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。     

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。     

城市道路复杂网络结构化等级分析

根据复杂网络理论提出了一种城市道路网结构化分析与结构等级建模方法。首先,根据城市道路链生成对偶图;然后,分析路网几何结构,对由城市道路链生成的对偶图进行中心性测度分析;集成各项结构指标进行道路等级建模,以保持各个指标的结构信息;最后,根据集成指标分析城市道路的结构重要性、划分道路等级并保持道路网的连通性。实验结果表明,通过所提方法进行的道路结构化等级分析能够反映道路网中包含的等级结构特征,而且与单一指标和现有的道路分级相比,集成各项结构指标后划分的道路等级能够更好地符合道路网固有的等级特点。     

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。     

城市道路网面域层次结构特征的识别与表达

层次性是道路网一个重要的空间结构特征,文中提出一种城市道路网面域层次结构特征的识别与表达方法。首先以路链为基本单元对道路网数据进行重新组织,选取连通度、接近度、中介度和长度对路链的结构特征重要性进行评价;然后以道路网眼作为表达道路网面域层次结构特征的基本单元,依据路链的属性等级、结构特征重要性以及视觉对称性原则,依次选取路链对道路网最大包络区域进行层次剖分从而获得其包含的各级层次道路网眼;最后利用二叉树模型对道路网眼之间的层次关系和邻接关系进行结构化表达。实验结果表明,所提方法能够完整提取出道路网包含的全部道路网眼并准确建立它们之间的空间关系,其结果能较好地反映道路网面域的层次结构特征。     

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。     

车辆轨迹信息的道路属性粗糙集定权模型

针对利用道路自身属性来计算重要度,并进行道路选取时产生的路网不连通、道路悬挂等问题,该文提出一种新的道路属性定权模型。结合轨迹大数据与道路自身属性,以路段为基本单位,选取道路长度、连通度、网络密度、车流量、平均车速、偏好系数6项属性作为道路重要性的衡量指标,采用基于牵引程度的离散化方法,实现指标数据的离散化,利用粗糙集确定属性权重。基于武汉市车辆的轨迹数据和道路数据的实验结果表明,该文模型计算得到的重要性值更符合实际情况,以该重要性进行道路选取时,有效地解决了路网中一些道路由于自身属性较小,使得重要度计算较小,导致道路选取时被舍弃,产生的路网不连通、道路悬挂等问题。     

路段级导航属性信息挖掘

大量的自动或半自动道路提取方法如雨后春笋,但生成的产品通常缺乏导航属性信息,如路段的等级、限速等,制约“大路优先”“限速提醒”等智能导航服务。因此,本文以路段为分析单元,考虑上下游邻接路段强相关性,提出一种改进的路段等级、限速属性信息挖掘方法。首先进行轨迹、路网数据预处理,实现轨迹点与归属路段的连接。然后基于对数据和任务的认识进行多模态道路互补特征设计。最后顾及目标路段及其上下游邻接信息,利用随机森林开展面向路段的等级、限速信息分析。与单类特征相比,集成路网与轨迹特征之后提高了路段等级、限速分类准确率。与仅顾及目标路段进行路段等级、限速分类相比,顾及空间邻接信息进行路段等级、限速分类效果更好。     

顾及形态特征和语义信息的双线道路识别方法

双线道路识别与提取是城市路网综合的关键。提出了一种城市双线道路提取的方法。在构建好的道路网眼的基础上,综合考虑双线道路网眼形态特征以及构成网眼路段之间的语义相似度,设计了识别双线道路网眼的综合指标。通过判断网眼综合指标确定最终的双线道路网眼,最后根据识别出的双线道路网眼提取出双线道路。实验表明,该方法能有效提取出城市道路数据中的双线道路。     

