采用案例类比推理进行道路网智能选取

自动制图综合的智能化研究因受人类复杂思维制约,长期以来成为研究的薄弱环节。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,弥补了传统道路网选取中智能性差的缺陷,为自动综合智能化研究找到了一条可行途径。论文最后对本方法的科学性和适用性进行了验证,并对实验结果做了分析和评价,同时指出了存在问题和进一步研究方向。     

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。     

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。     

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。     

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。     

道路网层次骨架控制的道路选取方法

提出了基于路网层次骨架控制的道路自动选取方法。首先,该方法以stroke为单位,利用中介中心性值对stroke进行层次结构划分;其次,采用结构特征识别完善道路层次骨架;第三,基于层次骨架间的连通关系建立逐层传递的stroke重要性计算模型;最后,通过该计算模型自上而下的逐层计算,得到stroke重要性,并据此完成道路网选取。采用3种典型道路网数据,对本方法与其他主要常规stroke选取方法进行对比,试验结果表明本方法不但对语义的依赖性极低,同时消除了中介中心性在评价道路重要性时对边缘道路的不利影响,在保持道路网整体结构和层次性上有较为明显的优势,可适用于各种形态的道路网选取。     

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。     

特征识别、Stroke与极化变换结合的道路网选取

随着城市大比例尺道路网数据库的建设,如何从中派生其他较小比例尺道路网数据库成为重点研究的内容之一.通过道路网的结构特征识别,能够较好地识别其特征目标;Stroke算法能够较好地提取道路网中的主要道路,即能够较好地保留道路网的框架结构;而极化交换能够较好地对离散目标进行选取.因此,把道路网空间结构识别、Stroke和极化变换等有机结合,首先进行道路网预处理,识别特征道路,然后借助Stroke进行主要道路网的识别与选取,最后对剩余较短的离散道路采用极化变换进行选取.实例证明,道路网结构特征识别、Stroke与极化变换的结合,优势互补,对道路网进行自动综合能达到更好的效果.     

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.     

对偶图节点重要度的道路网自动选取方法

采用对偶拓扑方法构建基于广义路网拓扑的复杂交通网络,通过引入m阶邻居节点概念,考虑复杂交通网络中节点度、介中心及节点间距离等因素,顾及节点自身及1到m阶邻居节点的重要度贡献,定义了节点重要度评价模型,进而提出一种基于m阶邻居节点重要度贡献的道路网自动选取方法,并基于网络最小规模原则保持选取道路的连通性。为检验方法的有效性,引入度分布评价所选取道路对路网整体结构及拓扑特性的保持程度,并采用实际城市路网进行试验,结果表明本文方法选取的路网能较好地保持了原始路网的整体结构、拓扑特性及道路连通性,且算法稳定、可靠。     

加权网页排序算法在道路网自动选取中的应用

针对现有算法在计算道路网节点重要度时忽略节点间的相互影响以及道路密度引起的重要度异常等问题,提出了一种基于加权网页排序算法的道路网自动提取方法。首先将道路连接成路段,以路段为网络节点,道路交叉作为节点连线,路段长度作为边的权重,将道路网抽象成有向有权图;然后利用加权网页排序算法计算有向有权图节点的重要度,并利用链接作弊检测的方法修正由道路密度引起的节点重要度异常,得到道路节点的最终重要度排序,从而完成道路网的提取。通过真实路网数据进行实验分析,结果表明,相对基于网络中心性的方法,该算法的提取结果能够更好地保留原始路网的密度差异和整体结构。     

模糊信息处理的道路网匹配方法

针对传统的道路网匹配方法用阈值来决定待匹配对象的匹配关系,无法准确实现匹配判定的问题,该文提出了一种基于模糊信息处理的道路网匹配方法:在道路网数据论域中讨论模糊集合,通过置信水平判定模糊集合是否为空,从而判定匹配关系,较好地结合了匹配对象间匹配关系的模糊性与模糊数学的数据处理知识。基于两组数据的实验结果标明:所提方法不仅打破了设定阈值的常规思想,而且达到了较好的匹配效率,研究结果可以为道路网数据以及空间数据的融合、集成和更新提供参考。     

京津冀地区道路网状况的分析研究

道路网的建设状况是衡量一个地区交通建设成果的重要指标,而交通状况对一个地区的经济社会发展有着重大的影响。在京津冀协同发展被确立为三大国家重大发展战略之一的背景下,本文利用多种数据源提取到了京津冀地区道路数据,对该地区道路网状况进行分析研究,以了解该区域的道路网建设现状,为将来该区域的道路建设提供决策参考和建议。     

复杂网络视角下的居民地选取方法EI北大核心CSCD

多要素协同综合是制图综合重要的发展方向。针对当前居民地选取方法对道路网与居民地间地理关联性利用不够深入的问题,将居民地与道路网融合为整体,本文提出了一种复杂网络视角下的居民地选取方法。首先,整合居民地与道路网的几何信息、属性信息与拓扑信息,构建以居民地为节点、以交通通达关系为边的含权居民地网络;然后,评价目标居民地在局部网络中的居民地吸引能力与交通流控制能力,并加权求和获得综合重要性;最后,利用距离约束Delaunay三角网进行迭代选取。试验表明,本文方法能够兼顾居民地的密度特征与网络特征,选取结果与道路网结构吻合良好,较好地保持了道路网与居民地的地理关联性。     

基于遗传算法的道路网综合模型

提出了一种基于遗传算法的道路网综合模型。实验表明，该模型在保持道路网的空间分布性和实用性方面具有庭好的效果。