七、P25 专业测绘与工程测量

CH20121591基于C4.5算法的道路网网格模式识别=Grid Pattern Recognition in Road Networks Based on C4.5 Algorithm/田晶,艾廷华,丁绍军(武汉大学资源与环境科学学院地理信息系统教育部重点实验室)//测绘学报.-2012,41(1).-121～126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,然后,基于决策树C4.5算法分别对5参量描述和3参量描述数据构造分类器,运用10折交叉验证获得具有说服力的结果,其Kappa值分     

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。     

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。     

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。     

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。     

顾及路网结构保持的城镇居民地自动综合

以往居民地自动综合的研究多集中于建筑物的多边形化简,较少考虑到其与街区、道路网的联系。提出了顾及路网结构保持的城镇居民地自动综合模型,此模型包含道路选取和街区内部结构概括两方面。前者基于网眼密度并结合路划功能选取道路数据,用于街区合并;后者则主要涉及建筑物多边形化简,通过改进矩形差分组合方法,在原有面积阈值的基础上添加距离阈值,并提供新的分层化简思路。以1:1万地图数据到1:5万比例尺的自动综合实验验证了本文算法的可行性和有效性。     

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。     

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。     

城市道路网主干道提取的形态分析方法

基于多边形的形态分析提出一种城市主干道提取方法。首先根据点线数据生成多边形并计算多边形几何形态指标;然后使用支持向量机集成各项指标对生成的多边形进行形态分类,提取候选主干道多边形;最后根据格式塔理论使用区域增长算法连接候选主干道多边形,提取最终的道路网主干道。实验表明,通过本方法能够快速有效地提取道路网中的平行车道。与道路属性数据中的高等级道路比较发现,本文提取的主干道与道路网的建设等级趋于一致。     

Grid pattern recognition in road networks using the C4.5 algorithm

Pattern recognition in road networks can be used for different applications, including spatiotemporal data mining, automated map generalization, data matching of different levels of detail, and other important research topics. Grid patterns are a common pattern type. This paper proposes and implements a method for grid pattern recognition based on the idea of mesh classification through a supervised learning process. To train the classifier, training datasets are selected from worldwide city samples with different cultural, historical, and geographical environments. Meshes are subsequently labeled as composing or noncomposing grids by participants in an experiment, and the mesh measures are defined while accounting for the mesh’s individual characteristics and spatial context. The classifier is generated using the C4.5 algorithm. The accuracy of the classifier is evaluated using Kappa statistics and the overall rate of correctness. The average Kappa value is approximately 0.74, which corresponds to a total accuracy of 87.5%. Additionally, the rationality of the classifier is evaluated in an interpretation step. Two other existing grid pattern recognition methods were also tested on the datasets, and comparison results indicate that our approach is effective in identifying grid patterns in road networks.     

运用图论进行道路网网格模式提取

提出了一种基于图论的网格模式提取方法。该方法根据道路之间的关系生成关系图,运用交、联、提取连通分量和极大完全子图等图论算子完成模式的提取。实验结果表明,该方法能有效地进行网格模式的提取。     

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...     

On the degree correlation of urban road networks

Recent advances in network science and the development of volunteered geographic information (VGI) have created new research opportunities in the topological analysis of road networks. The degree correlation of road networks is rarely studied. This study applied four measures, including the average degree of nearest neighbor, correlation profile, Newman's assortativity coefficient, and Litvak–Hofstad's assortativity coefficient, to measure the degree correlations of road networks represented as dual graphs of strokes, axial lines, and named roads. After investigating 100 road networks worldwide obtained from OpenStreetMap, it has been found that road networks are mostly disassortative or uncorrelated in stroke and named road representations, but assortative when represented as axial lines. Inconsistency in different measures persists regardless of method of representation; therefore, qualitative dichotomy or trichotomy is insufficient to describe the actual connection pattern in road networks. A taxonomy of road network assortativity is proposed. Two of the proposed disassortative types are associated with the absence of a grid pattern and are less robust than the typical disassortative type.     

