一种面向地图对象的矢量地图数字水印方法

针对线状图层数据,面向地图对象,描述了一种能对2D矢量地图数据进行版权保护的水印算法.该算法把水印信息隐藏在地图对象的形状特征中,通过HASH排序和分组,把水印信息广泛地散布到图层中,并且实现了水印信息的盲检.实验表明,该算法具有很强的鲁棒性和实用性.     

多尺度地图的水系面目标与线目标匹配方法与实验

目标匹配是实现多比例尺地图数据变化探测和更新的一个关键技术,它是依据几何、拓扑、语义等来进行判断的。同一地物在多比例尺地图中表达方式各异,甚至差异很大,可将较大比例尺面目标与较小比例尺线目标间的匹配模式归纳为6种：1∶0、1∶1、0∶1、1∶M、N∶1和N∶M。本文通过计算较小比例尺线目标的最小约束矩形(简记为MBR)...     

车辆导航系统中地图匹配算法的研究

根据网格思想将道路网络进行分块并融合GPS所提供的定位数据,利用车辆行驶的位置、方向和实际道路网络的拓扑特性,提出一种快速实用的地图匹配算法。使GPS数据实时地与GIS地图数据匹配,有效地提高车辆导航的定位精度。     

面向矢量地图数据的时空对象生成工作流技术

针对目前存在的由矢量地图数据生成时空对象的方法通用性、灵活性、可复用性不足等问题,本研究提出一种面向矢量地图数据生成时空对象的工作流技术框架。首先,将由矢量地图数据生成时空对象的流程划分为文件解析层、时空对象构建层和数据持久层三个层次;在文件解析层进行矢量地图数据的多要素解析以获取原始属性信息,在时空对象构建层将各几何要素进一步封装为时空对象,在数据持久层将时空对象及其关联的映射集进行批量入库,各层之间基于工作流引擎变量进行功能连接和信息传递;其次,在Camunda工作流引擎外部任务模式下实现了上述框架,在三个层次设计了五个功能节点和六个引擎变量,可分别针对不同任务需求进行功能节点的模块化拼接;最后,以重庆市大德镇6852份农田矢量数据和某出租车3306条轨迹数据为例,分别测试了各节点的独立功能、多节点拼接和全功能的时空对象批量生成任务。结果表明,研究成果可以在进行少量人工干预的情况下,实现从矢量地图数据生成时空对象的各项自定义任务,提高了时空对象生成的灵活性和复用性。     

一种基于WordNet的跨语言地理本体匹配方法

针对跨语言环境下地理本体异构性强、本体实例重叠度低等特点,本文提出了一种半自动的地理本体匹配方法。通过概念化方法提取要素的本体属性,并用翻译工具将跨语言的本体属性转化为Word Net的语义集合,在此基础上进行本体属性的比较和本体概念的匹配。本方法以中国基础地理要素类型本体库和美国地质勘探局的地形图本体库的水系本体要素为依据进行了匹配实验,验证了方法的有效性。     

一种基于学习型特征的多模态影像匹配方法

多模态影像在辐射特征和几何特征方面存在的显著差异,会造成高精度匹配困难。因此,本文提出了一种融合多尺度深度学习特征的多模态影像匹配方法,主要利用深度残差神经网络结构自主训练学习影像的学习型特征,得到多模态图像之间更为丰富和更为准确的同名特征点对,实现了对多尺度、多时相影像的协同稳健匹配。结果表明,本文方法对于多组实验均能够得到数量丰富且分布相对均匀的同名特征点对,并具有高效、稳健的匹配性能。     

基于粒子滤波的行车轨迹路网匹配方法

行车轨迹是一种时间序列的地理空间位置采样数据,而传统的轨迹—路网匹配方法主要以全局或局部寻优的方式建立轨迹—路网匹配关系,影响了时空场景中数据的匹配计算过程的相对独立性。针对这个问题,本文基于粒子滤波（Particle Filter,PF）原理建立行车轨迹与道路网络之间的匹配关系。首先,沿轨迹中车辆运动方向在道路网络中搜索邻近道路节点,在与道路节点拓扑邻接的道路弧段上初始化随机生成粒子,根据轨迹中车辆运动模型将粒子沿所在道路弧段移动;然后,基于PF原理计算各时刻粒子运动状态及与行车轨迹采样点之间的距离误差,根据高斯概率密度函数计算粒子权重并利用随机重采样方法进行粒子重采样,迭代更新粒子运动状态;最后,计算与搜索到的道路节点拓扑邻接的每条道路弧段中累计粒子权重,通过各道路弧段累计权重计算轨迹—路网匹配关系。以行车轨迹进行实验表明,利用本文方法可以通过粒子时空变化反映采样点的移动,行车轨迹—路网匹配结果的正确率大于85%,能够实现行车轨迹和路网的准确匹配。     

