保持空间分布特征的群点化简方法

群点目标隐含的空间结构化信息是空间分布分析、地图综合感兴趣的内容。对群点目标分布的信息内容区分为存在性、度量结构与拓扑结构，在Delaunay三角网及其对偶Voronoi图模型上对工量结构定义4个在量；分布范围、分布密度、分布中心及分布轴线，顾及视觉识别Gestalt邻近原则，运用三角形“剥皮”法，确立了非凸多边形所表达的群点分布范围，运用图像灰度表达群点分布密度并通过图像处理方法提取分布中心。建立了Voronoi图动态重建进行群点化简的方法，该方法通过边界点和内部点的分开处理，较好地保持了4个空间分布特征。     

路网约束下的点群状居民地选取方法

点群状居民地的空间分布与路网结构相互影响。提出了一种路网约束下的点群状居民地选取方法。首先以路段为单元构建道路Voronoi图来划分区域,在合并面积过小的区域后对点群状居民地进行分区;然后计算每个区域中点的权值并进行选取;最后对间距小于冲突距离阈值的密集点群进行处理。将该方法用于点群状居民地的实例数据进行验证,结果表明该方法能有效保持点群状居民地的空间分布特征和密度对比。     

顾及上下文特征的地图综合选取方法与应用研究

正过去几十年,随着地图综合模型、算法的涌现,在操作层面由计算机程序实施几何图形的尺度变换已不再困难,但是如何使其具有高层次分析决策能力,却一直困扰着地图学家。这主要涉及两方面问题:一是如何对地图表达上的地理上下文环境进行客观认知;二是依据上下文环境特征实施正确的综合操作行为。本文以目标选取这一基本问题为例,围绕概念模型、逻辑算法、应用系统几个方面,对顾及上下文特征的地图综合方法进行了专     

基于1:50 000地形要素数据的居民地分级方法研究

为满足用户多样化的需求,需要基于1:50000地形要素数据构建标准分级产品.由于该数据中的居民地数据本身不含级别信息,因此提出基于Voronoi图的应用开方根规律的居民地分级方法,该疗法可以保证分级后居民地的空间分布特征与原始数据一致,准确反映居民地分布的疏密对比与聚集状态,能够为基于1:50000地形要素数据的标准分级数据产品的设计加工提供较好的基础.     

中小比例尺下居民地综合及冲突处理

针对中小比例尺地形图上的散列式居民地较难进行自动化综合缩编的问题,该文对中小比例尺地形图上散列式居民地的综合过程及其冲突处理方法进行了研究。首先,通过探测邻近关系和分析空间特征,对居民地进行合并和选取,减少目标数,控制数量变化;进一步地通过模板匹配对单一的目标进行形状化简,控制表达变化。同时,针对其综合处理和符号化过程中可能出现的空间冲突,提出了基于Delaunay三角网模型的探测和处理方法。最后,给出了一套中小比例尺地形图上居民地要素的综合处理策略。该研究成果可规模化应用于中小比例尺综合缩编生产实践。     

保持分布特征与重要性意义的高程点选取方法

针对地形图上的高程点,提出了一种保持群分布特征与个体重要性意义的选取方法。一方面结合等高线表达上的地形特征、河流道路等重要地理目标区分个体高程点的重要性意义;另一方面基于Delaunay三角网及Voronoi图模型提取高程点群分布结构化特征,在此基础上评估单个高程点的选取概率,并以一种渐进式删除的方式实施选取。试验表明,该方法在保留具有重要性意义个体高程点的同时,也可以较好地保持原有的空间分布特征。     

顾及道路目标stroke特征保持的路网自动综合方法

地图综合中道路网选取通常要考虑道路的属性等级、几何形状、分布密度、通达性等,常规方法只能顾及部分指标评价对象(弧段、节点或网眼)的重要性,在此基础上按照"资格"法线性选取,由于缺乏顾及道路网空间分布信息的有效手段,造成原有空间分布特征被破坏。本研究将描述道路完整地理意义的stroke特征引入选取过程中,提出一种顾及道路目标stroke特征保持的路网选取方法,即构建道路网stroke特征并评价重要性,在按stroke重要性线性选取的基础上增加约束条件,包括等级约束条件和空间邻近关系约束条件,从而将空间分布信息与属性、几何及拓扑信息有效地结合在一起。试验表明,该方法保留重要道路目标的同时,也较好地保持了原有空间分布特征。     

采用主成分分析法的面状居民地自动选取

居民地选取是一个多种因素相互约束、相互关联的过程,而这些影响居民地重要性因素的关系往往难以定量地描述出来,提出了基于主成分分析法的居民地自动选取方法。首先,采用主成分分析法对这些相互约束、相互影响的因子转换成一组无关变量;其次,对这转换后的无关变量提取主要成分;第三,计算出主成分的权重用以评价居民地的重要性程度;最后,利用开方根模型完成居民地要素的定额选取。该方法将相互关联、相互约束的影响居民地重要性的因子转换成新的无关变量,提炼出其主要成分并计算权值用以综合评价居民地的重要性。实验对比分析表明,该方法综合考虑了居民地要素的行政等级、位置特征和面积大小等因素对居民地重要性的影响,选取结果,较好地保持了居民地选取前后的整体形态,符合选取原则。     

