一个物流配送优化算法

分析并描述了终端物流配送体系,建立了终端物流配送优化模型。该模型是一个复杂的带约束的多旅行商问题,属于非确定性多项式(NP)完全问题。基于集合分划、启发式贪心策略和边缘交换算法给出一种可行的优化算法。     

基于GIS的物流配送路径优化算法

在单点到多点的配送中,一般的路径选择算法通常仅把"时间最短"作为约束条件来进行路径选择,这通常会导致参与配送点的数量过多。探讨了基于地理信息系统技术的物流配送路径优化算法,提出了基于模糊数学理论,以"参与配送点最少"为约束条件并同时考虑配送时间的"模糊权衡算法"。实验表明,模糊权衡算法可以在时间耗费和参与点的数量之间达到一个相对较优解。     

基于复杂网络指标的路网结构形态评价与分析

采用基于复杂网络拓扑特征指标的评价方法对环状、方格及自由形态三种典型结构形态的路网结构进行分析研究,实验表明:在规则路网中,环状路网具有最优的路网结构,方格路网其次;基于实证路网的分析也表明路网结构形态对于交通网络的通行效率及可靠性具有较强的影响.研究成果对交通规划及路网优化等工作具有一定的参考价值.     

利用概率松弛法的城市路网自动匹配

多源空间数据匹配是空间数据集成与互操作,变化检测与数据更新的重要前提。路网数据匹配在导航、智能交通和基于位置服务等领域具有重要的研究意义和实用价值。本文提出一种基于概率松弛方法的城市路网自动匹配方法,该方法首先通过路段间几何差异性估算候选路段的初始概率,然后根据邻接候选匹配路段的兼容性不断更新原概率矩阵直到收敛于某一极小值。最后基于收敛的概率矩阵计算各候选路段的结构相似性,并通过设定相应的规则选取和提炼1: 1, 1: M和M: N匹配对。实验选取中国武汉,瑞士苏黎世地区的OpenStreetMap数据与导航数据进行匹配算法的验证。结果表明：本文算法对非刚性偏差较大的路网数据能达到较高精度,不存在匹配方向性问题,且能够识别1: 0, 1: M和M: N匹配。     

基于对偶拓扑结构的路网路段重要性评估方法

现有的路网路段重要性评估方法考虑的是路网中的路段的统计特性或路网的局部结构对重要性的影响。在路段的重要性与路网的全体路段相关联的基础上,提出m阶邻居节点的复杂路网路段重要度评估方法。为验证算法的有效性,实验仿真采用成都市路网的对偶拓扑结构,在1 484个路段中提取10条关键路径对评估方法进行验证。评估结果显示:与度值法、介数法相比,该方法能显著地区分复杂路网中路段之间的重要性差异,准确地确定网络中的关键路径,具有更高的评估准确性。     

路网是怎样织成的

经过建国以来近60年的建设,北京城市的道路布局已经从建国初期单一的棋盘状结构,发展为今天的棋盘式与环形、放射式相结合的路网结构。     

城市路网变化信息提取及其对土地利用的影响研究

城市路网作为一种特殊的土地覆盖类型,与土地利用相互作用。现代城市系统中道路变化越来越频繁,如何快速精确的对城市路网的变化信息进行提取不仅可以支撑路网基础测绘数据的更新需要,也可以为城市土地利用提供辅助支持。论文基于遥感和矢量数据进行道路网变化信息提取,分析城市路网结构和变化与土地利用的关联关系。     

基于路网拓扑结构的指路标志标识系统数据模型的研究与应用

针对指路标志的标识功能,分析了指路标志的特征,提出了指路标志项的概念。基于路网拓扑结构,构建了以指路标志项为基本单元的指路标志标识系统的数据模型,使得在计算机中建立指路标志的信息管理及自动设计分析应用系统成为可能。最后,在此数据模型的基础上,开发了一个基于GIS平台的指路标志标识计算机应用系统。该系统能对指路标志进行自动设计、根据交通规则的修改对指路标志执行自动更新,说明本文提出的数据模型是有效可行的。     

GIS在现代城市物流配送中的应用

物流作为第三利润的源泉,如今越来越受到各个行业的重视。针对我国物流行业的现状和发展趋势,以ArcGIS软件如何实现物流中心选址和配送最短路径的选择为例,展现了GIS技术在现代城市物流配送中的应用,展望了GIS在该领域广阔的应用前景。     

加权路网分层的最优路径计算

为了弥补传统分层算法在平面最短路径计算中对出行者出行习惯考虑不充分的缺陷,该文提出了一种分层算法的优化策略,即加权路网分层:首先运用层次分析法计算选定的道路属性的权值,对道路属性权值进行组合相加,进而确定道路权值,然后根据确定的分层阈值对路网进行分层,最后运用双向A*算法进行试验,并与传统的分层路网计算结果进行比较。实验结果表明,加权分层策略充分考虑了出行者的出行习惯,能够适用于路径导航中的最优路径计算,具有可行性与实用性。     

