顾及形态特征和语义信息的双线道路识别方法

双线道路识别与提取是城市路网综合的关键。提出了一种城市双线道路提取的方法。在构建好的道路网眼的基础上,综合考虑双线道路网眼形态特征以及构成网眼路段之间的语义相似度,设计了识别双线道路网眼的综合指标。通过判断网眼综合指标确定最终的双线道路网眼,最后根据识别出的双线道路网眼提取出双线道路。实验表明,该方法能有效提取出城市道路数据中的双线道路。     

采用拓扑关系与道路分类的立交桥整体识别方法

结构复杂、形态繁多的立交桥结构是道路网的重要组成部分。大比例尺地图中立交桥结构的识别对道路网的拓扑关系构建、自动综合、匹配、更新,乃至城市居民地等相关要素的研究都具有重要影响。当前在道路网数据匹配更新过程中尚未对立交桥结构进行深入的研究,关于立交桥识别方面的研究也相对较少。本文参考道路桥梁专业中立交桥的分类方法,概括出不同种类立交桥的图形。对这些图形自身构建拓扑关系,利用道路分类方法判断图形中每条弧段的道路类别,并统计数量,建立立交桥图形的量化表达式。在识别过程中通过比对量化表达式来识别出立交桥结构及其类型。     

基于复杂网络理论的城市道路网络自动综合方法

道路网络自动综合是地图综合的主要研究课题。本文通过引入对偶拓扑理论建立了城市道路网络的对偶拓扑结构,并将道路的重要性表达为路网中所有道路的重要度贡献的总和,进而提出了一种道路网络自动综合方法。实验表明,本文方法可以较为合理地选取路网中相对重要的道路,所选路网保持了原始路网的整体形态及拓扑连通。     

城市道路复杂网络结构化等级分析

根据复杂网络理论提出了一种城市道路网结构化分析与结构等级建模方法。首先,根据城市道路链生成对偶图;然后,分析路网几何结构,对由城市道路链生成的对偶图进行中心性测度分析;集成各项结构指标进行道路等级建模,以保持各个指标的结构信息;最后,根据集成指标分析城市道路的结构重要性、划分道路等级并保持道路网的连通性。实验结果表明,通过所提方法进行的道路结构化等级分析能够反映道路网中包含的等级结构特征,而且与单一指标和现有的道路分级相比,集成各项结构指标后划分的道路等级能够更好地符合道路网固有的等级特点。     

城市道路网面域层次结构特征的识别与表达

层次性是道路网一个重要的空间结构特征,文中提出一种城市道路网面域层次结构特征的识别与表达方法。首先以路链为基本单元对道路网数据进行重新组织,选取连通度、接近度、中介度和长度对路链的结构特征重要性进行评价;然后以道路网眼作为表达道路网面域层次结构特征的基本单元,依据路链的属性等级、结构特征重要性以及视觉对称性原则,依次选取路链对道路网最大包络区域进行层次剖分从而获得其包含的各级层次道路网眼;最后利用二叉树模型对道路网眼之间的层次关系和邻接关系进行结构化表达。实验结果表明,所提方法能够完整提取出道路网包含的全部道路网眼并准确建立它们之间的空间关系,其结果能较好地反映道路网面域的层次结构特征。     

一种城市道路空间结构特性分析方法

为了对城市道路空间结构的特征进行研究,该文基于复杂网络理论,采用网络中心性测度方法,对北京、成都、南京、天津和武汉这5个城市道路网络的节点介数、直达性、邻近度和边介数等指标进行计算,通过对计算结果的分析发现城市道路中心性的分布特点,剖析城市道路结构的特征。结果表明:①网络中心性指标,特别是介数能够很好地描述道路网络节点的重要程度;②贯穿路网的主干路、城市环路、跨江(河)桥梁都具有较高的中心性,是城市路网的重要部分;③尽管不同城市的道路网络结构存在一些相似的特点,但各城市之间的道路空间结构差异明显。     

小比例尺道路网眼约束下的多尺度道路网自动匹配

针对道路网多尺度匹配的问题,提出了一种在小比例尺数据道路网眼约束下的多尺度道路匹配方法。首先,构建两幅不同比例尺数据的道路网眼;其次,在小比例尺道路网眼的约束下,提取出大比例尺道路中由若干道路网眼构成的复合网眼,并完成与小比例尺道路网眼具有多对一和一对一关系的网眼匹配;然后,实现不同比例尺道路网眼的多对多匹配;最后,由复合网眼与小比例尺道路网眼的匹配关系转化为多比例尺道路网眼边界道路之间的匹配和内部道路之间的匹配,完成整个道路网的匹配。试验结果证明,本方法能较好地实现多尺度道路网的匹配。     

