基于有向属性关系图的典型道路交叉口结构识别方法

提出采用有向属性关系图描述道路交叉口结构,形成典型道路交叉口结构模板库.通过将道路网矢量表示转化成有向属性关系图表示,采用图匹配技术识别道路网中的典型交叉口.实现有关算法,通过试验验证该方法的有效性,并分析其局限性和适用范围.该方法可在基于结构的交叉口简化过程中用于典型交叉口结构识别.     

建筑群组合直线模式识别的模板匹配方法

建筑群空间分布模式识别对制图综合、多尺度表达及空间数据挖掘具有重要意义.针对局部异质性明显的建筑群直线模式识别提取问题,本文提出基于模板匹配的建筑群组合直线模式识别方法.首先分析研究组合直线模式的认知特征和定义;然后,利用建筑物的空间邻近性、尺寸和方向约束进行聚类,获得建筑物间的空间邻近关系和扩展对齐关系;以放大的建筑物最小面积外接矩形作为初始匹配模板;最后,在确定模板分布间隔及方向的基础上,考虑组合直线模式的直线性、相似性和局部异质性约束条件,通过连续构建模板进行搜索匹配,识别出组合直线模式.试验表明本文方法能有效识别出组合直线模式,其识别结果符合人类认知特点.     

城市建筑群网格模式的图论识别方法

建筑群空间分布模式体现了城市的物质形式及其与社会经济功能之间的关系,反应了城市的空间结构特征,对于制图综合和多尺度表达等具有重要意义。结合国内外对该问题的研究,提出了基于图论的建筑群网格模式识别方法。首先分析研究了网格模式的认知特征和定义。然后利用Delaunay三角网构建建筑群的邻近关系,生成邻近图;从Gestalt视觉准则出发,基于三角剖分模型建立视觉距离;考虑直线模式的直线性、紧凑性等约束条件识别出交叉的多连通直线模式。最后对直线模式建立相交图和方向关系图,通过求解极大完全子图、连接、相交和后期修建等图运算,实现网格模式的识别。实验表明该方法能够识别出明显网格模式,其识别结果符合人类空间认知特点。     

建筑群多连通直线模式的参数识别方法

结合国内外对建筑群空间分布模式的研究,提出了建筑群多连通直线模式的参数判别识别方法。首先从其组织规律出发,从距离、方向、大小3方面提取直线模式的结构化参数;然后利用Delaunay三角网构建建筑群的邻近关系,生成邻近图;考虑直线模式的直线性、紧凑性等,通过模拟直线模式识别的人工过程进行邻近图的同质性修剪,识别出多连通直线模式。实验表明,该方法能够识别出明显直线模式,且具有完备性,允许模式相交,更符合人类空间认知特点。     

一种建筑群同质二元组直线模式的识别方法

建筑群空间分布模式识别对制图综合、多尺度表达及空间数据挖掘具有重要意义。针对建筑群中以建筑物组合结构为单元的直线模式识别问题,提出一种建筑群同质二元组直线模式的识别方法。首先分析研究同质二元组直线模式的认知特征和定义;然后利用Delaunay三角网构建建筑群邻近关系,以建筑物邻近性、尺寸和方向相似性约束进行聚类,考虑邻近程度的异质性、直线性识别直线模式,根据直线模式识别结果识别同质二元组结构;最后逐步识别由具有相似特征且呈等间隔直线排列的同质二元组构成的直线模式。实验表明所提方法能有效识别出同质二元组直线模式,其识别结果符合人类认知。     

顾及多空间相似性的地下管线数据匹配

综合地下管线与专业地下管线是同一管线地物的两种表达形式。综合地下管线数据精准、概括;专业地下管线数据表达范围广、属性信息翔实。本文以天然气管线数据为例,选取管点关联管段分布形态作为衡量依据计算管线结构相似性,从管点本体概念名称和属性两方面计算管线语义相似性,以两管点间管段分布形态为特征计算管线形状相似性。以此空间相似性构建管点特征向量,采用SVM(support vector machine)支持向量机的分类方法及管点唯一匹配原则实现管点实体匹配。试验表明该算法能够有效解决管点匹配问题。     

