道路网络示意图的多边形生长算法

道路网络示意图是实体网络的抽象表示,因其更加符合人的认知习惯,在地图服务与地图制图领域已得到初步应用。以路径为单位的网络示意图自动生成算法只顾及节点与线段的局部布置,且较难以维护网络拓扑一致性。本文以闭合多边形(网眼)为基本单位,利用网眼的独立性与邻接性,提出了多边形生长算法,核心思想是将道路网络分类为闭合多边形与非闭合线段,以闭合多边形提取、映射、优化为主线,辅助组合非闭合线段。算例分析验证,本算法在网络均衡分布及拓扑一致性方面具有优势。     

化简方法在线要素匹配中的应用及性能评估

多源同名线要素数据局部细节差异较大,但整体形态基本上是一致的,化简算法可以删除线要素的局部细节,提取其主要形态,从而有助于匹配算法提升匹配正确率。不同化简算法的化简效果存在差异,提升匹配正确率的效果也存在差异。本文提出了利用线要素匹配来评估化简算法性能的方法。首先,阐述了动态化简带动动态匹配的方法和过程;其次,采用3种不同的化简算法进行试验,验证了所提方法提高已有匹配算法匹配正确率的有效性,以及对化简算法的普遍适用性;最后,根据加入3种化简算法的不同匹配结果,从匹配的角度对化简算法适用性进行了比较评估。     

顾及局部特征的线状要素制图综合

针对传统的线状要素化简方法难以准确描述线要素局部结构特征的问题,该文提出了一种顾及局部结构特征的线状要素制图综合方法。引入m阶邻居坐标点概念,分析坐标点对线要素局部结构特征的贡献程度;建立了局部结构特征度量方法,实现了简单线要素的自动化简;基于该化简过程,从拓扑不变性角度顾及线状要素的整体形态及不同线状要素之间的拓扑关系,实现了复合线划网络的自动综合。基于对简单线划目标和复杂线划网络的实验结果表明:通过调整m的取值,可以完成不同尺度下线要素的自动制图综合,且化简结果较好地保持了原始线划要素的整体形态特征。     

一种利用模拟退火思想的线状要素Morphing方法

提出一种基于模拟退火思想的线状要素Morphing方法,针对同名线状要素在大小比例尺下的两种表达,首先利用约束Delaunay三角网提取小比例尺地图上线状要素的弯曲特征点,然后采用模拟退火技术在特征点与大比例尺线状数据顶点之间建立全局最优匹配,匹配结果将两线状要素分割成多对对应线段,最后针对每一对对应线段采用常规线性插值方法进行Morphing插值。模拟算例和实际数据实验证明,该方法较好地顾及了线状要素尺度变换过程中的弯曲化简、删除、夸大、典型化等综合操作,变换结果能有效地保持原线状要素的结构特征,提高了Morphing变换的精度。     

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。     

顾及局部特征的图像短直线优化方法研究

由于各种线段检测算法误差以及相片噪声、遮挡物等因素的影响,导致图像线特征要素出现断裂、重叠、连续间断线段等情况。目前的解决方法主要是以线段的自身属性为阈值判断,并利用先验经验辅助判断。提出了一种顾及局部特征的优化删减短直线特征要素的方法,以提高现有算法的自动化水平;同时从整体角度出发,引入局部整体方向的概念来改进现有算法。     

一种曲线分割与化简的并行算法

针对现有曲线分割与化简算法多为串行算法,无法充分利用多核心处理器的并行计算能力以提升计算效率这一问题,该文提出了一种曲线分割与化简的并行算法。该算法使用Numba库,将曲线分割与化简步骤中,例如弯曲面积计算、判断线段是否相交等具有并行性的任务,加以分割并分配到多核处理器的每一个核心上,以充分利用多核处理器并行计算的优势,提高算法的性能。实验证明,曲线分割与化简的并行算法,可以有效地提高数据处理的效率,降低分割与化简曲线的时间成本。     

