道路网智能选取的案例类比推理法

从人类学习和认知角度,借鉴人工智能领域基于案例推理学习的成果,提出一种基于案例类比推理的道路网智能选取新方法。该方法将制图专家对某区域道路网的交互选取结果作为参考标准,对其进行结构化描述并构建和转化为案例库;计算机采用一定的简化算法和泛化算法对该案例库进行分析和学习,获取检索效率更高和适应样本能力更强的案例模型库;计算机在对相似道路网自动选取时,根据获取的案例模型库,采用基于案例类比推理的方法,分析获取相应的解决方案,进而完成道路网智能选取。与已有研究成果相比,本方法以案例及其泛化模型来模拟专家思维,以计算机对案例模型的类比学习来进行相似道路网自动选取,增强了道路网选取中的智能性。最后对本方法的科学性和适用性进行验证,并对试验结果作分析和评价,同时指出了存在的问题和进一步的研究方向。     

径向基函数神经网络用于小比例尺道路网选取

针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。     

基于BP神经网络和拓扑参数的道路网选取研究

道路网选取是自动制图综合的重点和难点之一,运用智能化方法实现选取是当前研究的热点。BP神经网络具有强大的非线性映射能力,可以模仿人脑机能,通过对样本的学习和训练实现自动选取;结合拓扑参数,可以使选取结果很好地保持原道路网的连通性和整体结构特征。因此,提出一种基于BP神经网络和拓扑参数的道路网选取方法。首先选择训练样本并计算其拓扑参数;然后设计BP神经网络的结构,利用训练样本进行训练,找出最佳网络结构;最后选取不同特征的道路网进行实验,将选取结果与专家选取的结果进行对比分析,评价了该方法的优势与不足,并指出了下一步的改进方向。     

图卷积网络在道路网选取中的应用

针对现有制图综合中的道路网自动选取方法不能有效地利用道路网的空间特征问题,该文把道路网抽象为图结构,提出了使用图卷积网络来进行道路网的自动选取,并比较分析了不同的图卷积网络在道路网选取中的适用性。结果表明,图卷积网络可以通过多层卷积来自动提取不同局部范围的空间特征,从而减少空间特征的人工构建,相比传统的多层感知机(MLP)等人工智能选取方法,具有更高的选取精度。对于不同的图卷积网络模型,使用最大池化聚合的GraphSAGE获得了最优的性能。     

图卷积神经网络在道路网选取中的应用

针对传统道路网重要度评价模型忽略邻居节点对道路重要度影响等问题,该文提出了基于图卷积神经网络的选取方法。该方法将道路选取问题作为道路图节点的二类分类问题,从谱域空间的角度构建了图卷积算子,采用邻居节点随机采样的方式来固定节点局部结构,将道路节点的度、接近中心性、中介中心性和stroke长度作为节点特征输入至图卷积神经网络,并输出道路节点的分类,最终完成道路网的选取。实验结果表明,该方法选取效果较好、效率较高。     

道路网约束下的城市兴趣点选取

针对道路对城市内部兴趣点数据分布有密切的约束关系,故城市内POI数据往往呈现出沿着道路分布的特征这一现象,提出一种在道路网约束下城市内部POI数据的选取算法。通过建立道路网的拓扑结构,根据POI数据的分布位置分为道路周边分布的和远离道路分布的两大类,对道路周边的点使用"间苗法"选取,对远离道路分布的点根据其分布模式决定采用"随机法"或其他方法选取。算法采用实际数据进行实验,切实可行,并得到了合理的结果。     

结合轨迹数据的混合多特征道路网选取方法

道路网选取是制图综合的重要内容,针对现有方法仅考虑道路网静态特征等问题,提出了一种结合轨迹数据的混合多特征选取方法。首先以stroke为基本选取单元,构建对偶图来描述路网的结构关系,采用长度、连通度、接近度和中介度等指标对道路的静态特征进行评价;然后结合轨迹数据特点,采用车流量、车辆速度和道路交叉口附近的车辆密度等指标对道路的动态特征进行评价;最后利用基于相互关系准则的标准重要性方法计算得到各指标的权值及各道路的综合重要性值。同时引入线Voronoi图对道路进行划分,得到道路的密度特征值,并将其作为道路网选取的约束指标。实验结果表明,所提方法能够保持道路的整体结构,同时顾及道路的连通性和密度分布,而且结合了轨迹数据的动态交通特性,选取结果符合实际情况,具有一定的实用性。     

基于案例推理的居民地选取方法

针对当前中小比例尺地图中居民地选取面临的专家制图经验难以形式化表达的问题,提出一种基于案例推理的居民地选取方法。首先,把制图专家对居民地交互选取结果作为案例对象,挖掘居民地案例的属性特征指标,对属性赋值和归一化处理;然后,采用逐步消元法对居民地最佳属性组合进行选择,并构建源案例库;最后,采用案例推理方法,结合KNN算法,训练案例库确定KNN算法的最佳K值,将新案例与源案例库检索匹配,得出最佳决策结果,进而指导待决策居民地的自动选取。经试验验证,该方法能够较好地还原专家的选取意向,具有较好的抗噪声能力,在面状居民地自动选取中取得了较好的效果。     

