共查询到17条相似文献,搜索用时 874 毫秒
1.
2.
3.
地图综合的本质是一种空间相似变换,制图者在相似原则的指导下实施概括,读图者从包含相似性的地图中形成心象地图、重构现实世界。因此,多尺度地图空间中的相似关系研究非常重要。然而,由于相似的可计算性差,且其计算的目的在于揭示更深层次的信息,地图综合中相似关系尤其是语义相似关系的研究相对较少。针对这一问题,本文以语义功能区约束下的大比例尺街区式居民地合并(1∶1750至1∶4000)为例,基于匹配距离模型计算建筑物合并中的语义相似度,得到语义相似度在关键比例尺节点的值,并对结果进行分析、评价。试验表明,语义功能区约束下的建筑物合并符合读图者的地图认知需求,本文所述方法有助于地图更好地发挥信息传输载体的作用。 相似文献
4.
5.
多尺度点群相似度计算在制图综合过程控制及结果评价中具有重要作用。针对现有方法的不足,提出一种基于广义Hausdorff距离的多尺度点群相似度计算方法。在传统Hausdorff距离基础上,建立距离相似度计算公式;给出拓扑距离的定义及计算方法,建立基于拓扑Hausdorff距离的拓扑相似度计算公式;以点群最小外包圆为基础建立方向关系参考框架,给出方向距离定义,建立基于方向Hausdorff距离的方向相似度计算公式,并得出总相似度计算公式。通过多尺度点群相似度计算实验及综合结果评价实验,验证了所述方法的可行性和有效性。 相似文献
6.
制图综合的方式制图综合的方式主要有:地图图形的概括,地图内容的选取,制图物体数量特征的概括,制图物体质量特征的概括,以集合图形代替单个地物符号。一、地图图形的概括 1.什么是地图图形地图图形是指制图物体(或现象)在地图上的形状。地形图上的地图图形有三类:①线状地物图形;②轮廓地物图形;③等高线图形。 2.概括地图图形的目的 相似文献
7.
提出了一种顾及结构和几何特征的道路网自动选取方法。综合考虑道路的度中心性、集聚系数和路划的几何长度等道路选取影响因素,提出一种道路重要性评价方法。实验结果表明,本文方法能够很好地保持选取道路网的整体与局部结构、拓扑结构以及路网连通性。基于该方法,由大比例尺地图选取出的小比例尺地图与相应标准比例尺地图保持较高的一致性,表明该方法是稳定可靠的。 相似文献
8.
如何快速、自动地实现多尺度地图自动综合结果质量评价,对提高空间数据质量、加快空间数据生产周期等具有重要意义.本文在综合考虑拓扑关系、方向关系和距离关系的基础上,基于SRM模型提出了基于面状目标的空间关系相似性的度量方法,为地图自动综合提供空间关系评价和维护的参考. 相似文献
9.
10.
研究了运用缓冲区叠加、Delaunay三角网骨架线等算法建立基于语义优先的制图综合模型,对土地利用图斑进行了聚合、融合等操作,从空间信息的角度选取了拓扑信息熵、专题拓扑信息熵两种评价指标,对综合前后的地类、地图两个层次的空间信息进行了对比研究。结果表明:从地类角度分析,综合前后,由于其他农用地分布零散,其拓扑信息熵、专题拓扑信息熵的变化率最大,分别为40.35%、38.60%;从地图角度分析,综合过程导致地图原有的部分空间信息消失,综合后地图的拓扑信息熵、专题拓扑信息熵均减小。 相似文献
11.
Parastoo Pilehforooshha 《国际地球制图》2019,34(9):1000-1021
Building pattern extraction is an essential step in building generalization. Although many studies have already been conducted, there is a lack of a framework for extracting building patterns. To overcome this problem, an integrated framework for extracting building linear patterns is presented. First, an aggregation function is presented based on the TOPSIS method, which determines the similarity index in terms of area, shape, rectangularity and distance similarities. This results in the extraction of straight and perpendicular patterns using the similarity index and orientation difference criteria. Second, a refinement strategy is proposed, which refines the extracted patterns using a novel definition of the pattern interaction index. To evaluate the proposed model, the complete building group generalization process is implemented using a data-set at 1:25 k scale. The evaluation results allowed us to conclude that the proposed model produces meaningful results, and therefore it would be beneficial in the generalization process. 相似文献
12.
13.
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。 相似文献
14.
作为土地利用图综合的一个重要组成部分,线状要素综合质量的好坏对于有效提高自动制图综合的正确率具有重要意义。本文基于模糊综合评判理论对土地利用图中线状要素的综合进行了质量评价。首先,基于制图综合约束,确定评价指标体系,组成评价因素集;其次,在确定评判集和权重集的基础上,建立线状要素综合质量评价模型;最后,利用试验验证了评价方法的有效性。该研究为客观评价土地利用图中线状要素的综合质量提供了新的思路。 相似文献
15.
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。 相似文献
16.
Proximity-based grouping of buildings in urban blocks: a comparison of four algorithms 总被引:4,自引:0,他引:4
Grouping of buildings based on proximity is a pre-processing step of urban pattern (structure) recognition for contextual cartographic generalization. This paper presents a comparison of grouping algorithms for polygonal buildings in urban blocks. Four clustering algorithms, Minimum Spanning Tree (MST), Density-Based Spatial Clustering Application with Noise (DBSCAN), CHAMELEON and Adaptive Spatial Clustering based on Delaunay Triangulation (ASCDT) are reviewed and analysed to detect building groups. The success of the algorithms is evaluated based on group distribution characteristics (i.e. distribution of the buildings in groups) with two methods: S_Dbw and newly proposed Cluster Assessment Circles. A proximity matrix of the nearest distances between the building polygons, and Delaunay triangulation of building vertices are created as an input for the algorithms. A topographic data-set at 1:25,000 scale is used for the experiments. Urban block polygons are created to constrain the clustering processes from topological aspect. Findings of the experiment demonstrate that DBSCAN and ASCDT are superior to CHAMELEON and MST. Among them, MST has exhibited the worst performance for finding meaningful building groups in urban blocks. 相似文献