多约束的平面点集形状重构方法

针对平面点集空间分布的复杂性,本文提出了一种基于Delaunay三角网的平面点集形状重构方法。首先采用一种简单且实用的数据结构以表达Delaunay三角网中嵌入的几何信息和拓扑信息,然后由外向内迭代过滤Delaunay三角网得到一个大概边界,最后进一步考虑边界的凹凸信息和空洞现象,获取最终的精细边界。试验结果表明与其他典型的Delaunay三角网重构方法相比,本文提出的算法能更好地适用于平面点集空间分布的复杂性,通过所构建的数学模型实现了凸凹多边形内外边界提取。     

一种顾及空间关系约束的线化简算法

线要素化简在制图表达与综合领域一直是研究的热点和难点之一。然而,经典化简算法多针对单独线要素进行处理,缺乏对该线要素与周边线要素之间整体空间关系的考虑,并且,存在计算结果生硬(D-P算法)、局部极值点缺失,特别是在曲度较大之处出现相交异常(L-O算法)等问题。为此,本文提出一种顾及空间关系约束的线化简算法,建立线要素全局化简方法(LGSM)和矢量位移、面积位移等5类评价指标。采用等高线、河流和道路3类线要素实际数据进行了试验,充分检验了本文算法的优越性,其处理结果符合开方根模型规律,降低了曲线复杂度,在保证全局空间关系不变条件下,不仅更好地保持了曲线整体形状特征,而且光滑美观、精度高。     

面向公平分配的时变应急服务覆盖优化

应急服务需要根据实际情况在城市的某些区位中提前布置,才能保证需求发生时能在规定时间内到达需求位置,提供应急服务。布置区位时,需要根据时变交通条件的变化,适当考虑时空的合理分布,以为城市居民提供较为公平的服务覆盖。传统最大区位覆盖模型较少考虑服务的公平分配,特别是在时变交通和复杂大规模路网条件下,缺乏对公平量度的显式建模。基于目前区域覆盖优化模型的最近进展,扩展了传统最大区位覆盖模型,建立面向公平分配的时变应急服务覆盖模型,提出了相应的启发式高效求解方法。利用武汉市数据进行实验验证,证实模型求解得到的区位配置解较之传统模型,不仅提供了更加公平的应急服务覆盖,也考虑到了时变交通条件,改善了应急资源在时空上的均衡配置水平,整体上提高了应急服务质量。     

利用生物地理学优化算法获取城市扩展元胞自动机模型参数

提出了一种基于生物地理学优化算法寻找城市扩展元胞自动机（cellular automata,CA）模型最佳参数的方法。转换规则制定及相应权重参数获取是构建城市扩展CA的核心和难点。生物地理学优化算法（biogeography-based optimization,BBO）通过模拟生物物种在栖息地的分布、迁移和灭绝来求解优化问题。利用BBO算法自动获取城市扩展CA模型参数值,构建BBO-CA模型进行城市扩展模拟实验,并与粒子群算法（particle swarm optimization,PSO）、蚁群算法（ant colony optimization,ACO）、遗传算法（genetic algorithm,GA）及逻辑回归（logistic regression,LR）等方法相比较。结果表明,BBO算法具有较好的收敛性,可有效地快速自动寻找城市扩展CA模型最佳参数组合,获取的空间变量权重参数较为合理;BBO-CA模型明显提升了城市用地模拟精度,城市用地模拟精度为72.5%,相对PSO、ACO、GA、LR各算法分别提升了1.1%、1.2%、2.7%和4.0%,Kappa系数达到0.700,分别提升了0.015、0.016、0.034和0.046,且整体空间布局与实际情况更为接近,验证了应用BBO算法的可行性与优势。     

粒子群优化BP神经网络的滑坡敏感性评价

滑坡敏感性评价是地质灾害预测预报的关键环节。针对BP神经网络易陷入局部最小值、收敛速度慢等问题,该文以三峡库区秭归县境内为研究区,采用粒子群优化(PSO)算法对BP神经网络的初始权值和阈值进行优化,构建PSO-BP神经网络滑坡敏感性预测模型,实现研究区滑坡敏感性评价。采用受试者工作特征曲线分析模型预测精度,得到PSO-BP神经网络预测精度为0.931,预测结果与实际滑坡总体空间分布具有良好的一致性,且预测能力优于BP神经网络。实验结果表明,PSO-BP神经网络耦合模型在实现滑坡敏感性评价上具有理想的预测精度和良好的适用性。     

