基于C4.5算法的道路网网格模式识别

道路网模式的识别对于地图综合、数据匹配和空间分析具有重要意义。网格模式是道路网中的典型模式之一。本文提出一种基于C4.5算法的网格模式识别方法。该方法以道路网中的网眼多边形为基本单元,根据上下文关系将其标识为属于网格模式和不属于网格模式两类。首先采用形状参量和关系参量描述网眼多边形,然后,基于决策树C4.5算法分别对5维参量和3维参量构造分类器,运用10折交叉验证获得具有说服力的结果,其Kappa值分别为0.63和0.66,正确率分别为81.7％和82.9％,置信度90％的置信区间分别为[0.785, 0.846]和[0.797, 0.857]。在新数据上进行了识别效果的验证,结果表明该分类器可用于网格模式的识别。研究试图将传统模式识别和数据挖掘的理论方法应用于空间问题的解答中。     

基于关联规则分类的道路网网格模式识别

提出了一种基于关联规则分类算法进行道路网网格模式识别的方法。首先基于空间认知理论,从人类视觉认知Gestalt原理出发,采用几何与拓扑关系特征量化计算网眼形状参量,从网眼自身形状指标、相邻网眼排列一致性、相邻网眼形状相似性3方面描述网眼模式。然后利用关联规则分类算法对道路网网格描述特征进行识别分类。实验表明,本文方法有效可行,具有一定的鲁棒性。     

运用主成分分析识别道路网中的网格模式

提出了基于主成分分析的网格模式识别方法。首先利用形状参量和关系参量描述道路网中的网眼;然后生成网眼数据的主成分;最后,根据主成分分析构造参量权重的思想,导出网眼属于网格模式隶属度,根据该参数识别网格模式。实验结果表明,识别结果与肉眼识别类似。     

对自组织映射聚类实现道路网网格模式识别

提出了一种基于对自组织映射聚类的道路网网格模式识别方法。以道路网中的网眼为基本单元,从网眼自身形状特征、相邻网眼的形状特征以及与周围网眼的关系等方面定义了5个参量。将由5个参量描述的网眼及由CRITIC方法导出的参量权重作为自组织映射的输入,经过训练,运用K-means方法对神经元码书向量进行聚类。对深圳市道路网数据进行了实验和对比分析,结果表明该方法能有效识别网格模式。     

网眼矩形特性在道路网模式识别中的运用

从格网模式道路网的基本形态特征出发,研究了基于网眼矩形特性的道路格网模式识别方法。首先从样本道路网中任意选取部分典型的格网模式的道路网,统计该区域所有道路网眼单元的矩形度,求得样本区域道路网眼矩形度的平均值和标准差范围。再另外选取其他样本区域作为检验数据,分别用K均值聚类和系统聚类的方法进行识别实验。实验结果表明,该方法具有较高的识别正确率,为格网模式道路网识别和综合奠定了基础。     

利用路段连接图识别道路网中的格网模式

提出一种基于路段连接图的格网模式识别方法.该方法以路段连接对作为研究的基本单元,以节点路段为点,路段的连接为边用路段连接图表达道路网.将在道路网中识别格网转化为在路段连接图中搜索格网回路.提出了描述路段连接对几何与连接关系的5个参量,用于筛选图中符合格网特点的节点和边.设计了图搜索的约束条件,使用广度优先遍历搜索连接关...     

小比例尺道路网眼约束下的多尺度道路网自动匹配

针对道路网多尺度匹配的问题,提出了一种在小比例尺数据道路网眼约束下的多尺度道路匹配方法。首先,构建两幅不同比例尺数据的道路网眼;其次,在小比例尺道路网眼的约束下,提取出大比例尺道路中由若干道路网眼构成的复合网眼,并完成与小比例尺道路网眼具有多对一和一对一关系的网眼匹配;然后,实现不同比例尺道路网眼的多对多匹配;最后,由复合网眼与小比例尺道路网眼的匹配关系转化为多比例尺道路网眼边界道路之间的匹配和内部道路之间的匹配,完成整个道路网的匹配。试验结果证明,本方法能较好地实现多尺度道路网的匹配。     

