普适计算与普适GIS

介绍了普适计算及其研究现状，讨论了GIS发展与普适计算相结合的必要性，阐述了普适GIS的研究内容。     

移动环境自适应地图综合方法初探

随着移动定位服务等技术的飞速发展,地图综合在专题内容、综合效率等方面已不能满足移动地图服务的需要.这就要求针对当前的移动环境,发展自适应地图综合方法.在系统分析当今移动环境自适应地图综合研究现状的基础上,指出移动环境自适应地图综合的理论基础与技术背景,提出移动环境自适应地图综合的基本思想、特征与关键问题,并以南京市湖南路商业区居民地为试验数据,实现了自适应于用户位置的居民地简化算法.     

基于本体的地球空间信息上下文建模

总结分析了典型的地球空间信息上下文,基于本体建立了面向地球空间信息服务形式化的上下文信息模型,该模型采用层次化的设计方法,并使用本体描述语言OWL描述上下文,提高了上下文表达能力。最后,设计了一个面向地球空间信息的上下文感知计算模型。     

融合上下文感知的地标检测辅助WiFi-PDR室内定位

针对当前WiFi-PDR室内定位中存在的WiFi信号不稳定及行人航位推算（PDR）累积误差大的问题，本文提出了一种融合上下文感知的地标检测辅助WiFi-PDR室内定位方法。该方法利用智能手机所能监测到的上下文信息建立用户模型，采用基于卷积神经网络的用户行为感知和基于WiFi-PDR室内定位的粗粒度位置感知，发现隐藏的室内地标信息，并完成用户在地标位置的位置校正，提高定位准确度。该方法在一定程度上降低了WiFi-PDR室内定位的误差，提高了用户室内定位的精度。经试验验证，该室内定位方法的精度相比于传统的WiFi-PDR方法提高了43.62%。     

一种基于改进蚁群算法和顾及时间上下文的个性化旅游线路规划方法

为解决旅游线路规划中时间上下文的限制和游客旅游偏好等问题,构建顾及时间上下文和游客旅游偏好的旅游线路规划数学模型。提出一种改进的最大最小蚁群算法MMAS(Max-Min Ant System),采用混合信息素更新策略,改进伪随机比和轮盘赌注相结合的状态转移策略,提出基于时空棱柱模型的局部搜索优化方法。为验证算法的有效性,利用携程网景点数据与高德实时路况数据进行实验。实验结果表明,该方法比对比算法有更好的性能,能有效地规划出较好的旅游线路。     

基于上下文感知的地理信息服务发现与匹配技术研究

如何在网络上寻找到最适合的地理信息服务,即服务的发现与匹配技术的需求变得越来越迫切。本文结合普适思想提出了基于上下文感知的地理信息服务多级发现与匹配框架．包括基本描述、服务功能、约束条件、空间上下文4级匹配过程,并详细分析了空间上下文的建模与推理、地理信息相似性等关键技术,最终通过一个原型系统验证了该框架及关键技术的可行性。     

普适地图制图综述研究

计算技术的发展需要与之相适应的计算模式。经过几十年的发展,计算范式经历了三次转变:中心式计算、分布式计算和移动式计算,并向普适计算迈进。不同的计算范式孕育了不同的制图模式,地图制图模式也经历了三次转变:单机版的计算机地图制图、网络地图制图和移动地图制图,并向普适地图制图的模式改变。普适地图制图是普适计算技术在地图制图领域的应用,是普适计算与地图制图相结合的产物,它的出现给地图制图带来了一场新的革命。在分析国内外相关文献的基础上,阐述了普适地图制图的概念,重点介绍了普适地图制图的主要研究内容和关键技术,为今后普适地图制图的研究提供了一定的指导意义,具有较好的参考价值。     

基于空间相似性的微地图道路网质量评价方法

微地图是一种面向大众的新型地图,是传统地图在自媒体时代下的发展和补充。针对微地图数据来源广泛,质量参差不齐的问题,本文提出了一种基于空间相似性的微地图道路网质量评价方法。首先,将上下文信息与形状、方向、距离、拓扑关系以及一维线特征5个空间特性结合,计算微地图数据与参考数据的空间相似性;然后,对样本数据组合,并利用熵值法计算客观权重,取平均值作为各评价指标的权重系数;最后,采用可拓云评价法完成对微地图数据定量计算与定性分析结合的综合评价。本文使用9组不同质量的微地图道路网数据进行实验,结果表明,本文方法符合微地图精度低、内容少的特点,质量评价结果与实际更为符合。相较于模糊综合评价法,本文将精度低,但内容与参考数据一致的微地图数据评价等级提升为优;相较于现有的线要素空间相似性评价法,本文将精度低,但根据用户需求制图,且有重要地标参与计算的微地图数据评价等级提升为良。本文方法对微地图数据有较强的适用性,为微地图道路网质量评价提供了可行方法。     

基于深度学习的高分辨率遥感影像目标检测

传统的目标检测识别方法难以适应海量高分辨率遥感影像数据,需要寻求一种能够自动从海量影像数据中学习最有效特征的方法,充分复挖掘数据之间的关联。本文针对海量高分辨率遥感影像数据下典型目标的检测识别,提出一种分层的深度学习模型,通过设定特定意义的分层方法建立目标语义表征及上下文约束表征,以实现高精度目标检测。通过对高分遥感影像目标检测的试验,证明了该方法的有效性。     

基于Bayes融合法的多源遥感影像分类

提出了顾及各数据源成像模型、上下文关系模型和可靠性的基于Ｂａｙｅｓ融合分类的方法，并采用该方法对ＬａｎｄｓａｔＴＭ和航空ＳＡＲ影像进行土地利用分类试验。结果表明：同单独ＳＡＲ影像分类结果相比，融合分类法将分类精度提高了２０％。