网眼矩形特性在道路网模式识别中的运用

从格网模式道路网的基本形态特征出发,研究了基于网眼矩形特性的道路格网模式识别方法。首先从样本道路网中任意选取部分典型的格网模式的道路网,统计该区域所有道路网眼单元的矩形度,求得样本区域道路网眼矩形度的平均值和标准差范围。再另外选取其他样本区域作为检验数据,分别用K均值聚类和系统聚类的方法进行识别实验。实验结果表明,该方法具有较高的识别正确率,为格网模式道路网识别和综合奠定了基础。     

改进霍夫变换的枢纽立交桥检测方法

针对传统遥感系统对特定建筑物提取难的问题,该文提出了一种高空摄影系统下基于改进霍夫变换的城市枢纽立交桥检测方法。该方法首先对图像进行预处理和分割,对分割后图像进行形态学处理提取直线和曲线道路,弥补了单一提取直线道路的不足;然后对提取后的道路进行基于改进霍夫变换的近似圆形立交桥匝道的识别;最后依据圆形完整度门限判断可识别的圆形匝道个数,并根据识别数目来判定是否存在立交桥。经过实验比较分析,该方法对于国内外常规的立交桥系统识别效果都较好。     

利用道路网眼实现路网的增量式更新

获取现势性的交通道路数据是数字城市和智慧城市建设的基础,基于传统测绘的道路网更新方法存在一定局限性,而基于众源数据及行车轨迹数据更新道路网近年来则倍受关注。首先提出了一种新的道路变化增量更新方法,该方法先对历史道路网建立面拓扑结构,生成由道路网组成的最小闭合面域（道路网眼）;然后以道路网眼为基本控制单元,综合利用轨迹点上下文距离信息和隐马尔可夫模型（hidden Markov model,HMM）,提取失配轨迹点和失配轨迹段;最后采用缓冲区分析和最大密度法对失配轨迹提取骨架线,创建新增道路,增量更新历史道路网。实验结果表明,以道路网眼为控制单元,利用轨迹点上下文距离分析和HMM捕获失配轨迹点,可提高失配轨迹点的提取效率,改善道路网更新效果。该方法可用于大规模路网的增量式更新。     

利用居民地聚类和缓冲区分析完善道路网眼

对于十分规则的道路网(城市道路)来说构造网眼是十分容易的,且得到的道路网眼完整性较高,然而对于乡村道路,由于数据采集习惯或数据质量的影响,道路在居民地附近容易断开,导致计算机不能构造完整的网眼。本文针对这个问题,提出了利用居民地聚类和缓冲区分析的方法辅助道路网眼的构建,从而提高了乡镇郊区道路网眼的完整性,为采用网眼合并的方式进行综合的方法,以及各种基于网眼的空间分析提供了有效支撑。     

基于高分辨率航空影像与GIS数据的城市路网提取及分析

摘要：建立正确的城市交通路网可以帮助用户查询道路、选择最优路径、辅助车辆通行。以城区高分辨率航空影像为参考依据,以已有的GIS数据为数据源,利用ArcGIS平台对GIS道路数据进行一系列的整合处理,提取满足路网结构要求的城市路网数据,构建城市道路最基本的路网模型,对常见的错误路网关系进行列举分析。     

基于拓扑强度的城市道路网络层次表达

复杂网络理论是进行网络拓扑分析的一个重要工具。现有的研究大多是利用复杂网络理论研究城市道路网络的整体拓扑结构,从而难以衡量每条道路在维持整个路网拓扑连通性方面的能力。本文提出了一种道路网络拓扑强度层次表达模型。首先,研究城市道路网络中每条道路在维持路网拓扑连通性方面的重要程度,提出了一种定量描述指标,即拓扑强度;然后根据拓扑强度对道路网络进行层次表达;最后采用层次表达模型对长沙市道路网络进行实验分析,验证了该模型的合理性和有效性。     

