最短路径方法在土地定级中的应用

探讨了将图论中的最短路径理论应用于城镇土地定级,并灵活应用最短路径算法计算某类定级因子到评价单元的实际距离,然后根据距离衰减公式计算该类因子对该评价单元的作用分值,通过评价单元上各类因子的作用分值叠加,求出该评价单元的土地级别,使得城镇土地定级更加科学合理,城镇土地级别范围也更加精确,更加符合客观实际。     

线状障碍物的可视最短路径Voronoi图生成

对偶生成法和直接修正法是构造可视最短路径Voronoi图的两种基本途径。本文提出了分段剖分、整体剖分和统一剖分的修正思路;放宽了以往修正法中障碍物端点必为生长点的限制,并提出了能有效处理公共边的分簇算法和最适搜索算法,实现了在有限制的线状障碍物下对普通Voronoi图的有效修正,以生成可视最短路径Voronoi图。     

最短路径方法在土地定级中的应用

探讨了将图论中的最短路径理论应用于城镇土地定级 ,并灵活应用最短路径算法计算某类定级因子到评价单元的实际距离 ,然后根据距离衰减公式计算该类因子对该评价单元的作用分值 ,通过评价单元上各类因子的作用分值叠加 ,求出该评价单元的土地级别 ,使得城镇土地定级更加科学合理 ,城镇土地级别范围也更加精确 ,更加符合客观实际。     

基于阈值的城镇土地定级距离衰减模型

提出了一种新的土地定级距离衰减模型——综合衰减模型。该模型以直线距离衰减模型与最短路径衰减模型为基础,在计算衰减距离时引进了阈值的概念。结合德州市土地定级估价系统对模型进行了实现,结果表明,本文模型与其他模型相比更符合客观实际。     

线状障碍物的可视最短路径Voronoi图生成

对偶生成法和直接修正法是构造可视最短路径Ｖｏｒｏｎｏｉ图的两种基本途径。本文提出了分段部分、整体部分和统一剖分的修理思路。放宽了以往修正法中障碍物端点必为生长点的限制,并提出了能有效处理公共连的分簇算法和最适搜索算法,实现了在有限制的线状障碍物下对普通Ｖｏｒｏｎｏｉ图的有效修正,以生成可视最短路径Ｖｏｒｏｎｏｉ图。     

基于ArcView的农用地定级区位因素量化方法研究

为正确量化农用地定级中区位因素作用分值,提高定级结果精度,采用定量与定性分析相结合法、实例验证法,基于图论中的最短路径理论?运用ArcView软件,应用最短路径算法计算区位因素到定级单元的水平距离,同时考虑定级区域地形起伏对水平距离的影响,采用高差修正方法对水平距离进行修正。研究结果表明,运用此方法求得的区位因素到定级单元的距离更符合实际距离,从而正确量化了区位因素作用分值,提高了定级结果精度。研究结果可为全面掌握和科学量化农用地质量,促进其合理利用提供科学依据。     

脉冲耦合神经网络支持下的网络Voronoi图构建

针对网络Voronoi图中点与点之间通过实际路径距离而非传统欧式距离相连,在实际应用中较平面Voronoi图更加合理,该文提出了一种基于改进脉冲耦合神经网络的网络Voronoi图构建算法。借助模型的自动波发放及并行处理特性,较好地实现了基于路网的网络空间剖分,顾及了道路网及其点群自身属性对其服务范围的影响。实验表明,该算法实现了点群网络Voronoi图的构建,最短路径思想的引入使得构建的网络Voronoi图符合Voronoi图基本特征,可以用来表示点群的服务范围,不仅如此,算法的并行特性保证了算法的高效率。     

运用ArcView进行农用地定级区位因素量化方法研究

为正确量化农用地定级中区位因素作用分值,提高定级结果精度,采用定量与定性分析相结合法、实例验证法,基于图论中的最短路径理论,运用ArcView软件,应用最短路径算法计算区位因素到定级单元的水平距离,同时考虑定级区域地形起伏对水平距离的影响,采用高差修正方法对水平距离进行修正。研究结果表明,运用此方法求得的区位因素到定级单元的距离更符合实际距离,从而正确量化了区位因素作用分值,提高了定级结果精度。研究结果可为全面掌握和科学量化农用地质量,促进其合理利用提供科学依据。     

基于k阶数据场的城镇土地定级模型

通过与现有方法进行对比,提出了一种新的基于k阶数据场的城镇土地定级模型。在要素分层上,模型提供了更灵活的分层策略,解决了不同类要素之间空间分布关联关系的表达,并且提供了灵活的权重归一化处理机制;在作用域的分割上,以k阶Voronoi多边形“最近邻近”划分构建了k元影响环境作用域;在评估点作用分的演算方面,提出了与k元影响环境相适应的多要素分值演算策略,其中主要以三种情形的拟合来说明作用分的演算,模型中还可以采用其他更多形式的多要素演算规则。     

一种基于最短优先的最短路径算法的实现

最短路径问题作为GIS分析中的一个主要内容而被广泛深入地进行研究。本文在设计一种网络数据结构的基础上, 通过一种基于节点与弧段标号的最短优先路径搜索策略, 设计并实现了一种结构简单、便于理解并且高效的最短路径求解算法。     

利用层次Voronoi图进行点群综合

通过距离权重描述点的重要程度,采用改进的k-means算法得到点群的聚类中心,进而以聚类中心为基础,构建了层次加权Voronoi图与Voronoi层次树结构.以点群的分布范围、排列方式与密度为度量,给出了基于Voronoi层次树结构的点群综合方法,确保了点群综合前后在空间形态分布上的一致性.结合地理统计学计算,对综合方法作了进一步的量化评估与优化.经验证,本文方法是可行、有效的.     