基于Voronoi图的农村居民点空间分布特征研究

采用GIS查询统计和Voronoi图的cv值及熵值相结合的分析方法,研究了乐安县农村居民点的分布特征及其影响因素。结果表明,全县大部分居民点呈集群分布,少数乡镇呈均匀分布,选择空间特征趋向的农村居民点占有较大比例。     

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。     

采用层次分析法的面状居民地自动选取

考虑到居民地的行政等级、位置特征、面积大小等因素对居民地选取的影响,提出了基于层析分析法的面状居民地自动选取方法。首先对影响居民地重要性的因素标准化;然后采用层次分析法对这些因素构建单个居民地层次结构模型,使这些因素加以关联;在此基础上,计算各因素的权值,并综合评价地图上单个居民地要素的重要性程度;最终利用开方根模型完成居民地的选取。该方法将定性分析和定量分析相结合,综合考虑不同因素对居民地重要性影响程度的差别,使权值分配更科学。试验证明,该方法选取的结果符合选取原则,较好地解决了居民地选取问题。     

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。     

特征分类与邻近图相结合的建筑物群空间分布特征提取方法

建筑物群综合过程中需要对建筑物群空间分布特征进行认知和识别。本文在分析国内外相关研究的基础上,从描述建筑物空间特征的大量指标中,利用主成份分析方法,总结并提出了有代表性的建筑物空间特征指标集:凸包面积、紧密度IPQ指标、边数和最小面积外接矩形方向,并基于这些指标研究了建筑物群的分类。在利用最小生成树邻近图(MST)划分建筑物空间子群时,考虑了建筑物成群与所处地理环境(河流和道路等因素)的关系。另外,基于最邻近图(NNG)、MST、相对邻近图(RNG)和Gabriel图(GG)4种建筑物群邻近图,提出了自动识别具有特定空间排列建筑物子群的方法,并比较分析了识别结果的影响因素和可用性。最后,选择北京某地区建筑物群为试验对象,实现了对建筑物群的分类和空间聚类,并提取了其中直线型空间排列的建筑物子群。     

电子地图中居民地的多尺度显示

探讨了多尺度的含义，并将居民地多尺度表达的研究限定在详细程度的变化上；阐述了电子地图中居民地多尺度表达的基本原理，即在保持原图的分布特征和疏密对比的情况下按照居民地自身的分类分级和重要性程度进行一定数量的取舍；建立了居民地多尺度显示的模型，根据此模型提出了采用二级邻近点判别法结合Voronoi图进行居民地要素的显示等级设置的方法，并进行了相应的实验，结果表明该方法对居民地的分布特征、密度对比和延伸方向均能较好的保持。     

一种新的近似平行沟渠群的典型化方法

提出并实现了一种针对近似平行沟渠群的典型化方法。首先,建立沟渠的方位关系图,通过生成关系图中各连通分量的极大完全子图,提取近似平行的沟渠;然后,依据视觉认知规律定义沟渠间的认知距离,并基于最小生成树的剪枝对沟渠进行分组;接着,运用K-means ++算法对分组后的沟渠进行重新表达;最后,通过比较综合前后沟渠群的外轮廓相似性以及沟渠分布密度的差异,对典型化结果进行了评价。对广州市数据进行了实验,结果表明该方法能有效进行近似平行的沟渠群的典型化。     

基于空间映射观念的地图综合概念模式

基于关系代数的映射变换思想，将地图综合的概念框架划分为2种映射形式：空间实体映射和空间关系映射，根据变换前后空间实体数目的变化，空间实体映射进一步区分为1－1，n-1,n-m映射。空间关系映射则视为拓扑关系、距离关系、方向关系3种基本关系的复合变换。为描述综合过程中粗化表达，建立了“空间关系分辨率”概念，基于9交叉、主方向模型以及本文自行建立的“等距离关系”模型分别给出了拓扑关系、方向关系、距离关系中分辨率的表达方式。在概念级上讨论了2种映射在地图综合过程的表现形式，这一综合模式与传统方法的显著区别是，它强调了关系也存在综合的问题。     

成都市银行业空间分布特征研究

利用成都市主城区银行网点数据,运用GIS空间数据分析方法,对银行业空间分布、集聚分布及形成机制等进行研究。结果表明:成都市银行业呈同心圆环状向心分布格局,并向西和向南聚集明显;成都市银行业空间呈现倒"U"形集聚特征,距离为6.5 km处集聚趋势最强;成都市已形成了多个银行集聚区,这些集聚区呈现"中心高度集聚,周围零散分布"的趋势,主要分布在三环内的西北和正南方向。不同的集聚区其形成机制不同,成都市银行业集聚区形成除受交通因素影响外,还主要受商业、商务、居住等因素影响,其中商业-商务中心综合作用、商业中心-居住综合作用是主要的影响因素。     

空间数据自动综合研究进展及趋势分析

首先从几个方面论述了这样一个观点:地图制图综合历来是地图学中最富挑战性和创造性的领域,数字环境下的空间数据自动综合仍是现代地图学面临的核心问题之一。在此基础上,按照发展的观点,从5个方面系统地综述了空间数据自动综合研究的进展,总结了已有的成果,讨论了存在的问题,并分析了空间数据自动综合研究的趋势和任务。