检索应用中地理信息资源相似度计算方法研究

在地理信息资源检索应用中,资源属性间相似关系的计算还不够深入,地理信息资源的精准推荐及检索可视化应用尚难以实现。针对该问题,统一采用"相似度"对资源属性间的相似关系进行表达。资源的属性类型大部分为文本,其中具有语义差异,文中提出复合文本的相似度算法对文本类型属性进行匹配,并给出数值类型属性的"相似度"映射方案。在此基础上,实现资源时间、空间属性的相似度计算。基于所提出的相似度算法进行地理信息资源检索实验,实现地理信息资源属性间相似关系的量化,促进信息可视化在地理信息资源检索中的应用。     

基于道路核密度的城市中心识别方法

道路网空间分布模式识别对制图综合、空间数据多尺度表达及空间数据匹配具有重要意义。城市中心是道路网语义模式的研究内容之一,通常位于道路网分布的密集区。针对现有方法存在的问题,提出一种基于道路核密度的城市几何中心识别方法。首先根据核密度估计得到道路线的连续密度分布表面;接着根据核密度统计值提取初始中心,将初始中心分为全局中心、局部中心和伪中心3类,通过面积阈值和包含关系去除伪中心;最后计算各中心区的中心力指标,并据此划分全局中心和局部中心。长春市和西安市道路网的实验结果表明,该方法识别的城市中心能够反映城市空间格局的整体特征和局部特征,与规划中心的对比结果验证了该方法的有效性。     

归类识别地名匹配算法

针对现有中文地名匹配算法忽略中文表达的多样性和规则性使得匹配准确性不足的问题,文章提出了一种归类识别地名匹配算法。该算法首先基于地名通名词典和地名结构规则知识库对地名类型判定,然后进行地名核心词字符串相似度匹配,最终得到符合查找期望的匹配结果。论文以居民小区地名为具体研究对象,利用该算法对德州市600条已售小区数据进行匹配验证,试验结果表明该算法在匹配效率和准确性两方面有较大提升。     

形状识别在地图综合中的应用研究

形状分析和形状识别是地图综合的重要内容之一,地图综合中需要对地理要素进行结构的识别,包括对要素的分布模式和形状特征进行分析,以便获取地理要素和现象的分布规律,制定综合的总体策略。其二,同一要素在不同尺度的表达中应保持形状的主体轮廓的一致性,这需要在综合算法中顾及形状的保真问题。其三,在地图综合的结果评价中,形状相似性是其重要的指标。地图是现实世界的抽象反映,没有形状的一致性人们很难将地图中的要素与真实的地理要素建立对应关系。但形状识别属于认知领域的范畴,具有很强的主观性和不确定性。本文就形状分析和识别在地图综合中的应用进行了探讨。     

直线排列建筑物群渐进式典型化方法

地图综合中,建筑物群的排列结构是需要重点考虑的因素。当不同排列的子建筑物群之间存在空间图形冲突时,这些建筑物群的综合就显得更为复杂。直线排列建筑物群的综合在大比例尺地形图上以典型化操作为主。本文提出一种相互之间存在潜在空间图形冲突的多个直线排列建筑物子群的渐进式典型化方法,渐进式地处理多个直线排列建筑物子群之间的空间图形冲突,保留建筑物群重要的直线排列结构;以建筑物表达的视觉图形约束为限制条件,自动确定典型化后的建筑物位置、形状、大小和方位。本文还研究了基于建筑物群空间邻近图的直线排列建筑物子群的自动识别方法,分析了这些直线排列之间的邻近关系和相交关系。最后,以1：5000地图上的建筑物群综合为1：25 000为试验对象,验证了所提出算法的可用性和有效性。     

结构化居民地群的多层次识别方法

针对比例尺跨度较大（10倍甚至50倍）的情况,现有的聚类方法较难体现居民地的渐进合并过程。拟在初始数据源比例尺和综合后地图比例尺之间内插系列中间比例尺,在多层次上进行居民地群的识别。根据空间认知原理和格式塔视觉准则,将居民地群的空间结构概括为5种典型模式,并定义了各模式约束条件,提出了基于紧密性网络与典型模式相结合的结构化居民地群识别方法。首先,通过Delaunay三角网对大比例尺居民地要素进行邻近关系识别,建立紧密性网络图,判断强闭合环路、弱闭合环路和延伸线,识别群结构中的各类典型模式。然后对识别出的群结构进行综合处理,依据设定阈值处理得到中间各级比例尺数据,从而实现多尺度空间数据的连续可视化。实验表明,利用该方法识别出的结果能够体现居民地群的空间分布特征,更加符合人的认知习惯。     

Measuring the structural similarity of network time prisms using temporal signatures with graph indices

