基于格网划分的海量数据Delaunay三角剖分

提出基于格网划分、面向海量数据的Delaunay三角剖分方法,它首先把数据集划分为若干格网块,按照格网划分的逆序对每个格网块采用基于自适应格网划分的分割-合并算法进行Delaunav三角剖分,把格网块Delaunay三角网中不受边界影响的三角形进行存储并释放内存,然后顺序合并相邻格网块Delaunav三角网,形成全局或类全局Delaunay三角网.该方法对计算机硬件配置要求较低,适合于并行处理,可以实现面向海量数据的Delaunay三角剖分.     

城市海量三维场景的高效裁剪算法研究

针对目前三维GIS领域缺少城市海量三维场景的快速裁剪算法,方便城市三维数据的分发与应用,本文在对三维场景进行分区组织以及动态调度的基础上,提出了一种层-区-块-模型四层次由粗到精的快速真三维裁剪算法。数个城市的应用实践证明,该算法准确、高效,适用于城市海量三维场景的快速裁剪。     

一种基于地址分词的自动地理编码算法

针对我国多数城市地名/地址表述的不规范性,基于可伸缩地址模型提出地理编码数据库的构建方案,设计一种基于地址分词的自动地理编码算法.首先根据地理编码库编制地址词典,利用地址词典对地名/地址进行地址分词,形成地址要素及其级别;然后再对地址要素及其级别组合形成查询条件到地理编码库中进行匹配;最后分析影响这种地理编码算法精准度...     

基于三维地理信息服务平台的户外广告牌管理系统设计与实现

针对三维地理信息的发布和引用、三维模型与业务数据的图属关联等关键技术进行研究,基于三维地理信息服平台搭建某市户外广告牌管理系统。实践证明,这种业务系统搭建方式开发敏捷,工作量小,便于数据的更新与整合,是数字城市建设的一项有益尝试。     

基于地面监测数据的潍坊市O3时空特征研究

采用2008—2016年潍坊市38个监测站点O3的监测数据,按照时刻、日、月、季度等不同时间尺度,运用统计方法得出潍坊市O3污染时空特征,并对其成因进行分析,得出了以下结论:1)在9年时间里,O3污染在2009年以后逐渐呈下降趋势,2014年出现轻微波动;2)O3具有明显的季节变化特征,夏季浓度较高,每年5—8月为污染高峰月,高达139.08μg/m3,秋季次之,其次是冬季、春季;3)潍坊市O3污染“周末效应”显著,星期六和星期日O3浓度达到较高水平,星期四、星期五浓度相对较低;4)在一天中,午后浓度达到高峰,凌晨及夜间O3浓度较低。     

土地开发整理系统的设计与实现

开发基于地理空间信息的土地开发整理系统可以有效规避实际管理操作中可能存在的土地重复开发、重复占补等问题。结合全国数字城市建设的经验,提出了一种基于网络地理信息服务实现土地开发整理系统的思路。这种思路基于数字城市地理空间框架提供的地理数据服务和功能服务,充分利用地理信息公共平台软件提供的API进行快捷开发。实践表明,这种模式能够有效提升土地开发整理系统的开放性,降低系统与数据的耦合度,并实现国土业务各部门之间最大程度的信息共享。     

丝绸之路经济带的地理空间认知框架研究

针对现有的丝绸之路经济带研究主要集中在人文角度的描述、统计和分析,缺少形象的空间思维手段和对经济带战略全局的整体把控的现状,该文在分析丝绸之路经济带地理特点的基础上,提出了丝绸之路经济带地理空间认知框架,认为丝绸之路经济带的地理空间认知是从概念空间、数据空间到信息空间、知识空间,最后形成智慧空间的认知深化过程,并重点研究了专家认知和用户认知两个关键环节。在此框架下,该文结合丝绸之路经济带的地理特点和测绘地理信息行业的技术现状从地理概念、地理数据、专家认知和用户认知四个方面分析了丝绸之路经济带的主要认知内容。研究表明,用户地理空间认知的深化程度依赖于前期的专家认知成果,专家在认知过程中必须时刻围绕用户的地理空间认知需求,专家认知和用户认知是地理空间认知有机统一的两个核心环节,不可割裂或偏废;直观的地理概念、准确的地理数据、丰富的专家经验和便捷的分析工具是科学认知丝绸之路经济带的技术保障,可以为区域经济合作战略的实施提供更多的地理智慧。     

基础地理实体MA标识体系初探

针对当前因基础地理实体标识码不统一、不持久导致的多源数据无法与其精准对接、数据资源无法高效流通的问题,该文在对比研究当前主流标识体系的基础上,设计了适用于新型基础测绘与实景三维建设的基础地理实体MA标识体系,涵盖实体编码、标识注册、标识解析及基于实体标识的应用服务等。研究与实验表明,基础地理实体MA标识码具备全球唯一、终生保持等特点,基础地理实体MA标识体系能够支撑构建基础地理实体的应用生态,未来可以从根本上解决多源数据关联共享的难题。     

顾及上下文语境的交通命名实体自动识别方法

网络文本中蕴含着大量的交通信息,对交通命名实体识别是地情变化监测、交通实体更新的重要前提。针对交通命名实体识别任务中缺少专业标注数据和有效识别方法导致识别效果无法满足需求的问题,文中提出一种融合深度学习模型的交通命名实体自动提取方法。该方法首先利用语言表征模型充分融合语境来提取文本特征,然后通过结合双向神经网络模型来学习上下文语境,最终由条件随机场模型对输出进行约束得到全局最优标记序列实现交通实体的识别。实验证明,该方法准确率可以达到90%以上,能够实现对交通实体的有效识别。     

基于空间索引的规则格网DTM内插算法研究

从离散点内插规则格网数字地形模型(DTM)方法的关键是如何提高待插点周围数据的搜索效率。该文针对离散点的空间分布特性,给出了基于网格分块和KD-Tree两种空间索引技术的规则格网内插方法。实验表明,这两种索引方法能显著提高搜索速度,算法内插效率较高。最后,在算法效率分析的基础上,对两种索引方法所适应的条件进行了讨论。