道路网约束和种子树索引的居民地粗匹配

针对传统的空间索引在实际应用中存在的局限性及不同尺度居民地数据匹配精度不高的问题,该文将道路网空间约束和种子树连接算法思想引入到多尺度居民地匹配中,以小比例尺道路网作为空间约束,构建道路网约束种子树索引,并依据同名要素粗匹配规则对居民地要素进行粗匹配。实验及对比分析表明,该方法能够较好地提高居民地要素匹配的效率,同时在道路网约束下具有较高的匹配精度。     

面向道路网VGI数据的匹配与融合方法

自发地理信息(VGI)是一种新兴的地理数据采集方式,具有数据更新快、细节丰富、覆盖范围广等优势。利用VGI数据可以对道路网实现快速更新;但是由于VGI数据是非专业自发共享的,且数据采集时多使用非专业设备,所以存在数据质量不高的问题。大量VGI数据对同一地理要素的重复采集与融合处理则可改善数据的质量,文中以多人采集的道路网数据为例,结合矢量要素的匹配与融合理论,设计一种适用于道路网VGI数据的匹配与融合算法。首先在路段结点处建立缓冲区进行结点匹配,再根据路段距离相似度进行路段匹配,最后再利用Delaunay三角剖分融合算法对匹配后的同名路段进行融合。将匹配融合后的道路网与原始道路网VGI数据及Google影像图叠加对比分析,结果表明利用本文算法可有效地实现道路网VGI数据的匹配与融合。     

道路网多特征匹配优化算法

同名道路匹配技术是道路数据集成、更新和融合的重要前提。道路网匹配在智能交通(intelligent transportation system,ITS)与位置服务(location-based service,LBS)等方面具有重要的研究价值和应用意义。本文提出了一种道路网多特征匹配优化算法:首先从形状、距离、语义3方面分别设计了基于面积累积的形状差、综合中值Hausdorff距离和全局加权属性项距离3种相似性度量,以更准确地描述道路待匹配对之间的特征差异;然后通过SVM对相似性特征样本集训练,以构建道路网回归匹配模型;最后利用此模型对未知匹配结果道路待匹配对进行匹配结果预测。大量试验结果表明,本文算法对非线性偏差明显的道路网数据能够实现较高的匹配准确率和召回率,能有效地用于包含多重匹配关系的道路网匹配。     

全局寻优的矢量道路网自动匹配方法研究

对道路之间存在1:N匹配关系的矢量道路网自动匹配问题进行研究.针对现有方法中大多数是基于局部寻优策略来寻找匹配道路,当同名道路存在较大距离偏差.又存在1:N匹配关系时,很容易导致误匹配的问题,改局部寻优策略为全局寻优策略,通过综合利用道路结点和道路弧段的特征信息,建立道路网匹配的最优化模型,并利用概率松弛法求解最优解,从而获得道路结点的匹配关系,以此为基础再获得道路弧段之间的匹配关系.试验表明:本文方法更具全局一致性,具有较高的准确率;即使在同名道路存在较大位置偏差甚至是非均匀偏差时,也可取得较为满意的结果,避免各种局部寻优方法难以准确设定权值的难题.     

顾及尺度变化和数据更新的道路网匹配算法

道路网数据匹配是地理空间数据库进行变化探测和数据更新的重要前提,不同比例尺下的道路网之间的匹配是一个非常重要的部分。本文总结和分析了道路网匹配的已有算法,针对不同比例尺道路网之间的匹配可能存在的问题和难点,设计了一个融合多种匹配技术的算法。在考虑不同比例尺下道路网数据的特点基础上,改进了空间场景结构的评价方法;分析了stroke匹配算法在不同比例尺道路网数据下的局限性,提出了一种可针对不同比例尺下道路数据存在变化与更新的stroke部分匹配算法。试验表明,文中所提出的方法能够适应不同比例尺下道路网的匹配,匹配效果较好,运行效率较高。     

