等高线河流数据集成中的匹配及一致性改正

等高线作为地势起伏与地形凹凸特征的表达,与河流水系表达有着密切的约束关系。在空间数据库集成与匹配中,由于来源不同这两种数据往往出现不一致,导致河流“爬坡”现象。本研究针对该问题提出一种等高线河流匹配及一致性改正方法,利用Delaunay三角网模型在等高线基础上通过弯曲分析提取地形特征,基于河流分布与谷地走势的相关性,建立河流与等高线间的匹配关系,进而识别两者间的一致性与否。在此基础上利用仿射变换等几何方法完成一致化操作,包括河流移位匹配等高线和等高线移位匹配河流。     

Arc／Info平台下综合性规划信息库的建立

分析了规划信息在形式、内容上的复杂性，提出了Ａｒｃ／Ｉｎｆｏ平台下规则信息库的结构，讨论了在充分利用Ａｒｃ／Ｉｎｆｏ平台资源下，各数据文件在空间关系和属性层次上的结构化联系。     

时态GIS在地籍变更管理信息系统中的应用研究

针对当前时态GIS的研究现状，提出在属性数据表中进行时间和事件标识，将发生的事件序列在属性数据表中用字段和记录的形式表示出来，这样可以大大减少编程的工作量，并且有助于节约存储空间，进行各种时空查询。利用此原理，在地籍变更管理信息系统中作了一些实验，效果比较好。     

保持空间分布特征的群点化简方法

群点目标隐含的空间结构化信息是空间分布分析、地图综合感兴趣的内容。对群点目标分布的信息内容区分为存在性、度量结构与拓扑结构，在Delaunay三角网及其对偶Voronoi图模型上对工量结构定义4个在量；分布范围、分布密度、分布中心及分布轴线，顾及视觉识别Gestalt邻近原则，运用三角形“剥皮”法，确立了非凸多边形所表达的群点分布范围，运用图像灰度表达群点分布密度并通过图像处理方法提取分布中心。建立了Voronoi图动态重建进行群点化简的方法，该方法通过边界点和内部点的分开处理，较好地保持了4个空间分布特征。     

导航电子地图的变比例尺可视化

将变比例尺可视化技术应用到导航电子地图可视化中，实现了“近大远小”的“哈哈镜”显示效果。设计了图形、矩形两种不同放大区域，讨论了不同比例尺区域目标的自适应可视化，并根据变比例尺地图变形特点，对距离量算方法进行改进，以克服该种可视化地图距离感弱的缺点。     

地图空间形状认知的自编码器深度学习方法

形状是地理空间要素的重要特征,是人们建立空间概念、形成空间认知的重要依据.本文利用深度学习的特征挖掘能力引入自编码学习方法,对二维地图空间中形状边界上多组邻域尺寸下的多个特征进行集成和整合,为空间形状认知的机理和形式化提供支撑.本文以建筑物数据为例,将建筑物形状边界转换为序列数据,并提取其描述特征;随后结合sequence-to-sequence自编码学习模型,对无标签的建筑面要素数据进行学习训练,形成形状认知编码.试验表明,本文方法能够产生符合形状认知、具有相似度计算意义的形状编码,具备对不同建筑物形状的区分能力;同时,在形状检索和匹配等应用场景中,该形状编码能有效地表示建筑物的全局和局部特征,与视觉认知结果一致.     

深度学习赋能地图制图的若干思考

地图制图学包含地图制作与地图应用两大任务,分别与人工智能技术有不解之缘.经历了符号主义智能表达的地图制图专家系统、行为主义智能表达的空间优化决策后,地图制图面临与连接主义下的深度学习的结合,以提升地图制图的智能化水平.本文针对"深度学习+地图制图"命题讨论了3个问题.一是从深度学习方法与地图空间问题解答策略思想的一致性,基于梯度下降、局部相关、特征降维和非线性化性质,回答了两者结合的可行性;二是从地图学独特的学科特点和技术环境分析了两者结合面临的挑战,涉及地图数据组织的非规范性、样本建立的专业需求、几何与地理特征的融合,以及地图固有的空间尺度性;三是分别讨论了地图制作与地图应用融入深度学习的切入点和具体方法.     

设施POI分布热点分析的网络核密度估计方法

设施POI(point of interest)在城市地理空间中往往聚集分布,呈现热点特征。对该类POI分布热点的分析大多采用基于欧氏距离的空间密度估计,忽略了城市空间通达、连接是沿着街道路径的事实,从而很难准确、客观地反映城市功能的热点布局。本研究针对该缺陷,利用基于网络路径距离的核密度计算方法确定热点的区域密度,并提出了一种简单、高效的网络分析算法。该算法扩展二维栅格膨胀操作,以一维形态算子的连续扩展计算POI在网络单元上的密度值,通过评价试验表明,该算法比现有算法具有更好的性能和可扩展性。通过实际POI数据分析发现,考虑街道网络约束的热点范围可凸显设施功能沿交通网络布局的空间特征,为区域规划、导航以及地理信息查询等应用提供有价值的空间知识与信息服务。     

运用约束Delaunay三角网从众源轨迹线提取道路边界

运用众源车辆轨迹数据提取道路信息需要解决轨迹点采样稀疏、高噪音、密度差异大等问题。为此,本文提出一种运用约束Delaunay三角网从车辆轨迹线集中提取道路边界的方法。首先,通过三角形边长度和Voronoi面积等几何特征表达轨迹点分布的聚集性差异,并将这两种不同几何维数的控制条件集成建立道路边界识别模型,运用"种子点"区域扩展方法实现道路边界的精确提取。最后,运用北京市出租车GPS轨迹进行试验,结果表明该方法适于车辆分布频率悬殊、时间跨度不同、道路网结构复杂的轨迹线数据处理。     

数字环境下的数据缩编更新方法

随着地理空间信息资源建设的不断推进与广泛应用,测绘工作的重心正在由初始的数据生产向数据更新与服务进行转变。在目前实际生产的各种更新方法中,由于利用较大比例尺数据更新较小比例尺数据的经济快速,日益引起了人们的重视。本文从目前空间数据更新生产工程的实际需求出发,分析了综合利用多种现势数据资料缩编更新空间数据库的需求与技术难点,以目前的空间数据的数字化生产工艺为基础,分析探讨了缩编更新的关键技术,实现了适应数字环境下的空间数据缩编更新。根据该方法开发的缩编更新系统——精图(GenTool),在生产中得到了初步应用,并获得了良好的效果。