道路网层次骨架控制的道路选取方法

提出了基于路网层次骨架控制的道路自动选取方法。首先,该方法以stroke为单位,利用中介中心性值对stroke进行层次结构划分;其次,采用结构特征识别完善道路层次骨架;第三,基于层次骨架间的连通关系建立逐层传递的stroke重要性计算模型;最后,通过该计算模型自上而下的逐层计算,得到stroke重要性,并据此完成道路网选取。采用3种典型道路网数据,对本方法与其他主要常规stroke选取方法进行对比,试验结果表明本方法不但对语义的依赖性极低,同时消除了中介中心性在评价道路重要性时对边缘道路的不利影响,在保持道路网整体结构和层次性上有较为明显的优势,可适用于各种形态的道路网选取。     

地图自动综合中的监控Agent模型构造

简要介绍了Agent的起源、发生和发展以及技术和基本特点。在分析了自动综合的现状和发展需求的基础上，把Agent技术引入到自动综合中来，并利用Agent的自治性、反应性、能动性、学习性、通信性和移动性等基本特性，提出了一种基于Agent的地图综合模型，即自动综合的监控Agent模型，用于对自动综合的综合行为进行监控。同时地图综合知识库的建立和应用，大大提高了Agent的自动反应能力，对自动综合的综合过程起到了强有力的保障和监督作用，文中最后列举了相应的例子。     

自动综合算子分析及算法库的建立

在分析自动综合过程和自动综合系统构成的基础上,指出了自动综合算子库对自动综合的必要性,并以现有的各种综合算子划分为参考,对自动综合算子进行了重新划分,提出了算子库中的算法集合,以此来建立自动综合算子库.     

基于关键比例尺的空间数据多尺度表达

已有的空间数据多尺度表达多为基于静态多版本机制的.其原理是通过不同的系列比例尺数据之间的尺度变换来模拟地理要素的连续显示,这在地图缩放过程中给用户视觉上造成了较强的跳跃感.这里在相邻的基础比例尺数据之间插入中间比例尺(关键比例尺)数据来进行空间数据的多尺度表达,给用户连续的视觉感受.     

立交桥识别的CNN卷积神经网络法

OSM数据中立交桥结构的识别和分类,能够为构建多尺度模型、导航和位置服务、拥堵分析等提供重要信息。传统的立交桥识别方法依赖于人工设计的低层次特征,无法有效区分存在干扰路段的复杂立交桥结构。本文针对当前算法抗差性上存在的不足,提出了一种新的基于卷积神经网络的立交桥识别方法。该方法将矢量数据与栅格图像相结合,利用神经网络学习区分立交桥类型的高层次模糊性特征,从而对OSM中的复杂立交桥结构进行分类。试验表明,该方法有较强的抗干扰性,在复杂的立交桥形态分类中取得了良好的效果,并随着案例库的扩充和神经网络模型的优化存在进一步提升的空间。     

利用层次分析法匹配面状居民地

针对目前居民地要素匹配中相似性度量权值设置较为随意的问题,提出一种利用层次分析法匹配面状居民地的方法。首先,根据相似性指标确定相似性权值;其次,通过层次分析法使权重的计算变得合理,进而生成综合指标评价模型;最后实现居民地要素匹配。实验证明了该方法的有效性和科学性。     

地图综合智能化研究的发展与思考

地图综合是地图制图和多尺度空间数据变换的核心与关键技术。20世纪60年代以来,数字地图数据的自动综合研究逐渐展开并取得了长足的进步,囿于人工智能技术的限制,地图综合的智能解决方法虽有不少成果,但距离真正的智能化、实用化仍有一定的距离。近年来,以深度学习为代表的人工智能技术应用于诸多研究领域并取得显著成效,地图综合的智能化研究也有诸多新的尝试。首先,在归纳自动地图综合研究模式的基础上,阐述了智能地图综合研究的必要性;然后,结合人工智能发展历程回顾智能地图综合研究,梳理和分析了基于传统机器学习与基于深度学习的智能地图综合研究现状,并归纳了地图综合智能化研究的主要方法;最后,围绕地图综合智能化研究中的几个热点问题,探讨了智能地图综合的发展趋势。     

相邻比例尺居民地匹配

首先以居民地要素为例,通过对多对多关系产生原因的分析,明确制图综合中典型化操作是多对多关系产生的主要根源。其次,从对多对多匹配的实例入手,根据邻近、轮廓规则、分布有序等特征,设计了多对多关系的探测和发现方法。最后,根据典型化算法整体性、结构化的原则,从群对象的对象结构、轮廓形状、面积和方位等特征入手,设计了相邻比例尺多对多匹配算法。实验表明,该方法符合人类的匹配认知习惯,能够有效发现并确认相邻比例尺中同名对象之间的多对多对应关系。     

基于CIRCLE特征变换的点群选取算法

本文在分析了当前地图自动综合算法的基础上,提出了一种基于Circle特征变换的点群选取新算法。文中介绍了该算法中空域中心点的确定、目标特征空间的计算、坐标空间到特征空间的转换、特征空间的聚类以及特征空间的化简等关键步骤。最后就算法的结果进行了分析与评价。     

地图自动综合中的监控Agent模型构造

简要介绍了Agent的起源、发生和发展以及技术和基本特点.在分析了自动综合的现状和发展需求的基础上,把Agent技术引入到自动综合中来,并利用Agent的自治性、反应性、能动性、学习性、通信性和移动性等基本特性,提出了一种基于Agent的地图综合模型,即自动综合的监控Agent模型,用于对自动综合的综合行为进行监控.同时地图综合知识库的建立和应用,大大提高了Agent的自动反应能力,对自动综合的综合过程起到了强有力的保障和监督作用,文中最后列举了相应的例子.