顾及上下级空间关系相似性的道路网联动匹配方法

现有道路网匹配方法中,大多利用道路自身结点和弧段特征进行匹配,而较少注意道路邻域要素在道路网匹配中的重要定位参考作用,从而影响匹配效率和正确率的进一步提高。针对上述问题,本文提出了一种顾及上下级空间关系相似性的道路网联动匹配方法,即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,运用Stroke技术将复杂道路网进行等级划分。其次,通过道路骨架关联关系树构建道路网联动匹配模型。最后,选取高等级骨干道路作为起始特征对象,计算道路间的上下级空间关系相似性,逐级迭代使匹配信息在道路网联动匹配模型中传递,从而得到匹配结果。试验表明,本文算法缩小了待匹配数据的搜索范围,能够有效提高匹配正确率和效率,尤其在数据位移较大、存在非系统性几何位置偏差的情况下优势明显。     

道路网信息投影匹配方法研究

针对道路网线要素特点,提出了基于投影的道路网信息几何匹配方法。根据线段斜率,对线段进行投影、分割,提取线要素特征点,将复杂的道路网匹配转化为特征点匹配,可解决复杂的多对多匹配。通过渐进式的匹配策略,逐步、快速缩小匹配范围,提高了匹配效率。通过实验合理地调整匹配阈值,减少漏匹配与误匹配,提高整体匹配准确率。结果表明,本算法效率高,可靠性好,符合应用需求。     

全局与局部寻优相结合的道路网匹配方法

针对面向道路网匹配的概率松弛法约束性指标单一且无法识别M:N匹配模式的不足,从兼顾全局和局部匹配最优的角度出发,提出了从局部角度顾及几何约束和拓扑约束,从全局角度完善M:N匹配模式的改进算法,设计并实现了不同匹配模式下的匹配策略。测试结果表明,该方法的整体匹配精度和召回率提高了7%~14%,均达到90%以上;空间与属性匹配度评价指标提高了3%~7%;可将待匹配路网中最邻近结点平均距离的两倍值作为缓冲区阈值设定的参考依据,从而验证了该方法的可行性与可靠性。     

一种基于格网索引优化的遥感影像自动配准算法

针对SIFT算法在遥感影像配准过程中捕获配准点对数量较少和误匹配较多等问题,提出了一种基于格网索引的遥感影像自动配准的算法。首先,采用SIFT算法提取特征点和特征向量,并通过欧氏距离进行匹配;其次,建立格网索引剔除部分误匹配点对,从而提高了随机抽样一致算法的精度;最后,使用多项式几何纠正算法实现遥感影像的精确配准。实验结果表明:该算法比传统分块算法在遥感影像中得到的匹配点对精度更高,并且考虑到不同遥感影像配准场景的差异。     

孔径为4的全球六边形格网系统索引方法

从集合论的角度描述基于正八面体的、孔径为4的六边形格网系统,通过对偶、中心剖分两项基本操作建立不同层次六边形格网集合与三角形格网集合之间的递推、包含和层次关系。定义三轴整数格网坐标系描述三角面上六边形格网单元的位置,通过若干定理解决了格网索引的核心问题,如单元笛卡尔坐标的计算,邻近、孩子、父亲单元的判定。据此设计了单元索引算法并通过对比实验进行验证。实验结果表明,本文提出索引算法的平均执行效率约是同类算法的600倍,因而更适合计算机处理。     

利用城市骨架线网的道路和居民地联动匹配方法

同名道路或者居民地数据间由于数据一致性程度不高,往往存在较大的几何位置偏差,当对道路或者居民地单独进行匹配时,不利于提高匹配正确率和效率。针对这一问题,本文提出了一种利用城市骨架线网的道路和居民地联动匹配方法。联动匹配即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,利用约束Delaunay三角网对地图构建城市骨架线网。然后,通过道路、骨架线、骨架线网眼和居民地之间的拓扑关系建立道路和居民地之间的匹配传递模型。最后,根据该传递模型实现通过道路匹配带动居民地匹配或者通过居民地匹配带动道路匹配的联动匹配。该方法优势在于只要有一种要素的数据一致性比较好,就能带动另一种要素取得很好的匹配效果,同时符合人类进行匹配时的认知过程。     

针对简化路网的基于序列的双向合并地图匹配算法

简化路网具有结构简单、算法运行速度快的特点,对地图匹配算法的基础研究具有应用价值。本文针对简化路网的GPS轨迹数据地图匹配问题提出了一种基于序列的双向合并算法。实验结果表明:本算法不仅具有较好的匹配度,还优于现有的Passby算法和增量算法,并且在匹配过程中解决了遗漏路段和极值等错误问题。所以,本算法对于实际路网的地图匹配具有较好的借鉴作用。     