顾及交通流量的道路网路划构建方法

针对已有研究主要按照“良好连续性”原则进行stroke的构建,顾及到了道路的几何特征,但在一定程度上忽略了其语义信息的问题,提出了同时顾及几何特征和语义特征的stroke生成方法。选定未处理道路中交通流量最大的路段为起始路段;在节点关联多弧段时筛选出在偏角阈值范围内的道路;将起始路段与交通流量最相似的道路进行连接。实验表明,该方法有效解决了已有stroke构建过程中可能出现的几何分歧路段以及起始路段的选择问题,得到确定的stroke结果。相比传统方法,引入交通流量语义信息后生成的stroke结果更加符合实际连通性。     

轨迹分割与图层融合的车辆轨迹线构建道路地图方法

传统道路地图构建方法将轨迹点（线）同等对待提取道路数据,忽略车辆轨迹的空间差异性,制约其结果精度与应用范围。为此,本文根据轨迹速度将轨迹线集分割滤选为3个轨迹线子集,将轨迹方向与Delaunay三角网模型集成探测路网拓扑结构;顾及轨迹线子集的特征差异选取不同参数值和约束条件并分层提取道路几何、交通语义数据,分别构建3个道路图层;运用缓冲区方法并根据道路几何、语义特征将多个道路图层融合为单个完整道路地图。运用出租车轨迹数据进行试验分析,结果表明：该方法顾及轨迹分布差异性,能将道路几何、交通语义信息融合提取,更适于处理复杂道路结构下的轨迹线。     

使用自组织映射网络识别城市道路主要结构

城市道路中主要结构的识别在路网综合、多尺度路网建模、导航等方面起着关键作用。本文提出一种使用自组织映射(SOM:the Self-Organizing Map)网络来同时识别城市道路中多行道和立交桥的方法。首先计算道路网眼的几何形态特征指标,然后利用SOM对道路网眼进行分类,根据得出的网眼和道路的空间关系来提取路网中的主要结构。实验结果表明,该方法能有效地识别出城市道路中的多行道和立交桥。     

九、P28 地图制图学(地图学)

CH20080570基于网眼密度的道路选取方法=Selective Omission of Road Features Based on Mesh Density for Digit- al Map Generalization/陈军(国家基础地理信息中心),李志林,赵仁亮//测绘学报.-2007,36(3).-351～357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     

顾及结构和几何特征的道路自动选取方法

提出了一种顾及结构和几何特征的道路网自动选取方法。综合考虑道路的度中心性、集聚系数和路划的几何长度等道路选取影响因素,提出一种道路重要性评价方法。实验结果表明,本文方法能够很好地保持选取道路网的整体与局部结构、拓扑结构以及路网连通性。基于该方法,由大比例尺地图选取出的小比例尺地图与相应标准比例尺地图保持较高的一致性,表明该方法是稳定可靠的。     

城市道路网匹配的层次化面域剖分模型

针对道路网“节点-弧段”数据模型在道路网结构化表达方面存在的不足,本文基于stroke的基本原理,设计了基于道路等级划分的道路网层次化面域剖分模型,使道路网空间结构特征表达具备了层次化特征。基于道路重要性等级和与面域边界的连通关系,对面域内的道路进行了层次性划分。建立了由“整体-局部-对象本身”的道路网层次化表达模型。最后,基于该模型本文提出城市道路网匹配模型,从高等级道路到低等级道路,利用特征一致性评价模型选取匹配对象。通过试验结果分析,证明了本文方法适用于解决具有典型城市特征的道路匹配问题。     

利用路段分类识别复杂道路交叉口

道路网数据中微观结构的识别对于多尺度路网建模、步行导航等至关重要。复杂道路交叉口是重要的道路微观结构之一,针对目前道路复杂交叉口基于几何形状描述与图形匹配识别方法存在的不足,从复杂交叉口识别与化简的角度出发,提出了一种利用路段分类进行复杂道路交叉口识别与化简的方法。该方法首先通过点密度聚类的方法对道路交叉口进行定位,然后利用路段的规模、形状和属性等特征构建特征空间,将交叉口的识别作为一种区分主干路段与辅助路段的两类分类问题,利用支持向量机的方法对交叉口区域内的路段进行分类,从而完成交叉口的识别与化简。利用开放街道地图(OpenStreetMap)数据进行实验,结果表明,该方法能够有效地识别道路交叉口。     