基于支持向量机的线化简方法

线要素化简是地图自动综合中的重要部分之一。当前线化简算法的参数和阈值一般依赖于人工设定,且对不同的化简环境缺乏自适应学习能力。将线要素化简视作一种对局部化简单元的取舍二分类问题,从案例学习的角度出发,提出了一种新的基于支持向量机(support vector machine,SVM)的线化简方法。该方法首先以节点和弯曲为化简单元,从专家化简结果中自动获取化简案例;然后提取化简单元的特征描述项作为化简案例的属性空间,利用SVM机器学习方法进行训练,得到用于线化简的SVM分类器;最后通过SVM分类器对新的同类线要素中的化简单元作取舍分类,从而实现线化简。实验结果表明,该方法能够通过学习专家化简案例,在实际测试中较好地还原专家的化简意向,对化简单元取舍的分类正确率高,能够自适应地完成线化简。     

对自组织映射聚类实现道路网网格模式识别

提出了一种基于对自组织映射聚类的道路网网格模式识别方法。以道路网中的网眼为基本单元,从网眼自身形状特征、相邻网眼的形状特征以及与周围网眼的关系等方面定义了5个参量。将由5个参量描述的网眼及由CRITIC方法导出的参量权重作为自组织映射的输入,经过训练,运用K-means方法对神经元码书向量进行聚类。对深圳市道路网数据进行了实验和对比分析,结果表明该方法能有效识别网格模式。     

基于层次信息量的线要素化简算法性能评价研究

化简算法是地图综合的一类基本算法,而算法性能评价是解决算法优化和算法选取的一个重要问题。现有评价指标更多地考虑要素化简前后的位置偏移,难以客观地评价算法性能。为此,本文以线要素为例,全面考虑线要素化简原则,从信息传递的角度,提出一种基于层次信息量的线要素化简算法性能评价方法。首先将线要素的信息划分为三个层次来描述,即：元素层次、邻域层次和整体层次,并发展相应的信息量计算方法。然后,从化简后各层次信息量的保持能力（或信息传递能力）来评价线要素化简算法的性能。其中,元素层次信息传递比评价关键点保持性能;邻域层次信息传递比评价弯曲保持性能;整体层次信息传递比评价整体形态保持性能。最后,以河网为例,采用层次信息量指标,对四种经典化简算法进行评价,分析验证了层次信息量评价指标的合理性,与经典评价指标的对比分析进一步验证了该指标的优越性。     

面向道路网络地图示意化的线形简化方法

针对当前示意网络地图线形状简化方法中存在需要人工干预或地图认知度低的问题,本文提出自动化程度高并能保证良好地图认知的线形状简化方法.该方法通过合理设定线形状简化中所需的阈值以避免人工干预,提高了线形状简化过程的自动化程度,并通过在简化过程中应用平滑算法,以减少示意结果中线对象在方向上的转折数,从而提高了简化度和清晰度.试验表明该方法不仅可以生成清晰的示意结果,并且能够保证良好的地图认知度.     

道路地图示意性表达的可用性评估

当前示意性地图表达主要针对公共交通网络,缺乏对道路地图示意性表达可用性评估研究。本文选取景区和街道两个典型道路场景,采用最新的自动示意化方法生成示意地图,以主观问卷调查结合客观眼动试验的方式,评估道路地图示意性表达的可用性。试验结果表明:①示意性表达能够提升道路地图的简化度、清晰度及用户满意度,尤其对于原始道路形状较为复杂的情况;②示意地图中路径形状简化会造成不同路径感知长度差异的改变,从而影响到人们路径抉择行为;③对于路径示意性结果增加了道路网密集程度的情况,会降低示意地图认知效率。本文研究成果有助于道路地图自动示意性表达规则完善和方法优化,能够进一步提升地图示意性表达的实用性。     

Stroke构造、移位一体化的道路网示意化方法

针对当前常用示意性地图生成方法中往往存在简化程度不够、未考虑长度信息以及时间效率低等问题,提出了stroke构造、移位一体化的道路网示意化方法。该方法在对道路网进行stroke划分构造的同时,直接对其进行渐进式的移位示意化及拓扑检查。同时本文还提出利用相似分形维数来定量比较并验证不同示意化方法的有效性。试验表明,本算法在考虑原始线形的基础上,示意化过程简单,时间效率较高,减少了拓扑冲突问题,保证了拓扑一致性及路网的均衡分布,具有较好的清晰度和认知度。     