顾及几何特征和拓扑连续性的道路网匹配方法

已有的道路网匹配方法需要一定的人为干预和控制,仍无法实现匹配自动化,而且对于具有一定尺度差异的数据而言,受不相关道路对象的影响,匹配结果中会存在较多的误匹配。为此,本文提出一种顾及几何特征和拓扑连续性的由粗匹配到精匹配的分层匹配策略。粗匹配阶段,利用短边中位数Hausdorff距离计算匹配对象的相似度,再以道路网弧段端点的近邻分析结果作为匹配阈值,判断匹配对象是否为同名实体;精匹配阶段,将粗匹配阶段评价结果中离散的同名实体构建为完整的道路Stroke,即以追踪的方式剔除误匹配和添加漏匹配。利用宿城区不同尺度的道路网对所提算法进行验证,结果表明,该算法具有较好的匹配效果,能够实现匹配自动化。     

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。     

一种综合地图匹配算法的设计与实现

根据位置点匹配算法和基于加权系统的地图匹配算法的一般原理,设计并实现了一种综合地图匹配算法,在不同的道路条件下采用不同的匹配策略,并考虑了道路网的连通性因素,实验证明算法的正确匹配率达到了86%,在道路交叉路口的匹配时间约0.34s,基本上可以满足车辆导航定位系统的要求。     

采用层次分析法的道路网整体匹配方法

道路网变化较快,对其匹配和更新受到广泛关注。目前道路网匹配算法多集中于离散弧段间的匹配,匹配整体性不强,匹配精度不高。本文在分析道路匹配关系的基础上,借鉴人类认知客观世界从整体到局部的思想,对离散道路弧段通过Stroke模型进行聚合处理,然后采用线、面相对位置关系探测候选匹配集,进行道路筛选及整体匹配。针对当前匹配方法中各相似权值确定较为随意的问题,本文在分析各相似指标关系的基础上,借鉴层次分析法中的决策思维方式,对道路网匹配中的各相似指标进行定性和定量分析,并自动分配权值,进而根据获得的整体相似度来自动匹配。实验结果表明,采用层次分析法进行道路网整体匹配,可有效提高匹配效率、正确率及自动化水平。     

A Chain-Code-Based Map Matching Algorithm for Wheelchair Navigation

Accurate vehicle tracking is essential for navigation systems to function correctly. Unfortunately, GPS data is still plagued with errors that frequently produce inaccurate trajectories. Research in map matching algorithms focuses on how to efficiently match GPS tracking data to the underlying road network. This article presents an innovative map matching algorithm that considers the trajectory of the data rather than merely the current position as in the typical map matching case. Instead of computing the precise angle which is traditionally used, a discrete eight-direction chain code, to represent a trend of movement, is used. Coupled with distance information, map matching decisions are made by comparing the differences between trajectories representing the road segments and GPS tracking data chain-codes. Moreover, to contrast the performance of the chain-code algorithm, two evaluation strategies, linear and non-linear, are analyzed. The presented chain-code map matching algorithm was evaluated for wheelchair navigation using university campus sidewalk data. The evaluation results indicate that the algorithm is efficient in terms of accuracy and computational time.     

A geometric-based approach for road matching on multi-scale datasets using a genetic algorithm

Object matching is used in various applications including conflation, data quality assessment, updating, and multi-scale analysis. The objective of matching is to identify objects referring to the same entity. This article aims to present an optimization-based linear object-matching approach in multi-scale, multi-source datasets. By taking into account geometric criteria, the proposed approach uses real coded genetic algorithm (RCGA) and sensitivity analysis to identify corresponding objects. Moreover, in this approach, any initial dependency on empirical parameters such as buffer distance, threshold of spatial similarity degree, and weights of criteria is eliminated and, instead, the optimal values for these parameters are calculated for each dataset. Volunteered geographical information (VGI) and authoritative data with different scales and sources were used to assess the efficiency of the proposed approach. According to the results, in addition to an efficient performance in various datasets, the proposed approach was able to appropriately identify the corresponding objects in these datasets by achieving higher F-Score.