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。     

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。     

尺度变化对城市生态环境与人类活动关系的影响研究

针对空间尺度对城市生态环境与人类活动影响的研究,以南昌市为研究区,划分了300×300、500×500、700×700共3种格网尺度。使用遥感生态指数RSEI(目标向量)量化城市生态环境质量,结合POI点、微博签到点与道路网数据(特征向量),利用随机森林回归模型分析不同尺度下两者之间的拟合效果。结果表明:①3种尺度下RSEI与POI点、微博签到点与道路网均呈现较强的负相关性;且负相关性最优的为RSEI和微博签到点数据,最差的为RSEI和道路网数据。②300×300尺度下随机森林回归模型的拟合效果最好。随着尺度的变大,拟合的效果会越来越差。③无论尺度如何变化,利用随机森林回归拟合的标准化残差ε均呈正态分布;且随着尺度的变大,ε值空间分布的随机性也逐渐增大。随机森林回归模型为度量尺度对城市生态环境与人类活动的关系研究提供了有效的途径,也为城市生态文明建设提供了科学的依据和参考。     

结合道路层次结构的道路网络重叠街区划分方法

重叠街区结构是道路网络重要的拓扑特征之一,有助于分析及理解道路之间的相互作用和交通功能的差异。提出一种结合道路网络层次结构,以路网非重叠街区结构为起点,划分路网重叠街区的方法。把路划作为道路基本单元,把对偶图作为路网的网络模型,先采用蚁群游走和局部优化算法挖掘道路网中的非重叠街区结构;再结合道路网络的层次结构进一步对道路网络的重叠街区进行划分。通过4种典型模式的道路网络实验,并根据目视、扩展模块度指标、连通效率指标对实验结果进行分析评价,本方法适用于挖掘不同模式下道路网络的重叠街区结构。     

高等级道路网的拓扑自动保持方法

基于道路网的结构分析,提出了一种高等级道路网拓扑自动保持方法,适用于任意提取的高等级路网。首先根据道路的连通关系生成对偶图,利用最小生成树保持道路网的整体连通性;然后使用广度优先搜索和最短路径计算进行悬挂弧段连接和合理路径连接,保持高等级道路网的导航连通性;最后通过实验验证了本文方法所保持的道路网拓扑结构的有效性。实验结果表明,通过本方法保持的拓扑关系能够保持道路网的整体连通性,反映道路网的高等级结构模式特征,而且与基于原始划分的高等级道路网所规划的最短路径相比,拓扑自动保持后的高等级道路网能够合理地反映道路结点之间的导航路径规划。     

基于网眼密度的道路选取方法

道路数据中的网眼密度能反映局部区域的道路密集程度,通过确定目标尺度要求的密度阈值,比例尺缩小后能够标识出数据中需要取舍路段的网眼;循环剥离密度最大的网眼,利用反映路段重要性的参数及其优先级,渐进筛选出舍弃的路段,并完成与邻接网眼的合并;得到的选取结果保持了道路网在密度、拓扑、几何及语义方面的重要特征,从而提出一种新的道路选取方法。最后进行实验,验证该方法的有效性。     

宝鸡市道路几何网络模型的建立与应用

主要是结合MapGIS6.5软件对宝鸡市的道路网进行网络分析,进而在此基础上对该系统进行二次开发,建立道路网数据库,为宝鸡市的城市建设、交通规划以及道路管理提供空间数据;同时也为人们的旅游出行提供方便;更为智能交通和“数字宝鸡”的建设提供地理空间基础数据。通过对宝鸡市几何道路模型的研究,探索出一条适合中小城市空间信息应用和地理数据资源集成共享的模式与解决方案。     

