街道渐进式选取的信息传输模型

提出了街道渐进式选取的信息传输模型,该模型包含两个关键部分,代表街道网信息的信源和代表如何选取的信道。定义了街道网几何信息与拓扑信息的新的度量方法,根据匹配思想建立了信道,并对信道的地图综合意义进行了解释。     

基于神经网络的街道渐进式选取

定义了街道网选取所需的相关参数,训练并获取计算街道相对重要性的神经网络模型,提出了利用该模型进行渐进式街道选取的方法.     

运用基于熵的多属性决策方法进行街道选取

街道选取是城市大比例尺地图综合的重要研究内容。提出了基于熵的多属性决策方法进行街道选取。首先,对离散街道弧段通过Stroke构建方法进行连接处理,将弧段连接成的Stroke作为选取单元;其次,根据街区概括的一般原则,选定若干评价指标,定量评价Stroke重要性资格;最后,利用方根模型计算街道选取数量,完成街道定额选取,最终实现街区形状概括。该方法把属性和几何方法的结合,将几何因素的考量内化于属性,可避免赋权的主观性,提高其客观性和准确性。实验验证了本方法的科学性。     

城市结构单元人居生态环境评价指标体系研究

将人口指数、舒适指数、便捷指数和景观指数与前人提出的绿化指数、建造指数和邻域指数等相结合,构建了城市结构单元人居生态环境评价指标体系以及基于理想值差距的综合评价模型。以利用面向对象方法提取的高分辨率ZY-3影像分类信息为主,以调查和统计信息为辅,选取南京市4个街道作为研究区进行了应用分析。结果表明,该模型的评价结果客观地反映了各街道的生态环境现状。     

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.     

基于浮动车轨迹数据的路口车道结构求解

文章针对道路交叉口处车道转向信息变化快、采集困难的问题,提出了利用浮动车轨迹数据自动提取道路交叉口处车道结构及转向的方法.首先根据选取规则对研究区域轨迹点进行约束选取,并依据预处理策略对研究区轨迹点序列进行去噪与优化;其次运用混合高斯密度模型对交叉口处道路的细部车道结构进行建模,利用贪心EM算法解算高斯混合密度模型参数,求得车道数目和车道结构特征;然后给出通过轨迹相关性计算车道转向的计算思路;最后选取一组真实路口数据进行实验,结果验证了该方法的有效性:该方法为车道信息更新提供了参考,亦可应用于精细化导航以提高出行者的服务体验.     

高分辨率影像的橡胶林分布信息提取

为了准确快速地获取高分辨率影像中橡胶林的分布信息,设计了一种基于纹理特征和多光谱特征的信息提取方法。方法选取合适的植被指数,将多光谱和植被指数的影像进行地统计半方差分析,获得最佳纹理提取窗口并实现各种纹理信息的提取,将纹理信息和光谱信息一起作为参考特征构建地物的分类规则并用C5决策树分类算法实现。选取某高分辨率遥感影像区域对该方法进行验证,橡胶树林提取的生产者精度为81.00%,提取用户精度为82.65%,总精度为83.50%,Kappa系数为0.78。与其他方法分类结果对比表明,本文方法是一种有效的橡胶林提取方法。     

遥感影像居民地目标Bayesian网络识别算法研究

利用Naive Bayesian网络的学习和推理机制，提出一种在遥感影像上提取居民地目标的方法。该方法通过对所选取的正负样本进行学习，获取Bayesian网络的重要参数，即条件概率和概率分布密度。在此基础上，根据正负样本所构建的条件概率网，对未知类别信息的影像进行分类，从而获取居民地目标的信息。通过对实际全色SPOT5影像中居民地目标的提取，表明该方法具有较高的识别率。     

矢量数据变化对象的快速定位与最优组合匹配方法

要素变化信息对地物生命周期的记录、时空数据库的构建、GIS数据库的更新有重要意义.针对大数据量的变化信息发现,本文采用基于格网划分的方法,通过对空间特征与属性特征汇总信息的对比,只对发生变化的格网进行检测,缩小了检测范围与空间查询区域.为解决要素变化前后的匹配问题,提出一种最优组合匹配法,通过对组合对象空间特征及语义特征的综合比较,从候选要素中选取最佳匹配对象.试验证明,该方法能够高效准确地实现大数据量的矢量数据变化信息的探测,并能很好地解决非一对一的要素匹配问题.     

保持居住区形状特征的街道选取决策模型和方法

不规则居住区的形状特征比较复杂,没有明显的规律性,其主要形状特征是由较长的街道线和较大街道网眼决定的。因此,保持居住区的形状特征,即可能保留较长的街道线和较大街道网眼。街道选取决策模型设计中,对于组成大街道网眼的短小街道,为了提高其贡献度,设计了"周长属性",即统计短小街道组成的街道网眼的周长,从而达到正确反映其贡献度的目的。经实验验证,该模型能够最大限度地保持有街道不规则居住区的形状特征。