基于转移矩阵的兰州市商业用地质量演变分析

将地类转换倾向性模型中的马尔可夫链引入城市用地质量演变分析中,通过建立土地质量等级转移矩阵,以兰州中心城区商业用地2009—2014年质量等级变化为应用案例,探讨土地质量转移矩阵对城市用地质量演化的影响。研究表明,转移矩阵的构建能够有效的反映城市用地质量等级演变倾向,在一定程度上预测未来城市土地质量的演变趋势,探寻城市用地质量演变的驱动力,有利于指导和促进城市未来土地资源的高效合理利用。     

浮动车轨迹数据聚类的有向密度方法

为了充分挖掘浮动车轨迹数据的潜在特性,本文在OPTICS空间密度聚类算法基础上,提出了一种有向密度的快速聚类方法(D-OPTICS)。该方法通过扇形空间邻域计算其有向密度信息,并基于方向信息约束其密度可连通性,通过有向可达距离曲线生成数据基本簇,最后,通过空间网格及类簇聚合等优化方法,实现其大规模浮动车轨迹数据的快速聚类处理。通过有向时空数据的聚类分析,发现浮动车轨迹的时空分布特性,以提取复杂路网的结构信息。本文以福州市大规模浮动车轨迹数据,对D-OPTICS进行了系统实验,分析表明,该算法可实现浮动车轨迹数据的快速有向密度聚类分析,有助于挖掘发现时空轨迹数据的分布规律,且基于聚类结果提取了福州市区复杂路网的有向拓扑结构图。同时,与DBSCAN及OPTICS等传统的密度聚类算法进行性能对比,实验表明,D-OPTICS算法能更好地支持大规模浮动车轨迹数据的处理要求。     

一种DEM数据无损压缩的方法

数字高程模型(DEM)是网络3维地形可视化系统最重要的数据源之一,而且数据量巨大.数据压缩是缩短DEM在网络上的传输时间和节省存储空间的有效方法和途径.本文提出了用最小二乘预测模型和算术编码实现DEM最佳平均码长.并比较了几种预测方法,推导了最优线性二乘预测模型,优化了自适应算术编码的数据结构以加快编码的进程.最后对不同无损编码技术的压缩结果进行了分析,实验证明本文提出的压缩方案是可行的.     

基于浮动车数据的城市道路通行能力时空特征分析

针对城市道路通行能力定量度量指标,提出基于浮动车数据的道路基本通行能力评估方法;以道路通行能力指标来分析深圳市道路网通行能力的时空分异规律,结论如下：城市道路通行能力具有明显的时变特征和空间分布的不均衡性;各行政区域通行能力在工作日变化平缓,在休息日出现午高峰;通行能力余量无论在工作日和休息日都浮动较大,并在休息日中午显著下降;道路通行能力具有明显区域分类现象,人口密度和发展程度较高区域的道路通行能力整体较低,且一天内的变化较小;道路等级对通行能力和通行能力余量影响显著,较高等级道路一天内变化较大,低等级道路则较平稳。     

网约车数据挖掘的全流程方法研究

网约车数据挖掘对居民出行时空特征、智慧交通和人口流动等研究有着重要意义.由于网约车数据体量大,分析挖掘中存在数据处理复杂、交互困难、需要的软硬件条件高和技术实现难度大等问题,本文集成数据处理、数据存储、时空分析和可视化等多种技术手段,构建了一套适用于中小规模网约车数据挖掘的全流程解决方案:针对3个月的网约车数据,通过数...     

古地图复原与校正方法实验研究

在中国古代地图绘制中,计里画方和山水形象画法是2个显著特色。然而,由于没有数学基础或没有明确的数学基础,使得地图定位精度大大降低,给古地图的处理和地理配准工作带来很大困难。本文将古地图的定位基准现状,分为完全没有地理参考、有部分地理参考和有较精确地理参考进行分析,从资料选取、预处理、辐射校正和图面信息复原角度探讨古地图的修复方法,并以部分近代地图为例进行地图拼接实验。最后,针对不同定位基准类型的古地图,分别采用特征点校正、分块（网格）匹配和相对位置转移等方法,完成古地图与现代地图的地理匹配,研究了计里画方地图与不同地理参考系、投影之间的数理关系。在古地图数字化、编辑、纠正和配准的基础上,尝试研究和建立校正后的古地图和现代地图的数理关系,探究古代舆图坐标基准和坐标体系与现代地图系统的关系,为建立古今坐标体系对照的数理关系打下基础。     