面向越野路径规划的多层次六角格网通行模型EI北大核心CSCD

针对大规模越野环境中规划路径效率低下的问题,本文提出了一种面向越野路径规划的多层次六角格网通行模型,该模型能在缩减格网数据规模、保持规划路径合理性的同时,提升路径规划算法的执行效率。本文首先以六角格网单元为基础,设计通行能力量化规则,赋予每个格网相应的通行能力,构建普通六角格网通行模型;然后,建立多层次格网压缩规则,对通行模型中通行能力相似的邻接格网进行合并及重构格网邻接关系,生成含有不同层次格网的通行模型;最后,针对本文提出的多层次六角格网通行模型,设计了考虑坡度和地表覆盖要素的启发函数,进一步对A*路径规划算法进行了优化。试验表明,本文提出的多层次六角格网通行模型相较于普通六角格网通行模型,格网数量缩减了53.75%,路径规划所需时间降低了57%。     

嵌入式GIS中多尺度道路网路径规划方法的研究

针对大区域路径规划问题,论述了道路层次划分模型和多尺度道路网数据库的建立,提出了构建多级道路网拓扑结构的方法,利用层次空间推理和改进的启发式A^＊算法进行最优路径的选取。     

基于网格模型的导航道路图渐进式化简方法

针对将导航数据精度降低时的道路图形综合转换为基于网格模型的线图形化简问题,提出了一种基于网格模型的导航道路数据渐进式协同图形综合方法。该方法能保证综合后的单条道路和道路网都与原始高精度数据保持空间方向关系相似。在数据处理过程中,用导航需求来约束道路的渐进式图形简化,并对道路形状和道路交叉处的空间方向关系进行维护,顾及了导航中道路的可视化效果。已用实际生产中的导航数据进行了验证,证明了本文方法是有效且实用的。     

利用路段连接图识别道路网中的格网模式

提出一种基于路段连接图的格网模式识别方法.该方法以路段连接对作为研究的基本单元,以节点路段为点,路段的连接为边用路段连接图表达道路网.将在道路网中识别格网转化为在路段连接图中搜索格网回路.提出了描述路段连接对几何与连接关系的5个参量,用于筛选图中符合格网特点的节点和边.设计了图搜索的约束条件,使用广度优先遍历搜索连接关...     

Length L-function for network-constrained point data

Network-constrained points are constrained by and distributed on road networks, for example, taxi pick-up and drop-off locations. The aggregation pattern (clustering) of network-constrained points (significantly denser than randomly distributed) along roads may indicate spatial anomalies. For example, detecting and quantifying the aggregation with the highest intensity (i.e., the number of taxi pick-up points per network length) can reveal high taxi demand. The network K-function and its derivative (incremental network K-function) have been utilized to identify point aggregations and measure aggregation scale, yet can only identify radius-based planar-scale results, thereby mis-estimating aggregation patterns owing to the network topology configuration heterogeneity. Specifically, complex road networks (e.g., intersections) may incur aggregations despite their low intensity. This study constructs the length L-function for network-constrained points, using its first derivative to quantify the true-to-life aggregation scale and the local function to extract aggregations. Synthetic and practical data experiments show innovative detection of aggregations at the length-based scale and with high intensity, providing a new approach to point pattern analysis of networks unaffected by topological complexity.     

A Road Network Selection Process Based on Data Enrichment and Structure Detection

In the context of geographical database generalization, this article deals with a generic process for road network selection. It is based on the geographical context, which is made explicit, and on the preservation of characteristic structure. It relies on literature that is adapted and collected. The first step is to detect significant structures and patterns of the road network such as roundabouts or highway interchanges. It allows the initial dataset to be enriched with explicit geographic structures that were implicit in the initial data. It helps both to make the geographical context explicit and to preserve characteristic structures. Then this enrichment is used as knowledge input for the following step: that is, the selection of roads in rural areas using graph theory techniques. After that, urban roads are selected by means of a block aggregation complex algorithm. Continuity between urban and rural areas is guaranteed by modelling continuity using strokes. Finally, the previously detected characteristic structures are typified to maintain their properties in the selected network. This automated process has been fully implemented on Clarity? and tested on large datasets.     

