Spatiotemporal patterns of road network and road development priority in three parallel rivers region in Yunnan, China: An evaluation based on modified kernel distance estimate

Road network is a critical component of public infrastructure,and the supporting system of social and economic development.Based on a modified kernel density estimate(KDE)algorithm,this study evaluated the road service capacity provided by a road network composed of multi-level roads(i.e.national,provincial,county and rural roads),by taking account of the differences of effect extent and intensity for roads of different levels.Summarized at town scale,the population burden and the annual rural economic income of unit road service capacity were used as the surrogates of social and economic demands for road service.This method was applied to the road network of the Three Parallel River Region,the northwestern Yunnan Province,China to evaluate the development of road network in this region.In results,the total road length of this region in 2005 was 3.70×104km,and the length ratio between national,provincial,county and rural roads was 1∶2∶8∶47.From 1989 to 2005,the regional road service capacity increased by 13.1%,of which the contributions from the national,provincial,county and rural roads were 11.1%,19.4%,22.6%,and 67.8%,respectively,revealing the effect of′All Village Accessible′policy of road development in the mountainous regions in the last decade.The spatial patterns of population burden and economic requirement of unit road service suggested that the areas farther away from the national and provincial roads have higher road development priority(RDP).Based on the modified KDE model and the framework of RDP evaluation,this study provided a useful approach for developing an optimal plan of road development at regional scale.     

层次分析法支持下的道路洪涝灾害风险评价——以武夷山地区为例

本文首先采用基于多准则决策的层次分析评价法,根据自然灾害风险理论,将洪涝风险影响因子分为危险性和脆弱性两类,子准则层包括平均降雨量、汇流累积量、坡度、海拔和土地覆盖度、道路级别、地表产流能力7个因子,构建了道路洪涝灾害风险评价模型。然后以福建省武夷山地区为研究区,利用地形数据、气象数据及遥感影像提取土地覆盖类型数据,通过道路洪涝灾害风险评价模型,绘制了道路风险分区图。结果表明,中、高风险积水道路占比较高,主要集中在东部、西部和中南部地区。本文对道路洪涝灾害风险所进行的评价,可服务于洪涝灾害风险预警和应急救援规划。     

改进的HRNet应用于路面裂缝分割与检测

针对利用传统卷积神经网络进行路面裂缝分割时存在准确率低、信息丢失及边缘模糊的问题,本文提出了基于改进HRNet模型的路面裂缝分割算法。模型在原始HRNet的基础上进行改进,主干网络部分采用DUC模块代替双线性插值上采样;下采样改为passthrough layer代替原始卷积;在模型解码部分,进行逐级上采样的同时引入SE-Block,对不同特征层的融合重新标定权重。通过与原始HRNet及传统卷积神经网络U-Net对比可知,本文算法在公共数据与自制数据集上的分割精度表现优秀,F1分值分别达到了91.31%和78.69%,可以很好地满足实际工程的需求。     

多源道路智能选取的本体知识推理方法EI北大核心CSCD

大数据时代道路数据来源日益增多,跨数据源的道路选取面临巨大挑战。本文针对数据语义不一致问题,提出一种基于本体知识推理的多源道路选取方法。首先,将1∶5万基本比例尺地形图道路数据作为基础案例,将四维图新导航电子地图和开放街道地图中的道路数据作为试验数据,基于stroke计算道路等级、长度、连通度、接近度、中介度特征项,提取特征项概念并构建本体;然后,从语义特征项和数值特征项两方面计算本体概念相似性,建立基础案例与试验数据间的关联关系;最后,基于本体和语义网规则语言定义本体通用、语义特征、数值特征三类选取规则,实现跨数据源道路选取的过程性知识推理。试验表明,本文方法可基于本体概念相似性度量消除语义差异,同时利用语义网规则语言进行知识推理,可实现多源道路数据向基本比例尺数据的智能选取。     

基于GWR模型的道路网络对森林碳密度干扰的地理变异

以闽江上游地区为例,在分析三明市2007—2016年森林碳密度时空动态的基础上,采用常规的以及改进后的道路网络测度指标,应用缓冲区分析方法和地理加权回归（Geographically Weighted Regression,GWR）模型,从线上和面上分别探讨道路网络对森林碳密度干扰的地理变异规律。结果表明：① 碳密度受到道路网络的较大影响,路网影响域内外碳密度的大小排序为：路网影响域内＜整个研究区＜路网影响域外;多条道路影响域重叠区的碳密度(26.330 Mg/hm²)明显低于单条道路影响域的碳密度(37.406 Mg/hm²);不同等级道路影响域的碳密度由大到小依次为县道＞高速＞省道＞其它道路＞国道＞乡道。道路网络对2007—2016年碳密度的降低也有明显影响。② GWR模型的分析结果表明,路网对碳密度的影响程度随着样点的变化而变化,具有“空间非平稳性”。碳密度随着路网密度的增加而降低,而随着离道路距离的增加而增加。③ 研究区西北部和中部,GWR的回归系数及相关系数均较大,表明这2个区域道路对碳密度影响大且解释力皆较强。     

面向道路网络地图示意化的线形简化方法

针对当前示意网络地图线形状简化方法中存在需要人工干预或地图认知度低的问题,本文提出自动化程度高并能保证良好地图认知的线形状简化方法.该方法通过合理设定线形状简化中所需的阈值以避免人工干预,提高了线形状简化过程的自动化程度,并通过在简化过程中应用平滑算法,以减少示意结果中线对象在方向上的转折数,从而提高了简化度和清晰度.试验表明该方法不仅可以生成清晰的示意结果,并且能够保证良好的地图认知度.     

基于数字地形的三维道路快速建模与应用

介绍一种在高精度三维地形模型的基础上,通过导入道路规划设计快速生成三维道路模型,并进行土石方量计算等量化分析的方法。基于三维道路模型,可以开展各类可视化分析和规划管理工作,为非专业人士理解规划设计意图提供了直观的方式。最后,以典型示范应用为例,说明研究成果可应用的领域和效果。     

交通运输最短路径分析系统的设计与实现

针对目前交通运输效力发挥不足的问题,研究道路网络模型构建和道路数据库设计,探讨分析交通运输最短路径分析流程,基于Dijkstra算法的基本原理,设计实现交通运输最短路径分析系统,从而优化运输资源配置,实现高质高效的交通运输。     

南方丘陵地区路域植被光谱处理与分析

以长沙—湘潭高速公路路域植被为研究对象,进行植被实地调查和野外光谱测定,分析主要植被类型光谱曲线,健康植被与非健康植被光谱差异,对植被光谱数据进行一阶微分和微分增量处理对比研究。研究表明:光谱反射率一阶微分和微分增量处理对消除土壤背景对地物光谱影响均有效,但微分增量处理更能突出植被信息。研究对遥感植被光谱分析具有一定参考价值。     

采用网络分区与预计算策略的k近邻查询算法

k近邻查询是GIS和空间数据库等领域的研究热点.文章针对道路网络中的k近邻查询,通过分区以及预计算近邻集策略,获得查询点的k近邻结果:首先利用自适应格网分区方法将道路网络划分为若干格网单元,并存储格网内节点与边界点、边界点之间距离;其次在网络中的节点预先存储近邻集.实验证明,在兴趣点密度高、k值较大情况下,算法具有较好的性能.