融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例

针对城市道路网变形监测存在的高分辨率影像获取难、道路人工提取效率低、传统变形监测工作量大等难题,本文提出了一种基于融合Deep-ResUnet和PS-InSAR的城市道路网形变监测方法。主要思路为：首先对目标区的哨兵-1A(Sentinel-1A)影像数据进行伪彩色变换建立道路数据集;然后训练深度残差网络(Deep-ResUnet)模型并对道路网栅格进行提取;最后利用永久散射体干涉测量(PS-InSAR)技术获取PS点形变信息与道路网栅格融合。研究结果表明,Sentinel-1A影像经过伪彩色处理后,能提高城市道路网提取的完整性,交并比提高6%～9%,道路提取精度平均提高10%左右,得到的城市道路网形变信息专题图能为城市道路变形监测和健康状况评估提供科学依据。     

OpenStreetMap辅助下的高分辨率光学影像道路损毁提取

提出了一种以高分辨率遥感影像和OpenStreetMap道路矢量数据作为数据源的道路损毁提取方法。在OpenStreetMap道路矢量数据的辅助下,利用道路在高分辨率影像上的特征,结合学习-检测的方法对损毁区域进行检测,提取疑似损毁路段,基于道路信息对损毁路段进行验证,剔除虚警。实验表明,该方法能够快速、准确地对道路损毁信息进行提取。     

运用Delaunay三角网提取OpenStreetMap主干道多边形

众源开放街道地图(OpenStreetMap,OSM)作为志愿者地理信息的典型代表,其数据质量制约了城市主干道提取。为此,引入约束Delaunay三角网,运用类似Voronoi图的空间等剖分几何构造表达道路线密度,通过线密度变化与三角形边长表征主干道形态特征,并集成两个指标构建主干道识别模型;类比林火蔓延扩展过程,提出了基于Delaunay三角网的OSM主干道多边形提取方法。运用5个城市的OSM数据进行实验,结果表明,该方法能有效提取主干道多边形,并且与OSM路网中的道路等级属性趋于一致。     

基于影像匹配的自发地理信息道路精度评价与改善

针对无矢量参考数据自发地理信息道路精度难以评价的问题,提出了一种基于影像匹配的道路精度评价方法。首先提取影像与自发地理信息中的道路交叉口作为控制点,并将对应的交叉口进行匹配,以同名控制点的均方根误差作为自发地理信息的道路精度;然后以两组控制点分别构建Delaunay三角网,利用两组控制点的对应关系对每个三角网进行仿射变换,从而实现对自发地理信息道路的几何纠正,以提高其精度。最后以郑州市的Open Street Map道路数据进行试验,结果表明本文算法能够有效提高自发地理信息的道路精度。     

结合矢量引导的高分辨率遥感影像道路自动提取

从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。     

三维街景数据在特大城市街区道路环境现状评估中的应用——以北京市为例

从特大城市街区单元的道路环境问题入手,在明确了三维街景数据获取方式与特点的基础上,设计了基于三维街景数据的城市区域街区单元的评估模式。这种借助于倾斜摄影测量和车载移动设备的三维街景数据,将大大提高城市区域评估的效率和准确率,并高效扩大评估的范围。本文基于这种最新的城市区域评估模式,利用街区道路环境现状评估模型对北京市典型区域实现了街道环境的评估。通过对街区单元的道路环境现状评估结果发现,基于三维街景数据的特大城市街区单元道路环境现状评估模型对于提高评估效率和准确率具有大幅帮助。同时发现,北京市机动车占道、绿蔽缺乏、栏杆恶劣、街道失落的情况仍很严重,街区单元道路环境的改善任务仍很重。研究成果将为城市精细化管理和城市设计提供数据支撑,为城市形象改善提供坚实基础。     

城市街区和签到数据结合的个性化城市兴趣区域推荐方法

利用社交媒体用户的历史签到数据分析用户空间活动偏好实现用户兴趣区域推荐,在城市商业规划中起着重要作用,也为了解人们的城市生活和需求提供帮助。已有方法获得的ROI具有模糊性和多样性,无法给ROI赋予准确的地理描述信息,对用户来说可解释性不强。因此,本文提出了一种结合城市街区和签到数据的个性化兴趣区域推荐方法(CBCD),引入城市街区概念解决ROI边界模糊问题。首先,通过城市道路网生成城市街区,并将大规模签到数据映射到城市街区转换为区域签到;然后,基于区域签到对用户空间活动偏好和类别偏好分别进行个性化建模;最后,融合空间和类别活动偏好,向用户推荐其可能感兴趣的区域。在真实的数据集上进行试验,结果表明该方法具有较高的推荐精度,对用户感兴趣城市街区的挖掘和推荐具有一定的价值。     

基于机载激光雷达的城市空间信息提取的研究

机载激光雷达能够快速采集大范围区域表面高精度、高密度的三维点云数据,被广泛用于城市空间信息获取。但是,相较于日益成熟的硬件系统,它在数据的高效、自动化处理方面存在缺陷,成为当前国内外的研究难点和热点。地形、建筑物和道路作为城市区域主要地理要素,空间信息提取方法一直以来是研究重点。对此,分析了目前常用的基于机载激光雷达这三类地理要素提取方法特点,自动化处理难点以及未来需要进一步研究的主要问题。     

基于车载点云数据的道路边界点提取方法

本文针对以往道路边界信息获取存在的效率差、精度低等问题,提出一种基于移动车载激光扫描点云数据的道路边界点提取方法。首先,为减少道路原始点云数据量,提高后续处理算法的效率,使用Volex Grid滤波器下采样原始车载点云数据,得到抽稀后道路点云数据;其次,使用直通滤波算法对抽稀后点云数据进行滤波处理,剔除高大建筑物、植被等点云数据并使用梯度滤波算法分离地面点与非地面点;最后,使用边界特征估计法完成道路三维边界点的提取。使用两组不同类型路段点云数据进行实验,结果显示本文方法提取直线路段道路边线的完整率与准确率为96.3%、98.8%,提取弯曲路段道路边线的完整率与准确率为91.8%、96.7%,表明本文方法能够有效提取道路边界点,具有较高的准确性,能够为高精地图制作提供可靠的数据支撑。     

地名注记的街区式居民地边界提取方法

针对基础地理信息数据中街区式居民地注记无对应边界范围信息的问题,该文提出了一种基于地名注记的街区式居民地边界提取方法。选取境界、道路、水系等矢量要素为约束条件,按位置提取了地名注记对应要素;根据要素提取结果计算聚合距离,以多边形聚合的方法进行制图综合,处理了可能出现的孤岛多边形及临近居民地未分割等异常情况,获得了较好的边界提取结果。实验结果表明,此方法保持了居民地的空间结构,为街区式居民地的边界提取提供了一种有效方法。