventional Road Maps

Abstract

This paper presents the results of two independent tests undertaken by a broad sample of motorists in the selection of minimum time routes using both the experimental road speed map and the traditional road map as the basic information. The tests are described, the results analysed, and certain conclusions drawn.     

结合道路层次结构的道路网络重叠街区划分方法

重叠街区结构是道路网络重要的拓扑特征之一,有助于分析及理解道路之间的相互作用和交通功能的差异。提出一种结合道路网络层次结构,以路网非重叠街区结构为起点,划分路网重叠街区的方法。把路划作为道路基本单元,把对偶图作为路网的网络模型,先采用蚁群游走和局部优化算法挖掘道路网中的非重叠街区结构;再结合道路网络的层次结构进一步对道路网络的重叠街区进行划分。通过4种典型模式的道路网络实验,并根据目视、扩展模块度指标、连通效率指标对实验结果进行分析评价,本方法适用于挖掘不同模式下道路网络的重叠街区结构。     

采用道路骨架线stroke的复杂道路匹配方法

同名道路要素匹配是道路网数据增量更新的核心问题。大比例尺下道路网不再是简单的单线节点结构,存在大量的多层车道和复杂立交,难以直接利用现有的道路匹配算法。针对这一情况,提出一种采用道路骨架线stroke的复杂道路匹配方法。在匹配前,首先对大比例尺复杂道路数据进行结构特征识别,利用Delaunay三角网生成复杂道路骨架线stroke,并存储骨架线stroke与原始数据结构特征的映射关系;最后利用骨架线stroke与小比例尺道路数据进行层次匹配和类型匹配,并将这种匹配关系转换为实际匹配结果。实验结果表明,该方法能够较好地解决不同比例尺下的复杂道路网匹配。     

北京市道路名称分类与方向统计分析

城市道路路名是一个城市文化、历史的直观反映,而道路方向与城市发展规划息息相关,是城市结构的体现。本文以ArcGIS、Matlab为技术手段,开展了对北京市的基于道路名称的道路分类及道路方向的统计分析。研究结果对北京市旧城保护、了解北京市路网发展及路网规划具有一定的参考价值,为展现道路路名、道路方向数据探寻了新思路和新方法。