基于网眼密度的道路选取方法

道路数据中的网眼密度能反映局部区域的道路密集程度,通过确定目标尺度要求的密度阈值,比例尺缩小后能够标识出数据中需要取舍路段的网眼;循环剥离密度最大的网眼,利用反映路段重要性的参数及其优先级,渐进筛选出舍弃的路段,并完成与邻接网眼的合并;得到的选取结果保持了道路网在密度、拓扑、几何及语义方面的重要特征,从而提出一种新的道路选取方法。最后进行实验,验证该方法的有效性。     

Automated Generation of Schematic Network Maps Adaptive to Display Sizes

Schematic maps have been popularly used for the representation of metro (or underground) lines and nowadays have also been used for the representation of other network maps. This paper presents a strategy for automated generation of schematic network maps for different display sizes, based on a redistribution of line density. This strategy consists of three steps: (a) estimation of spatial density of the network maps, (b) automated redistribution of line density in order to improve map clarity, for different display sizes, and (c) automated generation of schematic representations. An experimental evaluation has been carried out by using two sets of real-life network data. The results indicate that this strategy is able to generate schematic maps with much improved clarity for different display sizes and well-preserved map recognition.     

Contour line simplification method based on the two‐level Bellman–Ford algorithm

The contour line is one of the basic elements of a topographic map. Existing contour line simplification methods are generally applied to maps without topological errors. However, contour lines acquired from a digital elevation model (DEM) may contain topological errors before simplification. Targeted at contour lines with topological errors, a progressive simplification method based on the two‐level Bellman–Ford algorithm is proposed in this study. Simplified contour lines and elevation error bands were extracted from the DEM. The contour lines of the elevation error bands were initially simplified with the Bellman–Ford (BF) algorithm. The contour lines were then segmented using the vertices of the initial simplification result and connected curves with the same bending direction were merged into a new curve. Subsequently, various directed graphs of the merged curves were constructed and a second simplification was made using the BF algorithm. Finally, the simplification result was selected based on the similarity between several simplification results and adjacent contour lines. The experimental results indicate that the main shapes of the contour groups can be maintained with this method and original topological errors are resolved.     

运用自组织映射识别街道网中的网格模式

提出了一种运用自组织映射识别网格模式的方法。首先,计算街道网中网眼的参数,这些参数是质心、面积、矩形度、延展度、是否含有平行边、边数、一阶邻居数和矩形度平均值;然后,将网眼作为自组织映射的向量进行训练,利用U-matrix可视化方法挖掘聚类得出结果。实验结果表明,该方法能有效地从不规则街道网中识别出网格模式。     

小比例尺道路网眼约束下的多尺度道路网自动匹配

针对道路网多尺度匹配的问题,提出了一种在小比例尺数据道路网眼约束下的多尺度道路匹配方法。首先,构建两幅不同比例尺数据的道路网眼;其次,在小比例尺道路网眼的约束下,提取出大比例尺道路中由若干道路网眼构成的复合网眼,并完成与小比例尺道路网眼具有多对一和一对一关系的网眼匹配;然后,实现不同比例尺道路网眼的多对多匹配;最后,由复合网眼与小比例尺道路网眼的匹配关系转化为多比例尺道路网眼边界道路之间的匹配和内部道路之间的匹配,完成整个道路网的匹配。试验结果证明,本方法能较好地实现多尺度道路网的匹配。     

顾及拓扑一致性的水系三维曲线化简

鉴于常规曲线化简方法应用于水系曲线化简时难以顾及水系要素的三维特征及其拓扑关系,本文提出了一种顾及拓扑一致性的水系三维曲线化简方法。该方法首先对D-P算法进行三维扩展,实现水系中单条河流三维曲线化简,然后构建水系树结构表达其拓扑关系,最后按照水系树的层次顺序依次进行河流曲线化简和干流与支流的拓扑关系重构。试验结果表明,该方法化简精度高,既能保持水系的三维形态特征,又能保证河流交汇处的拓扑一致性。