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。     

采用Stroke层次结构模型的道路网匹配方法

地理空间信息时刻处于变化之中,道路网变化尤其明显。如何确保道路数据的现势性成为重要研究课题。每条道路往往由多条弧段组成,目前的匹配算法大多对离散弧段单独匹配,而没有把每条道路作为一个整体进行匹配,导致即使是同一条道路,往往也存在局部匹配错误的情形。本文提出了基于Stroke层次结构模型的城市道路网匹配新方法。该方法采用Stroke技术把离散的道路弧段构建为完整的道路,亦即Stroke;进一步对Stroke进行分类分级,进而构建不同层次Stroke之间的关联匹配准则;最后采取由高等级Stroke到低等级Stroke逐级匹配、并以高等级Stroke约束较低等级Stroke匹配的方法与顺序,依次完成整个道路网之间的匹配过程。该算法的优势在于:把离散的道路弧段转化为整条Stroke进行整体匹配,避免了局部因素的影响;以高等级Stroke约束较低等级Stroke匹配,层层约束,算法运算效率与匹配正确率显著提高。     

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。     

环形放射状城市道路网的结构复杂性探讨

基于Gestalt认知原则,采用路划表征道路网,应用对偶法抽象道路网的拓扑结构和连通方式。以成都市道路网为例,分别用特征路径长度、聚类系数、节点度分布、中心性等多种指标定量刻画道路之间的连通方式。结果表明,典型环形放射性结构的成都市路网,表现出小世界特征和无标度特性。道路网连接较为紧凑,可达性较好。该网络中道路的中介中心性与度值具有非线性关系,道路度值之间缺乏显著的相关性。     

一种基于道路网的移动对象的位置索引与邻近查询方法

车辆监控/导航、位置服务、智能交通等实际应用需求对移动对象的存储、获取与分析提出了新的要求.高效地管理和分析随时间变化的移动对象的位置数据,从而为用户提供更加快捷、智能的服务已成为国内外的一个研究热点.针对路网中移动对象当前位置的索引更新与查询问题,提出一种集路网几何/拓扑、交叉口转向约束以及移动对象位置的索引模型,探讨基于该模型的查询与更新.通过与IMORS索引的比较表明该模型提高了索引更新的效率,支持并加强了K邻近等基于网络距离的查询.     

基于街区形状的城市道路网自动构建

道路网是城市街区图的重要组成部分，是进行最短路分析，最优路分析的关键所在，文中提出了一种根据城市街区形状自动建立城市道路网的方法，并对特殊情况进行了处理，实验表明，该方法具有一定的实用性。     

基于街区形状的城市道路网自动构建

道路网是城市街区图的重要组成部分,是进行最短路分析、最优路分析的关键所在.文中提出了一种根据城市街区形状自动建立城市道路网的方法,并对特殊情况进行了处理.实验表明,该方法具有一定的实用性.     

道路网匹配的蚁群算法求解模型

目的 利用蚁群算法的群体优势,寻找全局最优的道路网同名实体匹配方案。首先从几何矢量误差和结构特征两方面建立了匹配问题的数学约束模型;然后阐述了蚁群算法求解匹配问题的基本原理,设计了问题求解模型,并引入自适应和局部搜索策略提高了算法效率;最后给出了求解的关键步骤。实验证明,利用蚁群算法进行道路网匹配是有效、可行的,为求解匹配问题提供了新思路。     

道路网多特征匹配优化算法

同名道路匹配技术是道路数据集成、更新和融合的重要前提。道路网匹配在智能交通(intelligent transportation system,ITS)与位置服务(location-based service,LBS)等方面具有重要的研究价值和应用意义。本文提出了一种道路网多特征匹配优化算法:首先从形状、距离、语义3方面分别设计了基于面积累积的形状差、综合中值Hausdorff距离和全局加权属性项距离3种相似性度量,以更准确地描述道路待匹配对之间的特征差异;然后通过SVM对相似性特征样本集训练,以构建道路网回归匹配模型;最后利用此模型对未知匹配结果道路待匹配对进行匹配结果预测。大量试验结果表明,本文算法对非线性偏差明显的道路网数据能够实现较高的匹配准确率和召回率,能有效地用于包含多重匹配关系的道路网匹配。     

基于残差网络结构的道路语义分割

从高分辨率光学遥感影像中提取地物信息受到广泛关注,道路提取是其中一项重要任务.设计了一种基于残差网络结构的深度学习神经网络模型,并将该模型与FCN网络模型和U-Net网络模型输出结果进行了对比.结果表明,本文方法不仅在F1得分和IOU上均优于其他两个模型,并且在提取的道路平滑度和图像噪声处理方面也具有一定的优势.