多目标遗传算法改进的加权多点灰色模型

针对传统多点灰色预测模型MGM(1,n)白化背景值构造方法不合理性导致模型往往不符合变形体实际情况的问题,该文提出了一种基于遗传算法的加权MGM(1,n)模型。引入白化背景值最佳生成权值矩阵替换传统模型背景值构造公式中的紧邻均值生成权阵,较好地顾及变形区域内多监测点变形趋势的突变性与不规则性,弥补了线性系统MGM(1,n)模型在非线性动力学系统变形预测分析应用中的不足;建立多目标优化实数编码遗传算法,实现背景值最优构造权阵的迭代搜索。基于仿真和工程实例数据的建模结果表明:改进模型较传统MGM(1,n)模型预测精度提高,抗噪声干扰能力增强。     

公平导向的学校分配空间优化——以北京石景山区为例

空间优化正从地理学的一个研究方向成为学科分支,但公平导向的公共服务空间分配优化研究还较薄弱。学区配置是这方面的一个典型问题,受到社会的广泛关注。针对“多校划片”的随机入学方式,以各居住小区所获得的教育质量期望值的方差来定义入学指标空间分配的公平程度,构建了以该方差最小化为目标、包含最大上学距离约束的二次规划模型,探求各小区对所获得指标进行随机抽签的情景下,各校入学指标在各小区的公平最大化分配,并以北京市石景山区为案例进行了应用研究。结果表明,在维持学校布局和师资配置现状的前提下,与“就近入学”相比,公平最大化的“多校划片”能以有限的上学距离代价,显著降低教育分配的空间差异。在最大上学距离为5 km的约束下,各小区教育质量期望值的方差降幅高达99%,教育质量期望值有所提升的小区或学生比例高达约2/3;付出的上学距离代价较显著但可接受,平均上学距离增加到3.99倍,达到3.20 km,仍低于案例区实际平均上学距离。当模型的最大上学距离参数从5 km逐步增至8 km时,教育公平的改善呈指数增长,平均上学距离呈算数增长;当距离为7 km时,各小区教育质量期望值的方差趋近于0,可基本实现上学机会的空间均等化。本文进一步讨论了优化结果对入学政策的启示。     

网络约束点格局分析研究综述

随着信息通信技术高速发展,地理相关大数据使得传统的空间分析面临着机遇与挑战。平面空间分析方法在分析网络空间点要素空间过程、揭示其空间分布时的弊端日益凸显,由此对探索网络约束点要素特定的分析方法的关注度不断提高。本文定义了网络约束的思想,详细阐述了网络约束点格局分析方法体系,并分别从网络约束点格局的理论和应用出发,梳理了网络约束点格局分析的一阶方法、二阶方法及其他方法上的研究进展,总结了网络约束点格局分析在交通安全领域、犯罪学领域和其他城市点要素中的典型应用,最后在方法与应用层面,讨论近年重要的研究动向及未来的发展趋势。     

基于物方空间几何约束最小二乘匹配的建筑物半自动提取方法

提出了一种从数字航空立体像对半自动提取建筑物的方法。操作员通过人机界面选择房屋的种类并输入初始位置，然后经过边缘检测、直线段提取和据此房屋几何模型的线段自动编组等处理得到各房屋角点的初始位置，最后，为了获得房屋的精确定位和符合物方严格几何约束的结果，基于物方空间几何约束的最小二乘匹配平差模型用于求取房屋直线边缘和物方几何模型的最优匹配，试验表明，该方法能提高建筑物的提取精度并可为半自动建筑物提取提供一个灵活的框架。     

小生境遗传算法求解多峰问题在反演中应用

基于反演问题的不确定性和目标函数的多峰性，引入改进的小生境遗传算法，求解出目标函数的若干个局部峰（或全局峰），然后利用先验知识，判定得到满意解，并利用褶积模型进行层速度反演，通过理论速度与反演速度的比较，验证了进行多峰优化的有效性。