城市街道三维导航地图数据制作方法的研究

主要是以1:2.50 000比例尺的导航数据为基础,结合卫星影像和国家基础地形图数据,通过对市场需求和导航仪具体功能的分析和研究,定义出市街图包含的要素:街区面、道路面、道路边线、建筑物面、铁路面、水系面、绿地面、显示文字,以及对具体各要素的实施方法的制定。并且通过实验证,已获得市场认可。未来还将逐步改进,得到更加成熟的市街图方法,以满足更广泛的市场需求。     

一种以FCD模型从SPOT影像提取植被覆盖率的方法

论及以FCD模型原理提取植被覆盖率的方法;同时,针对SPOT影像的波段特征,重新构造了相关指数:植被指数(VI)、裸土指数(BI)和阴影指数(SI),并在ERDAS软件系统上对该方法进行了实验。然后,通过野外实地考察,应用 GPS、数码相机等进行实地采点,并对该方法得出的结果进行了验证。结果表明,总体精度达到了80％以上,说明该方法具有较高的提取精度,能满足大中尺度的植被覆盖率调查要求。     

基于层次随机图的道路选取方法

 道路选取是道路网自动综合的关键问题之一,这方面已有多年研究,虽已取得很大进展,但尚不能自动完成一定比例尺下道路网的选取。本文提出一种基于层次随机图的道路选取方法,通过构建道路网的层次聚类结构以辅助道路选取。层次随机图是一种复杂网络模型,表现为一个二叉树,它不仅可以将复杂的道路网进行层次聚类,而且在可视化的同时提供了不同粒度的聚类信息。在构建道路网的层次随机图的基础上,本文采用累计权重数来衡量每条道路在整体层次结构中的重要性,并据此进行道路选择。我们将该方法应用到不同模式的实际道路网中进行道路选取试验,包括方格形、方格放射状、环形放射状、自由式路网等,以对应的谷歌地图作为参考进行道路选取符合数量、符合长度的定量评价和观察对比定性评价。试验表明本方法的选取结果与谷歌地图符合度很高。此外,与典型的基于路划长度和基于度中心度(degree centrality)的选取方法相比,本文方法更优。最后给出了本文方法优缺点的讨论和进一步研究的展望。     

结合POI数据的道路自动选取方法

人们对道路重要性的认知与道路周边设施有重要关系,针对现有地图综合道路选取方法中对语义特征考虑不足的问题,将POI数据引入到道路的语义特征分析中,提出一种综合考虑道路空间特征和语义特征的道路综合自动选取方法。首先,结合POI位置数据构造了道路语义特征度量的3个新参量：设施点密度、重要设施比率和专题设施比率;然后,与道路长度、连接值、总深度值、平均线密度等反映道路几何、拓扑和分布特征的度量参量一起,通过归一化和熵值法赋权进行整合计算,得到道路重要性值;最后,综合考虑道路重要性值、道路stroke构成和stroke连通度的约束条件进行道路的分步选取。实验结果表明,该方法在保留主要道路、保持道路分布疏密特征和道路连通性的同时,较好地顾及了道路的语义特征信息。     

互联网文本蕴含道路交通信息抽取的模式匹配方法

互联网页面和社交网络文本中蕴含丰富的道路交通信息,是其他交通信息采集平台的有效补充。然而,自然语言文本形式的交通信息多以线性参考或地标方位描述交通事件空间位置,且大量存在事件元素缺失或隐含现象,对交通信息的自动化抽取有着较大影响。考虑到交通信息的自然语言表达方式虽然自由随意,但表达模式相对固定,提出一种从互联网文本中抽取道路交通信息的模式匹配方法。首先,基于道路交通事件描述的语言特征构建模式库;然后,以特征词词性序列的形式表达互联网文本和抽取模式,利用DTW距离度量序列相似度,实现抽取模式匹配;最后,在匹配抽取模式和填补规则指导下获取结构化的道路交通信息。由上海市城市交通相关门户网站和微博客平台的实验过程显示,本文所提出的模式匹配方法,抽取道路交通信息的准确率和召回率分别达到90%和80%以上,表明该方法能有效抽取互联网文本蕴含的道路交通信息,且实现过程相对简单,易于扩展,具有可用性。     

面向空间信息的数据网格研究

数据网格的发展促进了空间信息的协同合作和资源共享,然而,随着空间数据源呈现出越来越明显的分布性、异构性和动态性特点,如何实现大范围乃至全球范围的无缝集成和应用成为重要的研究课题。空间信息的数据特征和管理机制决定了只有在一个开放的、分布的系统平台上,才能实现全面的管理、共享和使用。本文论述了如何借助数据网格研究分布式空间数据协同操作和控制技术,提供一种服务一致化技术,将各种分布异构的数据资源通过网格化过程来实现数据服务的标准化,为用户提供一致化的接口。并对其中的研究重点进行了详细讨论。