凹边形地标参照的主方向关系推理方法

空间推理是地球空间信息、人工智能、自然语言处理等相关领域的热点研究内容。主方向关系的表达与推理是空间推理的重要组成部分。针对空间方向关系矩阵对凹边形对象方向关系表达、推理的不足,研究依据目标对象与凹边形地标方向关系表达的不确定性,提出了凹边形地标参照的外部性主方向关系与内部性主方向关系推理方法。利用凹边形三等分仿射变换矩阵、自适应分割算法实现凹边形地标外部性、内部性参照对象表达;基于向量三角形法则与方向关系谓词,以方向关系的逻辑和、逻辑差合成代数运算推理2个地标、1个地标参照下目标对象与参照对象之间的主方向关系。通过实验与算例验证,证明凹边形地标参照下目标对象与参照对象的主方向关系推理可行性。     

慢溯半岛不思归途——美国历史地标城查尔斯顿游

从居民慢条斯理拖长调的南方口音．到城中闲适平和的生活气氛，人们很难在查尔斯顿看到匆忙的影子。当地人恪守着传统．恰然地生活。     

极轨气象卫星局部数据集的精地标导航

国家气象局卫星气象中心极轨气象卫星微机资料处理系统对AVHRR/HRPT资料进行处理,可生成(512×512)和(401×401)两种局部数据集。该文着重介绍对这两种局部数据集进行精地标导航的原理与方法,并用实测资料进行了检验。     

地标分层多粒度路径导引描述方法

路径导引是导航与位置服务领域重要研究内容之一。传统依次转弯的方式能够提供陌生环境下的导引信息,但不符合人们的对于熟悉环境下的认知和日常沟通习惯。通过按照地标的显著度进行分层,建立多粒度的路径导引描述信息,则更符合由概略到详细的空间认知规律。本文提出基于分层地标的多粒度路径导引描述方法,该方法通过计算导航地标显著度构建多层加权Voronoi图,结合路径计算结果生成多粒度的路径导引描述信息。设计试验表明基于分层地标的多粒度路径导引描述与行走试验及本地人(出租车司机)行进体验抽样问答的结果基本一致。     

从城市兴趣点中提取多层次地标方法探究

为了获取结构化空间知识,本文在前人研究基础上,提出一种依据显著度差异从城市POI数据中提取多层次地标的方法。分别从知名度、通达度以及个体特征三个方面量化分析了影响POI显著性的因素;然后利用这三个指标构建了POI显著性度量模型,并进行了武汉市武昌区地标提取实验。最后,以各层地标为种子生成Voronoi图,用来反映各层地标的空间影响范围及上下层地标之间蕴含的认知规律。     

利用地标空间关系约束的点实体匹配方法

针对传统的点实体匹配方法的不足,提出了利用地标空间关系约束的点实体匹配方法。该方法以参考点实体、候选匹配点实体与其邻域内的同名地标之间的空间关系为基础构造距离特征向量和方向特征向量,基于距离特征向量和方向特征向量计算点实体的相似度,进而确定点同名实体。实验结果表明,该方法在点同名实体空间位置偏差较大的情况下依然能够取得很好的效果,验证了该方法的有效性。     

利用城市POI数据提取分层地标

为了获取能够用于智能化路径引导的层次性空间知识,提出了一种依据显著度的差异从城市POI数据中提取出分层地标的方法。首先,通过从公众认知、空间分布和个体特征3个方面分析影响POI显著性的因素,构造了包括公众认知度、城市中心度和特征属性值3个指标向量的POI显著性度量模型;然后,分别讨论了利用问卷调查、多密度空间聚类和数据规格化的方法计算POI对象的各项显著性指标值的过程;最后,选择武汉市武昌地区的POI数据进行显著度计算,从中提取显著度较高的对象构成若干层地标,并以各层地标为种子生成加权的Voronoi图,用来反映各地标的空间影响范围并建立了同层和上下层地标之间蕴含的关系。     

显著度模型的地标提取方法综述

针对地标显著度模型的构成、计算方法及存在的突出问题,该文在对国内外大量文献进行分析研究的基础上,系统综述了基于显著度模型提取地标的方法。指出了现有研究中存在的主要问题和不足,围绕感知显著度、认知显著度、上下文显著度、总体显著度的计算方法,进行了较为深入的研究,并针对性地提出了解决方案。