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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

基于网格模型的导航道路图渐进式化简方法

针对将导航数据精度降低时的道路图形综合转换为基于网格模型的线图形化简问题,提出了一种基于网格模型的导航道路数据渐进式协同图形综合方法。该方法能保证综合后的单条道路和道路网都与原始高精度数据保持空间方向关系相似。在数据处理过程中,用导航需求来约束道路的渐进式图形简化,并对道路形状和道路交叉处的空间方向关系进行维护,顾及了导航中道路的可视化效果。已用实际生产中的导航数据进行了验证,证明了本文方法是有效且实用的。     

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。     

兼顾连通性的U-Net网络高分辨率遥感影像道路提取

遥感影像道路提取结果中的断线一方面降低了提取精度,另一方面影响了道路形态完整性,使得提取结果不能直接应用于空间决策与分析。本文基于U-Net网络在高分辨率遥感影像道路提取时全局特征表达的优势,提出一种兼顾连通性的道路断线修复方法完善U-Net网络局部特征表达的劣势。首先,利用数据增强和扩充数据量后的样本数据作为U-Net网络的输入以此训练模型并进行最优模型的道路提取;然后,对提取结果中出现的道路断线以三次多项式曲线拟合的形式进行优化处理。实验表明,与相近网络比较,本文道路提取的精度和形态完整性有了明显的提高,查准率为86.25%,查全率为85.50%,F1-score达到了85.87%。其成果数据能直接地应用于地理决策分析,特别有利于灾后的路径规划,本文提出的方法对道路、电网、轨道、河流等线性地物分类结果中出现类似断线问题具有一定的参考意义。     

基于众源数据的室内外一体化行人路网构建

行人路网的完整性和准确性是保障步行导航服务的关键。当前的行人路网大多是基于室外道路设施构建的,缺乏室内可步行路径的数据支持,无法在导航应用中提供准确、真实的最优路径规划服务。鉴于此,本文提出了一种基于众源数据的室内外一体化行人路网构建方法,采用智能手机定位传感器与惯性传感器记录的众源轨迹,首先对缺失或者漂移的室内步行数据进行筛选,然后使用改进的行人航位推算(PDR)方法推算出准确的室内轨迹,进而采用莫尔斯理论生成涵盖室内外行人路径的完整行人路网。试验分析中对搜集到的260条步行轨迹数据进行行人路网构建,并使用高精度测量设备采集真实路网数据进行对比分析,结合OSM数据对试验结果进行综合评价。试验结果表明,本文方法能够准确、完整地生成室内外一体化行人路网。     

多山地区输电通道内道路提取方法

准确提取输电通道内各地物类别是进行输电通道三维建模及交跨分析的基础。为解决目前贵州等多山地区输电通道内道路提取方法稳健性低、效率低的问题,本文通过结合道路特征显著性检测与形态约束的方法对影像中多山地区输电通道内道路的快速准确提取进行了研究。首先,对卫星影像中山区道路特征进行分析,对每个像素分别计算基于道路颜色一致性和结构一致性的像素级显著值;然后,结合显著目标空间先验知识融合显著性检测结果,形成最终道路显著图,初步提取影像中道路目标;最后,分析道路与建筑物等的差异性,基于道路形态一致性定义道路形态约束条件,通过制定约束规则最终实现道路的准确提取。结果表明,该方法对于不同弯曲程度、粘连程度及影像对比度的道路都能实现快速准确提取,提取完整度、正确率、质量及耗时平均分别为97.5%、97.0%、95.6%、0.515 s。该方法稳健性高,可以快速、准确提取各种情况下道路,在输电线路工程实际中有很好的应用前景。     

矢量数据辅助的高分辨率遥感影像道路自动提取

高分辨率遥感影像上细节信息繁杂、干扰物普遍存在,对其进行自动化道路识别与提取的相关研究仍处在探索阶段。在道路提取过程中引入矢量数据辅助,可解决初始信息获取的困难,得到可靠性较强的训练样本。为此,提出一种矢量数据辅助下的道路提取方法,能够筛选出矢量数据中包含的有效信息,引导实现对高分辨率遥感影像的道路自动提取。利用Mean-shift滤波对图像进行预处理后,首先从矢量数据获取候选种子点,并通过提炼同质区域的形状特征剔除错误候选点;然后,自动获取负样本点以进行朴素贝叶斯分类,并采用邻域质心投票算法从分类影像提取道路中心线;最后,结合像素跟踪与方向判断矢量化道路中心线,并提出一种基于矢量几何分析的断线连接与毛刺剔除方法,对提取结果进行信息修复与规整、优化。实验结果显示,该算法的提取质量达到80%以上,且具备较强的稳健性,能够适应具有不同道路辐射和分布特征的高分辨率遥感影像。     

利用城市骨架线网的道路和居民地联动匹配方法

同名道路或者居民地数据间由于数据一致性程度不高,往往存在较大的几何位置偏差,当对道路或者居民地单独进行匹配时,不利于提高匹配正确率和效率。针对这一问题,本文提出了一种利用城市骨架线网的道路和居民地联动匹配方法。联动匹配即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,利用约束Delaunay三角网对地图构建城市骨架线网。然后,通过道路、骨架线、骨架线网眼和居民地之间的拓扑关系建立道路和居民地之间的匹配传递模型。最后,根据该传递模型实现通过道路匹配带动居民地匹配或者通过居民地匹配带动道路匹配的联动匹配。该方法优势在于只要有一种要素的数据一致性比较好,就能带动另一种要素取得很好的匹配效果,同时符合人类进行匹配时的认知过程。     

改进全卷积网络方法的高分二号影像农村道路提取

针对目前利用高分遥感数据提取农村道路的研究与应用少,提取结果精准度不够的问题,提出了结合空洞卷积和ASPP（Atrous Spatial Pyramid Pooling）结构的改进全卷积农村道路提取网络模型DC-Net（Dilated Convolution Network）。该模型基于全卷积的编解码结构来提取道路深度特征信息,同时针对农村道路细长的特点,在解编码层之间加入了以空洞卷积为基础的ASPP（Atrous Spatial Pyramid Pooling）结构来提取道路的多尺度特征信息,在不牺牲特征空间分辨率的同时扩大了特征感受野FOV（Field-of-View）,从而提高细窄农村道路的识别率。以长株潭城市群郊区部分区域为试验对象,以高分二号国产卫星遥感影像为实验数据,将本文提出的方法与经典的几种全卷积网络方法进行实验结果对比分析。实验结果表明：（1）本文所提出的道路提取模型DC-Net在农村道路的提取上具有可行性,整体提取平均精度达到98.72%,具有较高的提取精度;（2）对比几种经典的全卷积网络模型在农村道路提取上的效果,DC-Net在农村道路提取的精度和连结性、以及树木和阴影的遮挡方面,均表现出了较好的提取结果;（3）本文提出的改进全卷积网络道路提取模型能够有效地提取高分辨率遥感影像中农村道路的特征信息,总体提取效果较好,为提高基于国产高分影像的农村道路提取精度提供了一种新的思路和方法。