基于拓扑相似性的道路网综合模型

针对道路网综合时须保持道路网眼空间分布特征这一基本要求,在讨论道路网眼拓扑形式化描述的基础上提出了一种基于拓扑相似性的道路网综合模型。该模型通过制定道路网拓扑相似性评价指标来进行道路网综合方案选择,同时针对拓扑相似性相同的不同道路删除方案,进一步提出了利用道路形状加以评价的方法。结果表明,该模型原理正确,无论对于保持道路网眼空间分布还是形状特征都具有很好的效果。     

基于拓扑相似性的道路网综合模型

针对道路网综合时须保持道路网眼空间分布特征这一基本要求,在讨论道路网眼拓扑形式化描述的基础上提出了一种基于拓扑相似性的道路网综合模型.该模型通过制定道路网拓扑相似性评价指标来进行道路网综合方案选择,同时针对拓扑相似性相同的不同道路删除方案,进一步提出了利用道路形状加以评价的方法.结果表明,该模型原理正确,无论对于保持道路网眼空间分布还是形状特征都具有很好的效果.     

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。     

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     

利用居民地聚类和缓冲区分析完善道路网眼

对于十分规则的道路网(城市道路)来说构造网眼是十分容易的,且得到的道路网眼完整性较高,然而对于乡村道路,由于数据采集习惯或数据质量的影响,道路在居民地附近容易断开,导致计算机不能构造完整的网眼。本文针对这个问题,提出了利用居民地聚类和缓冲区分析的方法辅助道路网眼的构建,从而提高了乡镇郊区道路网眼的完整性,为采用网眼合并的方式进行综合的方法,以及各种基于网眼的空间分析提供了有效支撑。     

基于有向属性关系图的典型道路交叉口结构识别方法

提出采用有向属性关系图描述道路交叉口结构,形成典型道路交叉口结构模板库.通过将道路网矢量表示转化成有向属性关系图表示,采用图匹配技术识别道路网中的典型交叉口.实现有关算法,通过试验验证该方法的有效性,并分析其局限性和适用范围.该方法可在基于结构的交叉口简化过程中用于典型交叉口结构识别.     

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。     

道路网智能选取的案例类比推理法

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,增强了道路网选取中的智能性。最后对本方法的科学性和适用性进行验证,并对试验结果作分析和评价,同时指出了存在的问题和进一步的研究方向。     

空间分析方法在道路网自动综合拓扑构建中的应用

在道路网的自动综合中,一般的方法都必须对道路网进行自动拓扑生成,建立起点、线、面之间的关系,以利于道路选取时网眼的分析和选取后的路径分析。本文考虑到数字地图的数据特点,在进行道路网自动拓扑过程中,对经常遇到的线状要素无法合理构面的问题进行分析并提出了合理的解决方法。方法中主要运用了缓冲区分析和叠置分析,通过把居民地层数据叠置到道路层数据进行联合分析,为道路网的自动选取构建出了正确的空间拓扑关系。     

城市建筑群网格模式的图论识别方法

建筑群空间分布模式体现了城市的物质形式及其与社会经济功能之间的关系,反应了城市的空间结构特征,对于制图综合和多尺度表达等具有重要意义。结合国内外对该问题的研究,提出了基于图论的建筑群网格模式识别方法。首先分析研究了网格模式的认知特征和定义。然后利用Delaunay三角网构建建筑群的邻近关系,生成邻近图;从Gestalt视觉准则出发,基于三角剖分模型建立视觉距离;考虑直线模式的直线性、紧凑性等约束条件识别出交叉的多连通直线模式。最后对直线模式建立相交图和方向关系图,通过求解极大完全子图、连接、相交和后期修建等图运算,实现网格模式的识别。实验表明该方法能够识别出明显网格模式,其识别结果符合人类空间认知特点。     

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。     

一种改进的道路网信息层次度量方法

针对现有道路网信息量层次度量方法大多侧重于度量道路网的几何特征和整体分布情况,而对其复杂网络特性方面的度量仍有局限性的问题,该文提出了一种基于复杂网络理论的道路网信息量层次度量方法。首先,通过综合考虑道路的几何特征和中心性特征,对其元素层次信息量进行度量;然后,利用集聚系数对邻域层次进行度量;最后,通过考虑路网的空间分布特性,利用网眼密度对整体层次进行度量。从元素、邻域以及整体3个层次出发,较好地顾及了道路网的局部和整体特征,使道路网信息的分层次度量更加合理有效。实验结果表明,本方法不仅能快速准确地挖掘出重要度高的道路,还能够较好地顾及路网的连通性和完整性。     

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。