Modelling the spatial evolution of map objects by map agents

To overcome the weakness of modelling the relationships between map objects that represent the same geographic entities or phenomena at different times and scales, an agent-based approach is presented to modelling of the spatial evolution of map objects for better understanding of the evolutional process of different maps. Map agents are used to establish and manage the many-to-many corresponding relationships between map objects, and they render map objects active rather than traditionally passive. The evolutions of map objects are modelled by map agents using association and generation relationships to model the connectivity between map objects. This effort reduces the workload of multi-scale map updating by avoiding update of the entire map; instead, it simply allows map agents to detect, perceive and choose suitable behaviours on which to operate and update a spatially evolving object. Experiments of specific examples are presented to demonstrate the feasibility and the effectiveness of our approach.     

Prediction of categorical spatial data via Bayesian updating

This study introduces a transition probability-based Bayesian updating (BU) approach for spatial classification through expert system. Transition probabilities are interpreted as expert opinions for updating the prior marginal probabilities of categorical response variables. The main objective of this paper is to provide a spatial categorical variable prediction method which has a solid theoretical foundation and yields relatively higher classification accuracy compared with conventional ones. The basic idea is to first build a linear Bayesian updating (LBU) model that corresponds to an application of Bayes’ theorem. Since the linear opinion pool is intrinsically suboptimal and underconfident, the beta-transformed Bayesian updating (BBU) model is proposed to overcome this limitation. Another type of BU approach, conditional independent Bayesian updating (CIBU), is derived based on conditional independent experts. It is shown that traditional Markovian-type categorical prediction (MCP) is equivalent to a particular CIBU model with specific parameters. As three variants of the BU method, these techniques are illustrated in synthetic and real-world case studies, comparison results with both the LBU and MCP favor the BBU model.     

利用灰色关联分析的居民地几何匹配方法

空间数据匹配是空间数据更新与维护的基础和关键。针对空间数据匹配中不同匹配指标的权值确定困难的特点,以居民地为例,从空间数据最基本的图形数据差入手,利用灰色关联分析方法建立一种多指标居民地几何匹配权值自动确定的方法。该方法利用灰色关联分析的方法自动确定居民地实体间的位置、面积、方向等类型的图形数据差权值,得到综合图形数据差计算模型,通过计算待匹配数据综合图形数据差得到匹配结果。通过实验验证了该方法的可行性和实用性。     

海图更新自动检测系统的设计与实现

海图更新通常是局部要素更新、但是为了防止误操作或拓扑关系变化等原因造成未更新区域要素变化,需要对全图进行检查验收,大大降低了生产效率,同时也增加了人为出错概率。以海图未更新区域自动检测为研究对象,从局部要素更新海图的质量检查内容和特点出发,结合海图更新出版流程,提出了基于数字海图矢量数据比对的质量检查方法,设计了自动更新检测流程,实现了局部更新海图未更新区域要素数据的自动质量检查。应用实践证明,文中提出的方法提高了局部要素更新海图的质量水平和质量检查效率。     

基于同源数据的序列比例尺地图综合缩编平台建设

如何维护更新数据是"数字城市"建设中面临的重要问题,而构建基于同源基本大比例尺数据连续化生产序列小比例尺数据,对多尺度城市空间数据进行纵向一体化管理的软件平台成为数据更新维护的关键。研究以基于同源数据的序列比例尺地图综合缩编平台建设为对象,主要从地图综合知识库形式化表达、地图综合流程决策控制机制、构建开放式地图综合软件系统构架体系、高效地图综合算子设计等方面进行重点阐述。此研究建设的软件平台已在广州市大型多尺度空间数据库快速构建中得到成功应用。     

面向更新的空间目标快照差分类与形式化描述

时空变化分类是地理信息建模与更新的一个核心问题,直接影响着数据存储组织、增量信息采集、联动更新处理和变化信息发布的效率与水平。以往人们主要是研究目标整体的变化分类,对目标差异部分的变化分类研究甚少。本文分析了时空目标公共部分在差异类型区分中的作用,认为应兼顾异同部分,提出了一种基于目标差、被差和交的目标快照差三元组,为时空目标差异部分的分类描述提供了形式化方法。继而对面、线的快照差进行了形式化分类描述,给出了有实际意义的变化类型。然后根据线目标快照差类型,构建了对应的增量更新操作;按照面目标快照差类型进行了时空目标的增量表达试验等。     

利用Landsat TM图像更新地形图

采用多项式纠正和直接线性变换两种数学模型 ,对TM图像进行几何纠正 ,获得的正射影像与地形图矢量数据配准。在Microstation 95系统下 ,进行地形图矢量数据的更新 ,并给出了相应的实验结果     

GIS数据库自动更新机制研究

阐述了B S和C S混合架构的GIS系统中两种不同架构之间的基于数据层的交互、数据库的自动检查更新以及数据更新上存在的问题和难点 ,提出了一种有效的数据库自动更新机制 ,同时在实践中加以验证 ,取得了良好的效果。     

土地利用更新调查监理工作方法

大型测绘项目引入监理机制,是近年来推行的一种测绘项目管理方法,是加强测绘行业监督管理的有效手段,将成为测绘工程中不可或缺的工作.在土地利用更新调查方面的监理工作亦是一项刚刚开展的工作.