采用Stroke层次结构模型的道路网匹配方法

地理空间信息时刻处于变化之中,道路网变化尤其明显。如何确保道路数据的现势性成为重要研究课题。每条道路往往由多条弧段组成,目前的匹配算法大多对离散弧段单独匹配,而没有把每条道路作为一个整体进行匹配,导致即使是同一条道路,往往也存在局部匹配错误的情形。本文提出了基于Stroke层次结构模型的城市道路网匹配新方法。该方法采用Stroke技术把离散的道路弧段构建为完整的道路,亦即Stroke;进一步对Stroke进行分类分级,进而构建不同层次Stroke之间的关联匹配准则;最后采取由高等级Stroke到低等级Stroke逐级匹配、并以高等级Stroke约束较低等级Stroke匹配的方法与顺序,依次完成整个道路网之间的匹配过程。该算法的优势在于:把离散的道路弧段转化为整条Stroke进行整体匹配,避免了局部因素的影响;以高等级Stroke约束较低等级Stroke匹配,层层约束,算法运算效率与匹配正确率显著提高。     

基于规则知识的空间推理研究

在一般空间推理的基础上,提出了空间推理扩展,即基于规则知识的空间推理。该方法结合了人工智能的基本原理,继承并发展了空间推理的方法学,其推理过程建立在空间知识与模型集成的基础上,以规则知识为推理控制,因而更符合实际,具有更大的灵活性。实例验证了本方法的正确性。     

基于等高线的几个自动推理问题

在数字化背景下,人们更多地利用像数字高程模型或数字地形高程模型这样的数字产品来处理类似地形推理的一些问题,而都没有讨论根据一组地形等高线进行推理的可供选择的办法.详细论述如何利用等高线来进行查询点的高程、方向角和坡度等地形要素的推理计算.     

基于范例的GIS中文查询的SQL推理

针对已有的中文查询语句机器理解中语义分析复杂和空间属性表名难以确定的问题,研究了推理机制的范例库建立规则和范例的目标相似性、结构相似性和个体相似性,设计了范例推理算法,实现了中文查询语句的SQL转换。测试结果表明,其设计思想正确,推理机制可行。     

基于典型事例推理的路径规划方法研究

提出了把基于典型事例推理的智能方法应用到路径规划过程中。在结合道路网络知识的基础上,定义了典型事例,并基于事例进行了推理。实验结果表明,该算法减少了搜索空间,加快了搜索速度,并满足人们喜欢在熟悉路径上行驶的偏好。     

基于球面四元三角网剖分的层次空间关系推理

主要讨论了基于四元三角网（Quaternary Triangular Mesh,简称QTM）球面层次格网剖分的基础上，通过单元递归细化来确定2个球面实体的空间关系。传统确定空间关系的方法是通过二元经典剖分元－实体的内部（xi)和外部（xe)，通过对QTM球面层次特征的分析，增加了第3个剖分元－不定剖分元（xm)，利用三值逻辑－true(T)，false(F）,和maybe(M)快速准确地确定2球面实体的拓扑关系。其基本原理是：在球面四元三角网的根水平带有不确定空间关系开始，一层一层地递归细化，来排除不可能结果。当细化的信息满足一定的查询要求，递归分解过程就停止。特别在细化过程中，提出并应用了“继承推理”方法来提高系统效率。     

面向对象的超图时空推理模型的研究与应用

通过对各种时空数据模型和时空推理模型的比较,把面向对象技术与实际生产需要相结合,构造了基于超图理论的时空数据模型和时空推理模型,并将该模型应用到云南省红河州数字烟草系统对地块的管理中。实践证明,该时空推理模型实现了时空一体化,具有完整的时空内涵。     

ID3决策树推理模型及其在道路网选取中的应用

介绍了自动制图综合中知识推理的研究现状及存在的问题,指出了借鉴人工智能优秀技术成果提升自动综合智能化水平是解决当前问题的重要途径之一。对ID3智能算法的基本原理进行了详细介绍,提出基于ID3决策树的知识推理模型。将该模型引入到道路网智能化选取当中。对该模型应用到道路网自动选取的合理性进行了论述,并进行了实验验证。在对实验结果进行详细分析的基础上,探讨了该算法应用于道路网选取的优势和不足,指出了进一步研究的方向。     

基于类比的房产面积知识推理

借鉴类比推理的逻辑方法并应用在房产测量的房产面积识别中。在具备相关知识的前提下,通过知识表示、类比检索、类比映射和类比转换过程,可以对复杂或不易认定的产权面积空间对象进行分析和推理,为尽可能准确地识别房产面积提供科学可行的路径。     

基于路径预测的不确定性推理组合地图匹配算法

地图匹配是车辆导航系统中的重要组成部分。本文在简要介绍相关地图匹配算法和总结前期研究的基础上,提出了一种新的基于预测的不确定性推理组合地图匹配算法。该方法首先利用云模型这样一种处理定性与定量间不确定转换的工具,通过对当前信息的不确定性推理,计算定位点相对于候选道路的匹配可信度。之后,利用隐马尔科夫模型预测驾驶员出行路径及目的地,通过对模型中的观察值函数重新设定,将路径预测信息与当前地图匹配算法结合,构建组合地图匹配算法。同时,采用学习算法更新模型中的信息。最后,通过仿真实例证明了该组合算法的有效性,结果表明：该方法能够预测驾驶员行驶路径,起到预匹配的作用,提高了地图匹配算法的精度与实时性。