The network‐time prism (NTP) is an extension of the space‐time prism that provides a realistic model of the potential pattern of moving objects in transportation networks. Measuring the similarity among NTPs can be useful for clustering, aggregating, and querying potential mobility patterns. Despite its practical importance, however, there has been little attention given to similarity measures for NTPs. In this research, we develop and evaluate a methodology for measuring the structural similarity between NTPs using the temporal signature approach. The approach extracts the one‐dimensional temporal signature of a selected property of NTPs and applies existing path similarity measures to the signatures. Graph‐theoretic indices play an essential role in summarizing the structural properties of NTPs at each moment. Two extensive simulation experiments demonstrate the feasibility of the approach and compare the performance of graph indices for measuring NTP similarity. An empirical application using bike‐share system data shows that the method is useful for detecting different usage patterns of two heterogenous user groups.     

On the spatial distribution of buildings for map generalization

Information on spatial distribution of buildings must be explored as part of the process of map generalization. A new approach is proposed in this article, which combines building classification and clustering to enable the detection of class differences within a pattern, as well as patterns within a class. To do this, an analysis of existing parameters describing building characteristics is performed via principal component analysis (PCA), and four major parameters (i.e. convex hull area, IPQ compactness, number of edges, and smallest minimum bounding rectangle orientation) are selected for further classification based on similarities between building characteristics. A building clustering method based on minimum spanning tree (MST) considering rivers and roads is then applied. Theory and experiments show that use of a relative neighbor graph (RNG) is more effective in detecting linear building patterns than either a nearest neighbor graph (NNG), an MST, or a Gabriel graph (GssG). Building classification and clustering are therefore conducted separately using experimental data extracted from OpenStreetMap (OSM), and linear patterns are then recognized within resultant clusters. Experimental results show that the approach proposed in this article is both reasonable and efficient for mining information on the spatial distribution of buildings for map generalization.     

一种结构化的三维建筑房顶分类与识别方法

房顶是三维建筑的重要组成部分,房顶结构的识别是三维建筑综合算法实现和进行城市建筑空间分布模式分析的基础。分析了建筑房顶结构特点,提出了一种三维建筑分类的实用方法,针对不同房顶类型设计了相应的结构化表达方法,在此基础上提出了三维建筑房顶面信息提取算法,并进一步实现了房顶类型的识别。实验证明,该方法识别的准确性较高,能够满足进一步应用的需求。     

一种适用于多类别遥感图象分类的新方法——复合神经网络分类方法

该文提出一种由多层神经网络与自组织神经网络相结合进行类别遥感图象分类的复合神经网络分类方法。第１步半训练样本按其统计特征分成若干组，用不同级别的训练样本分别训练ＢＰ网络。第２步将这些训练好的ＢＰ网络并联构成有监督分类器，对遥感图象进行有监督分类。第３步用ＢＰ网络的分类结果对Ｋｏｈｏｎｅｎ网络进行自组织训练，用训练好的Ｋｏｈｏｎｅｎ网络构造无监督分类器，对遥感图象进行细分。通过对ＳＰＯＴ遥感图象的分     

利用约束D-TIN进行建筑物多边形凹部结构识别与渐进式化简

分析了位于建筑物多边形外侧的凹部结构特征及其类型,探讨了一种基于凹部层次结构的建筑物多边形渐进式化简方法,即以三角形为形状基元,用约束Delaunay三角化方法对建筑物多边形进行空间剖分,从凹部三角形树中提取三角形序列,通过匹配特征序列识别凹部的基本模式,以确定和实施相应的凹部化简方法,在此基础上迭代执行识别-化简过程,以实现对建筑物复杂凹部的渐进式化简。实验分析表明,该方法具有结构化和渐进综合的特点。     

An integrated framework for linear pattern extraction in the building group generalization process

Building pattern extraction is an essential step in building generalization. Although many studies have already been conducted, there is a lack of a framework for extracting building patterns. To overcome this problem, an integrated framework for extracting building linear patterns is presented. First, an aggregation function is presented based on the TOPSIS method, which determines the similarity index in terms of area, shape, rectangularity and distance similarities. This results in the extraction of straight and perpendicular patterns using the similarity index and orientation difference criteria. Second, a refinement strategy is proposed, which refines the extracted patterns using a novel definition of the pattern interaction index. To evaluate the proposed model, the complete building group generalization process is implemented using a data-set at 1:25 k scale. The evaluation results allowed us to conclude that the proposed model produces meaningful results, and therefore it would be beneficial in the generalization process.