利用路段分类识别复杂道路交叉口

道路网数据中微观结构的识别对于多尺度路网建模、步行导航等至关重要。复杂道路交叉口是重要的道路微观结构之一,针对目前道路复杂交叉口基于几何形状描述与图形匹配识别方法存在的不足,从复杂交叉口识别与化简的角度出发,提出了一种利用路段分类进行复杂道路交叉口识别与化简的方法。该方法首先通过点密度聚类的方法对道路交叉口进行定位,然后利用路段的规模、形状和属性等特征构建特征空间,将交叉口的识别作为一种区分主干路段与辅助路段的两类分类问题,利用支持向量机的方法对交叉口区域内的路段进行分类,从而完成交叉口的识别与化简。利用开放街道地图(OpenStreetMap)数据进行实验,结果表明,该方法能够有效地识别道路交叉口。     

北京市道路名称分类与方向统计分析

城市道路路名是一个城市文化、历史的直观反映,而道路方向与城市发展规划息息相关,是城市结构的体现。本文以ArcGIS、Matlab为技术手段,开展了对北京市的基于道路名称的道路分类及道路方向的统计分析。研究结果对北京市旧城保护、了解北京市路网发展及路网规划具有一定的参考价值,为展现道路路名、道路方向数据探寻了新思路和新方法。     

对自组织映射聚类实现道路网网格模式识别

提出了一种基于对自组织映射聚类的道路网网格模式识别方法。以道路网中的网眼为基本单元,从网眼自身形状特征、相邻网眼的形状特征以及与周围网眼的关系等方面定义了5个参量。将由5个参量描述的网眼及由CRITIC方法导出的参量权重作为自组织映射的输入,经过训练,运用K-means方法对神经元码书向量进行聚类。对深圳市道路网数据进行了实验和对比分析,结果表明该方法能有效识别网格模式。     

顾及路网结构保持的城镇居民地自动综合

以往居民地自动综合的研究多集中于建筑物的多边形化简,较少考虑到其与街区、道路网的联系。提出了顾及路网结构保持的城镇居民地自动综合模型,此模型包含道路选取和街区内部结构概括两方面。前者基于网眼密度并结合路划功能选取道路数据,用于街区合并;后者则主要涉及建筑物多边形化简,通过改进矩形差分组合方法,在原有面积阈值的基础上添加距离阈值,并提供新的分层化简思路。以1:1万地图数据到1:5万比例尺的自动综合实验验证了本文算法的可行性和有效性。     

一种顾及道路交通流量语义信息的路网选取方法

交通流量是反映城市道路重要性以及城市道路在交通运输中发挥现实作用的重要指标。结合人类出行轨迹数据和路网数据,在充分考虑道路的几何特征(即长度、拓扑连接、分布密度、接近中心性和中介中心性)、属性特征(即道路等级)的基础上,进一步考虑道路长周期的周平均交通量这一衡量道路重要性的语义特征指标,提出了一种顾及道路交通流量语义信息的路网选取方法。首先,根据格式塔准则的连续性和方向一致性构建道路选取的基元——stroke单元;在此基础上,统计这些stroke单元的几何特征、属性特征指标,并结合移动轨迹数据计算各stroke单元的周平均日交通量作为道路选取的语义特征指标。然后,探测不同特征指标的熵值变化以确定不同道路选取指标的权重,并定义道路重要性评价的综合指标,对城市路网进行综合选取。最后,采用武汉市路网数据和出租车轨迹数据对该方法进行验证。实验表明,该方法能够保持原始路网的连通性和整体路网骨架,同时选取结果能够刻画出发挥重要职能的路段,反映人们的出行规律特征。此外,该方法可以发现道路网中设计等级较高但是实际中使用率却很低的路段,可为道路网的评价与规划等应用提供参考。     

立交桥识别的CNN卷积神经网络法

OSM数据中立交桥结构的识别和分类,能够为构建多尺度模型、导航和位置服务、拥堵分析等提供重要信息。传统的立交桥识别方法依赖于人工设计的低层次特征,无法有效区分存在干扰路段的复杂立交桥结构。本文针对当前算法抗差性上存在的不足,提出了一种新的基于卷积神经网络的立交桥识别方法。该方法将矢量数据与栅格图像相结合,利用神经网络学习区分立交桥类型的高层次模糊性特征,从而对OSM中的复杂立交桥结构进行分类。试验表明,该方法有较强的抗干扰性,在复杂的立交桥形态分类中取得了良好的效果,并随着案例库的扩充和神经网络模型的优化存在进一步提升的空间。     

ArcGIS在地理国情监测中的应用

介绍了国情要素中公路、城市道路和乡村道路中心线的采集、道路线矢量相交处自动打断和属性传递自动赋值的方法,能够快速准确地获取道路相关属性和拓扑信息,保证了路网的连通性能,并对道路要素提取注意事项作了相关总结,有效提升道路要素的采集效率。