运用自组织映射识别街道网中的网格模式

提出了一种运用自组织映射识别网格模式的方法。首先,计算街道网中网眼的参数,这些参数是质心、面积、矩形度、延展度、是否含有平行边、边数、一阶邻居数和矩形度平均值;然后,将网眼作为自组织映射的向量进行训练,利用U-matrix可视化方法挖掘聚类得出结果。实验结果表明,该方法能有效地从不规则街道网中识别出网格模式。     

Integrating conventional classifiers with a GIS expert system to increase the accuracy of invasive species mapping

Mapping the cover of invasive species using remotely sensed data alone is challenging, because many invaders occur as mid-level canopy species or as subtle understorey species and therefore contribute little to the spectral signatures captured by passive remote sensing devices. In this study, two common non-parametric classifiers namely, the neural network and support vector machine were used to map four cover classes of the invasive shrub Lantana camara in a protected game reserve and the adjacent area under communal land management in Zimbabwe. These classifiers were each combined with a geographic information system (GIS) expert system, in order to test whether the new hybrid classifiers yielded significantly more accurate invasive species cover maps than the single classifiers. The neural network, when used on its own, mapped the cover of L. camara with an overall accuracy of 71% and a Kappa index of agreement of 0.61. When the neural network was combined with an expert system, the overall accuracy and Kappa index of agreement significantly increased to 83% and 0.77, respectively. Similarly, the support vector machine achieved an overall accuracy of 64% with a Kappa index of agreement of 0.52, whereas the hybrid support vector machine and expert system classifier achieved a significantly higher overall accuracy of 76% and a Kappa index of agreement of 0.67. These results suggest that integrating conventional image classifiers with an expert system increases the accuracy of invasive species mapping.     

基于改进霍夫变换的环形交叉口识别方法

空间分布模式识别对地图综合、地图匹配等具有重要意义。环形交叉口是道路微观环形模式的典型代表。本文以改进的霍夫变换检测矢量圆环为基础,提出一种环形交叉口的几何识别方法。该方法将环形交叉口的识别分为环路识别和支路识别两部分,首先通过圆环识别、均匀度优化及相似度优化3个子过程识别环路,然后再通过连通性判别、支路分类和组合支路补充3个步骤提取支路。选取英国某区域道路网数据进行测试,结果表明,本文方法能够有效识别道路网中的环形交叉口,且召回率和准确率均高于对比方法。     

模糊模式识别在提高地图矢量化精度中的应用研究

在GIS地图矢量化中,由于原始数据的获取,软件算法精度等原因使得矢量图形存在误差,本文阐述了模糊模式识别方法的原理,探讨了利用模糊模式识别对一些常用图形(矩形、圆、三角形等)进行矫正的方法,并应用于对一些具有模糊特征的地物边界进行判别。     

结合多分类器的遥感数据专题分类方法研究

采用标准的多分类器结合方法进行遥感图像的分类研究。首先介绍了标准的多分类器结合的算法,然后以Landsat-TM多光谱遥感数据的土地覆被分类为例,分别给出了抽象级上相同训练特征的多分类器结合、抽象级上不同训练特征的多分类器结合和测量级上的多分类器结合进行土地覆被分类的方法,并进行了实例研究。参与分类器结合的单个分类器包括最大似然分类器,最小距离分类器,马氏距离分类器,K-NN分类器,多层感知器神经网络分类器。分类器的分类精度用总体精度、用户精度、生产者精度、kappa系数和条件kappa系数评价。结果表明,每一种多分类器结合的分类方法都能够比较显著地提高总体分类精度。文章最后对不同多分类器结合方式的优缺点进行了分析。     

一种利用网格划分及方向加权的地图匹配算法

地图匹配算法目的是将偏离道路的点纠正到正确位置上。本文基于传统的点到线的地图匹配算法,通过引入网格划分的概念来确认候选匹配道路,并且加权了方向因素来计算点到线的匹配程度。试验表明,改进后的算法能够提高其准确性,并且一定程度上提高了算法的效率,具有一定的实用价值。