基于道路网络分析的Voronoi面域图构建算法

提出一种基于网络分析的Voronoi面域图和加权Voronoi面域图构建算法。鉴于道路网络在城市中心地、公共设施引力传导与功能覆盖上的重要作用,采用网络最短路径距离分析和最短路径时间分析构建的Voronoi面域图可以模拟出中心功能的辐射影响范围空间划分的实际情形,进而为空间分析和空间优化提供有力支持。算法过程主要包括:设施邻近道路结点检索和分界结点计算;基于网络最短路径分析Dijkstra算法和分界结点计算的网络Voronoi划分;基于空间离散化、邻近道路分析的空间Voronoi划分及其矢量化处理算法。计算实验结果表明本文提出算法可靠和高效,能够模拟出具有预期精度和形态复杂的网络Voronoi面域图形。     

顾及有效区域的Voronoi图的正射影像拼接

无人机影像的重叠度通常较大(60%~80%),对纠正后的正射影像进行拼接处理时,往往会产生很大的数据冗余。同时,影像越靠近边缘处变形越大,影响拼接精度。提出了一种顾及有效区域的Voronoi图的拼接线自动选取方法,基于整体构建拼接线网络,并根据影像有效区域优化拼接线,保证拼接的精度和效率。实验表明,该方法切实可行。     

基于Voronoi图的空间邻近定义与查询

首先在点Voronoi图的基础上,引进了空间目标的Voronoi图的定义,进而论述了空间目标Voronoi图在GIS中定义空间邻近及其邻近查询中的作用。最后给出了部分实验结果。     

利用Voronoi图的城乡居民点布局优化研究

本文综合考虑居民点现状布局及相邻居民点间相互影响,以山西省晋城市为例,应用Voronoi图理论,依据熵值、聚类指数、标准差3个测度组台,将晋城市居民点划分为4种整理类型并绘制城乡用地布局等级图,结合2020年晋城市居民点用地规模预测值,进行晋城市居民点布局优化.结果显示,考虑居民点布局现状,利用Voronoi图理论及其聚合形态测度检验,为城乡居民点布局优化方案的提出提供了空间理论依据,是布局优化的直观方法.     

基于Voronoi图的长春市变电站选址

利用Voronoi图的最邻近性和空心圆特征,结合实际用电需求,通过ArcGIS与Matlab进行迭代模拟分析,得到长春市规划变电站位置,从而为变电站的具体空间落位提供了可靠依据。     

基于网络Voronoi图启发式和群智能的最大覆盖空间优化

提出一种基于网络Voronoi面域图的最大覆盖选址模型及相应的粒子群优化方法,并应用于城市响应时间敏感型公共服务设施的空间优化。本文考虑设施功能沿交通网络辐射以及需求非均匀分布情形,对设施在网络连续空间上进行布局优化,选址模型采用网络Voronoi面域图划分布局设施的功能辐射域,以启发空间优化最小化重叠覆盖。模型同时顾及了设施利用率的最大化,规定设施对给定距离以内的需求实行的完全服务覆盖和对给定距离以外的需求实行随距离衰减的部分服务覆盖。本研究提出基于遗传机制和广义Voronoi图改进的粒子群算法以提高其空间优化性能,通过对南京市消防站最大覆盖空间优化实验表明,该研究取得了较为理想的结果,可应用于城市化区域应急设施最大覆盖空间优化。     

基于场论分析的建筑物群的移位

在多边形群目标综合中,移位是一种旨在解决空间邻近冲突的重要操作.以建筑物群在街道拓宽后产生移位操作为例,提出一种基于场论分析的移位方法,认为街区块多边形边界的收缩产生向街区块内部逐步传递并衰减的作用力,从而促使建筑物多边形的空间位置移动,借助于物理学场论中的"等势线"模型来表达这一移位现象.基于Delaunay三角网建立了类似于Voronoi图的建筑物群剖分结构,用于表达移位场模型的"等距离关系曲线".在移位场中目标的运动方向与运动距离由矢量和运算及梯度衰减函数计算完成.算法思想在一地图综合软件系统中已实现.     

基于Voronoi图的空间方向关系形式化描述研究(一)

空间方向关系形式化描述模型是空间方向关系研究的难点和重点，目前尚无完善的模型出现。首先提出了影响空间方向关系的两个因素目标：一是两目标群凸壳的直径；二是目标的可视性。论述了运用平面目标Voronoi科作为两目标指向线的“替身”来描述方向关系在理论上的可行性。本文的结论是：Voronoi图是描述空间方向关系的良好工具。