基于地形图数据库的跨比例尺级别缩编更新方法研究

针对利用1：500地形图快速更新其他比例尺地形图的需求,本文提出了基于地形图数据库的同比例尺级别和跨比例尺级别全自动缩编更新入库的方法。通过设计地形图模板及过渡模板,定义地物要素综合取舍转换规则,开发自动缩编软件模块,定制自动缩编更新任务,利用数据库中测量更新范围线自动下载地形图数据进行缩编及更新入库,实现大比例尺地形图依次缩编更新获取多种比例尺地形图的目标。本文提出的技术方法已在长沙市城市基础地理信息数据库更新工作中得到了验证,为采用缩编方式快速获取多样性地理信息数据提供了技术经验。     

城市平面图变比例尺方法初探

变比例尺方法在编制城市旅游交通图中有逐渐发展的趋势。本文对现有的变比例尺方法提出了改进措施,并以不同城市街道结构的北京,成都两城市设计了变比例尺方案并在微机上实现了变比例尺平面图的自动绘制。     

高分辨率遥感影像建筑容积率提取方法研究

提出了一种基于建筑物阴影的高分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验验证了所提方法的有效性。     

基于CDT骨架线的地图目标邻近冲突识别

制图综合过程中随着比例尺的缩小,不可避免地产生邻近冲突。为了在数字环境下自动地解决这类冲突,首先需要实现这些冲突的自动识别。文中提出一种基于CDT骨架线的地图目标邻近冲突识别方法。该方法首先基于CDT提取地图目标之间空白区域的骨架线;然后沿着每一条骨架线弧段所穿过的三角形路径搜索相邻地图目标之间的冲突区域(宽度小于阈值的三角形集合);最后,从冲突涉及的地图目标、发生冲突的空间位置以及冲突严重程度3个方面给出所识别冲突的定量化描述,从而为邻近冲突的解决提供依据。     

利用骨架线端点匹配进行面状要素渐变变换

面向空间数据连续地图综合问题,提出了一种基于骨架线端点匹配的面状要素渐变方法,通过在两个关键表达之间进行尺度内插,实时、动态地派生任意中间比例尺地图数据。首先,对面状要素在大小比例尺下的两重表达分别进行约束Delaunay三角网剖分并提取各自的骨架线特征;然后,使用最优子序双射优化技术对骨架端点进行匹配获得多边形边界上相对应的特征点序列;最后,在剖分边界的基础上进行分段常规线性内插,获得面状要素介于始末尺度之间的多尺度表达。实验结果表明,该算法充分顾及了空间数据弯曲结构特征,对于光滑边界面状要素的渐变变换具有良好的渐变效果,可用于空间数据的连续地图综合和多尺度表达。     

面状建筑物多层次骨架线提取方法

由于缺乏对凸部与建筑主体之间的层次关系描述,单个建筑物化简大多采用整体直角化方式进行,缺乏渐进式表达方法,难以实现对建筑物的多尺度、多层次逐步化简控制。针对该问题,提出了一种用于建筑物多层次表达的多层次骨架线构建方法。该方法首先通过构建Delaunay三角网提取建筑物内骨架线段,然后根据骨架线所关联的三角形面积识别得到主骨架线和次级骨架线之间的层级关系;最后对骨架线进行拉直处理。实验表明,该方法能够有效提取建筑物的多层次骨架线,较好地兼顾了建筑物的整体走向与局部形态特征,可为面状建筑物多尺度化简与表达提供支撑。     

采用道路骨架线stroke的复杂道路匹配方法

同名道路要素匹配是道路网数据增量更新的核心问题。大比例尺下道路网不再是简单的单线节点结构,存在大量的多层车道和复杂立交,难以直接利用现有的道路匹配算法。针对这一情况,提出一种采用道路骨架线stroke的复杂道路匹配方法。在匹配前,首先对大比例尺复杂道路数据进行结构特征识别,利用Delaunay三角网生成复杂道路骨架线stroke,并存储骨架线stroke与原始数据结构特征的映射关系;最后利用骨架线stroke与小比例尺道路数据进行层次匹配和类型匹配,并将这种匹配关系转换为实际匹配结果。实验结果表明,该方法能够较好地解决不同比例尺下的复杂道路网匹配。     

直线排列建筑物群渐进式典型化方法

地图综合中,建筑物群的排列结构是需要重点考虑的因素。当不同排列的子建筑物群之间存在空间图形冲突时,这些建筑物群的综合就显得更为复杂。直线排列建筑物群的综合在大比例尺地形图上以典型化操作为主。本文提出一种相互之间存在潜在空间图形冲突的多个直线排列建筑物子群的渐进式典型化方法,渐进式地处理多个直线排列建筑物子群之间的空间图形冲突,保留建筑物群重要的直线排列结构;以建筑物表达的视觉图形约束为限制条件,自动确定典型化后的建筑物位置、形状、大小和方位。本文还研究了基于建筑物群空间邻近图的直线排列建筑物子群的自动识别方法,分析了这些直线排列之间的邻近关系和相交关系。最后,以1：5000地图上的建筑物群综合为1：25 000为试验对象,验证了所提出算法的可用性和有效性。     

倾斜摄影和激光点云技术在大比例尺测图中的应用

在传统大比例尺测图中,建筑物特征线的获取方法或精度高效率低或效率高精度低。本文通过对倾斜三维模型分析,提出了基于直线公理的建筑物特征线快速提取方法;针对高程点数据均为人工采集的现状,引入激光点云数据通过分类插值法自动生成高程特征点。研究证明,本文方法在精度与效率等方面均可取得良好效果,提高了特征线（建筑物线）、特征点（高程点）采集的自动化程度。     