POI辅助下的道路选取

针对已有的道路选取方法主要考虑道路的几何和拓扑信息,而未考虑道路邻接的设施点对道路的重要性影响,该文利用POI数据,提出一种顾及道路的几何、拓扑和邻接设施点信息的道路选取方法.该方法借助德尔菲法为不同类型POI打分构建道路上下文特征指标,将其与描述道路结构特征的指标整合求得道路重要性值,进而按照方根模型选取排名在前的道路组成选取后的路网.实验结果表明本文方法选取的路网在保持了原始路网的整体结构、密度分布及连通性的同时,较好地顾及了道路上下文设施对道路重要性的影响.     

利用道路网眼实现路网的增量式更新

获取现势性的交通道路数据是数字城市和智慧城市建设的基础,基于传统测绘的道路网更新方法存在一定局限性,而基于众源数据及行车轨迹数据更新道路网近年来则倍受关注。首先提出了一种新的道路变化增量更新方法,该方法先对历史道路网建立面拓扑结构,生成由道路网组成的最小闭合面域（道路网眼）;然后以道路网眼为基本控制单元,综合利用轨迹点上下文距离信息和隐马尔可夫模型（hidden Markov model,HMM）,提取失配轨迹点和失配轨迹段;最后采用缓冲区分析和最大密度法对失配轨迹提取骨架线,创建新增道路,增量更新历史道路网。实验结果表明,以道路网眼为控制单元,利用轨迹点上下文距离分析和HMM捕获失配轨迹点,可提高失配轨迹点的提取效率,改善道路网更新效果。该方法可用于大规模路网的增量式更新。     

路网更新的轨迹-地图匹配方法

全面准确的路网信息作为智慧城市的重要基础之一,在城市规划、交通管理以及大众出行等方面具有重要意义和价值。然而,传统的基于测量的路网数据获取方式往往周期较长,不能及时反映最新的道路信息。近几年,随着定位技术在移动设备的广泛运用,国内外学者在研究路网信息获取时逐渐将视野转向移动对象的轨迹数据中所蕴含的道路信息。当前,基于移动位置信息的路网生成和更新方法多是直接面向全部轨迹数据施加道路提取算法,在处理大规模轨迹或者大范围道路时,计算量极大。为此,本文基于轨迹地图匹配技术,提出一种采用"检查→分析→提取→更新"过程的螺旋式路网数据更新策略。其主要思想是逐条输入轨迹,借助HMM地图匹配发现已有路网中的问题路段,进而从问题路段周边局部范围内的轨迹数据中提取并更新相关道路信息。该方法仅在局部范围内利用少量轨迹数据来修复路网,避免了对整个轨迹数据集进行计算,从而有效减少了计算量。基于OpenStreetMap的武汉市区路网数据以及武汉市出租车轨迹数据的试验表明,本文提出的路网更新方法不仅可行,而且灵活高效。     

车辆轨迹数据提取道路交叉口特征的决策树模型

众源车辆轨迹数据隐含最新的道路分布信息,研究利用轨迹数据提取道路特征有益于基础路网数据的快速建库与更新。道路网由交叉口和连接交叉口的道路线构成,其中交叉口特征识别是整个道路网生成的关键。由于缺乏精细的交叉口识别模型,轨迹数据生成的道路网容易出现路口遗漏、结构失真等现象。针对这一问题,本文提出一种利用轨迹数据提取道路交叉口的方法。首先,分析车辆在交叉口与非交叉口区域移动轨迹几何形态及隐含动力学特征的变化情形;然后,利用决策树方法构建轨迹片段分类模型,并结合移动开窗式的轨迹线剖分模型建立交叉口区域变道轨迹片段提取方法;最后,依据Hausdorff距离对交叉口区域轨迹片段进行聚类,并提取中心线获得完整的道路交叉口结构。采用真实的车辆轨迹线作为测试数据,验证了本文提出方法的有效性。