Visualizing population mobility from spatiotemporally aggregated mobile phone data via a 3D gradient approach

Population mobility patterns are important for understanding a city's rhythms. With the widespread use of mobile phones, population-based trajectories can be utilized to explore such mobility patterns. However, to protect personal privacy, mobile phone data must be de-identified by data aggregation within each spatiotemporal unit. In data acquired from mobile phones, population mobility features are still implicit in the spatiotemporally aggregated grid data. In this study, based on image-processing techniques, a two-step 3D gradient method is adopted to extract the movement features. The first step is to estimate the initial movement pattern in each spatiotemporal grid, and then to estimate the accumulated movement pattern within a time period around a geographical grid. This method can be applied adaptively to multi-scale spatiotemporal grid data. Using geospatial visualization methods, estimated motion characteristics such as velocity and flow direction can be made intuitive and integrated with other multiscale geospatial data. Furthermore, the correlation between the population mobility pattern and demographic characteristics, such as gender and age groups, can be analyzed with intuitive visualization. The implication of the visualization results can be used for understanding the human dynamics in a city, which can be beneficial for urban planning, transportation management, and socioeconomic development.     

网络约束下局部空间同位模式的扫描统计方法

空间同位模式挖掘旨在发现空间数据库中频繁发生在邻近位置的地理事件。由于空间异质性,地理事件在不同区域邻近出现的频繁程度亦存在差异,进而形成局部同位模式。现有局部同位模式挖掘方法多基于欧氏空间的平面假设,难以客观揭示网络空间（如城市道路）内地理事件间的局部同位规律,因此基于空间扫描统计思想,提出了一种网络约束下的局部同位模式挖掘方法。首先,发展了网络约束下的路径扩展方法,识别可能存在局部网络空间同位模式的候选路径;其次,基于网络约束下的二元泊松分布构建显著性检验的零模型,判别候选路径中局部网络空间同位模式的有效性。通过模拟实验与北京市出租车供需模式分析,发现该方法比现有方法得到的结果更精细、更客观,能够有效地挖掘网络约束下的局部同位模式。     

Grid pattern recognition in road networks using the C4.5 algorithm

Pattern recognition in road networks can be used for different applications, including spatiotemporal data mining, automated map generalization, data matching of different levels of detail, and other important research topics. Grid patterns are a common pattern type. This paper proposes and implements a method for grid pattern recognition based on the idea of mesh classification through a supervised learning process. To train the classifier, training datasets are selected from worldwide city samples with different cultural, historical, and geographical environments. Meshes are subsequently labeled as composing or noncomposing grids by participants in an experiment, and the mesh measures are defined while accounting for the mesh’s individual characteristics and spatial context. The classifier is generated using the C4.5 algorithm. The accuracy of the classifier is evaluated using Kappa statistics and the overall rate of correctness. The average Kappa value is approximately 0.74, which corresponds to a total accuracy of 87.5%. Additionally, the rationality of the classifier is evaluated in an interpretation step. Two other existing grid pattern recognition methods were also tested on the datasets, and comparison results indicate that our approach is effective in identifying grid patterns in road networks.     

城市道路网评价体系探讨

目前我国城市道路网的评价没有一套较为系统的城市道路网评价体系,对于不同规划方案需要选择相应的评价方法并建立评价指标体系进行分析。以徐州为例,通过道路网技术评价方法建立指标体系,利用模糊评价模型,对徐州市道路网进行评价,得出结论：徐州市道路网处于好的水平,但在道路网规模等方面应进一步改善。     

基于主成分变换模型的DEM格网聚合及其误差分析

利用主成分分析揭示变量之间关系的特性,进而提出一种既能保证较高精度又能较好地保持地形形态特征的DEM格网聚合方法。首先根据主成分变换模型推导DEM格网聚合数学公式,构建主成分聚合模型;然后以30m分辨率DEM转换为90m分辨率DEM为例,根据格网点属性间的权重关系聚合重构DEM。在此基础上,以均值聚合和双线性重采样聚合方法为比较对象,从聚合前后的检查点高程偏差的统计描述、空间分布与自相关性、地形形态保持程度方面分析3种聚合策略下重构DEM的误差特性。最后运用描述统计、半变异分析和等高线套合方法,定量评价主成分聚合重构DEM的质量效果。试验分析结果表明,同均值聚合和重采样聚合相比较,该方法重构的DEM既能保持较高精度,又能很好地保持地形形态特征。