基于GIS空间分析的任意多边形骨架线自动提取方法

针对现有任意多边形骨架线提取方法存在的算法设计繁琐、代码实现复杂、实现成本高和周期长的缺点,提出一种基于地理信息系统(geographic information system,GIS)空间分析的任意多边形骨架线自动提取方法。首先,以电子地图为数据源,在ENVI和ArcGIS平台的支持下,通过调用ArcToolbox工具箱中的ENVI分类模型工具提取出空间对象的多边形矢量边界,并对其进行预处理;其次,综合运用数据处理、空间分析和文件转换工具提取其骨架结点,并对其进行后处理;再次,采用Python面向对象编程语言结合ArcPy站点包,通过编写脚本程序自动提取其骨架线;然后,进一步利用ModelBuilder工具,通过构建模型实现骨架线的自动提取;最后,将该方法分别应用于电子地图道路和建筑物多边形骨架线的提取。实验过程及其结果表明该方法具有一定有效性、实用性和可操作性。     

基于多距离空间聚类的城市建筑景观时空分异研究

以大连市中山区6个街道建筑信息为数据基础,选取建筑景观指标,基于ArcGIS空间统计与多距离空间聚类分析方法研究了各街道10年间建筑景观空间格局分异特征。结果表明：从2003-2013年,各街道建筑景观逐渐由水平向垂直空间扩展,其中青泥洼桥街道、人民路街道及海军广场街道城市建筑景观变化明显突出;2003年4种类型建筑物在尺度为928.68 m时,空间分布上均呈聚集状态,当大于928.68 m时,超高层建筑空间聚集程度降低。到2013年,高层建筑物随尺度的增加聚集程度逐渐减低,低层、多层和超高层建筑在空间分布上均呈一定的聚集状态。     

用计算机模拟人类制图员解决地图缩编中的图形冲突

针对地图综合中因道路符号的夸大表示而引起的道路与建筑物的图形冲突,提出了让计算机模拟人类制图员具备视觉及分析功能的具体方法,设计了一种新颖的栅格-矢量混合数据结构,以便通过将移位区内的所有建筑物分类,进行制图移位和受控变形等解决图形冲突。     

基于约束Delaunay结构的街道中轴线提取及网络模型建立

从街区多边形提街道中轴线并在此基础上建立街道网络模型是城市空间分析及街区地图综合的基础问题,本文基于约束Ｄｅｌａｕｎａｙ三角网结构提出了在邻近街区边界之间的三角形元上提取中轴线从而建立街道网络图模型的方法,区分三种不同三角形元进行中轴线的连接,通过网络图的顶点、边完备地表达出街道、街区、街道交叉口之间的空间关系,并建立了街道中轴线与左右两侧街区多边形边界弧段间的匹配,从而使本文提出的混合数据模型将街道网络结构与街区多边形结构统一起来。     

顾及功能语义特征的建筑物空间分布模式识别方法

本文从空间-语义双重约束角度,提出一种顾及空间邻近和功能语义相似的建筑物空间分布模式识别方法。首先,基于建筑物的空间位置邻近性(即建筑物间的最小距离)约束进行聚类,获得建筑物的空间分布模式和建筑物间的空间邻近关系;然后,根据建筑物的功能语义相似性约束进行分割,获得建筑物的初步聚类结果;最后,考虑簇内相似性与簇间差异性进行整体优化,获得最终聚类结果。试验验证表明,本文方法比现有方法能够更有效地识别空间邻近与功能语义一致的建筑物群,服务于智慧城市建设中对建筑物进行语义层次综合和对城市结构进行深入研究的需求。     

多因子影响的地图居民地自动聚群与综合研究

提出了地图综合目的的居民地聚群需要遵循Gestalt的邻近性、相似性和方向性原则,描述居民地结构、形态及其关系需要6个因子,即居民地间的距离、可视区域面积、大小相似度、形状相似度、方向关系、居民地内部方向;进而运用这些原则和因子,给出了居民地的自动聚群和综合方法.     

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。     

基于场论分析的建筑物群的移位

在多边形群目标综合中,移位是一种旨在解决空间邻近冲突的重要操作.以建筑物群在街道拓宽后产生移位操作为例,提出一种基于场论分析的移位方法,认为街区块多边形边界的收缩产生向街区块内部逐步传递并衰减的作用力,从而促使建筑物多边形的空间位置移动,借助于物理学场论中的"等势线"模型来表达这一移位现象.基于Delaunay三角网建立了类似于Voronoi图的建筑物群剖分结构,用于表达移位场模型的"等距离关系曲线".在移位场中目标的运动方向与运动距离由矢量和运算及梯度衰减函数计算完成.算法思想在一地图综合软件系统中已实现.     

On the spatial distribution of buildings for map generalization

Information on spatial distribution of buildings must be explored as part of the process of map generalization. A new approach is proposed in this article, which combines building classification and clustering to enable the detection of class differences within a pattern, as well as patterns within a class. To do this, an analysis of existing parameters describing building characteristics is performed via principal component analysis (PCA), and four major parameters (i.e. convex hull area, IPQ compactness, number of edges, and smallest minimum bounding rectangle orientation) are selected for further classification based on similarities between building characteristics. A building clustering method based on minimum spanning tree (MST) considering rivers and roads is then applied. Theory and experiments show that use of a relative neighbor graph (RNG) is more effective in detecting linear building patterns than either a nearest neighbor graph (NNG), an MST, or a Gabriel graph (GssG). Building classification and clustering are therefore conducted separately using experimental data extracted from OpenStreetMap (OSM), and linear patterns are then recognized within resultant clusters. Experimental results show that the approach proposed in this article is both reasonable and efficient for mining information on the spatial distribution of buildings for map generalization.