狭长区域GNSS控制网数据处理方法研究

针对狭长区域GNSS控制网边长差异较大的问题,本文通过划分子网来降低数据处理的难度,从基线处理和网平差两个方面,分析了系统误差来源,研究了基准处理中卫星轨道误差、对流层误差以及网平差中位置、尺度、方位和时间演变基准误差的改正方法,形成了一套高精度数据处理方案。基于该方法,对三峡库区GPS滑坡监测网的实测数据进行了分析与处理,获得了高精度的处理结果,本研究对狭长区域GNSS控制网的建立具有借鉴意义和指导作用。     

浅谈高分辨率卫星影像数据在城市污水行业的应用

随着遥感技术的发展和卫星影像分辨率的不断提高,高分辨率卫星影像广泛应用于各个行业。本文介绍了对卫星影像进行DOM(数字正射影像)制作、河涌排放口定位、污水等级监督分类及变化监测等在城市污水行业中的应用。     

基于排水管网GIS系统开展修补测提高数据现势性

排水管网属于地下隐蔽设施,具有变化慢、变化隐蔽两大特点,因此其空间数据主体相对稳定,而改造节点、更新数据困难。本文通过排水管网GIS系统收集管网管理一线工作人员存在的数据问题,针对这些问题进行修补测及成果确认,从而快速修复管线,完善排水管网数据库,提高数据现势性。     

城市交通网络分形维数的不确定性估计、控制与分析

长度-半径维数模型作为描述城市交通网络复杂不确定性现象的一种分形分维方法,其自身存在的不确定性往往被忽视,且相关研究更是鲜见报道。故针对该模型在分形维数测算全过程中存在的不确定性问题,本文率先开展了系统剖析、定量估计和质量控制研究。首先对数据源、矢量化处理、测算中心、尺度选择、以及分维数模型估计等一系列环节进行了不确定性估计与分析,其中首次给出了分形维数在一定置信水平下的不确定性度量区间,并依据误差传播理论对误差的传递和累积进行了描述;然后着重提出了基于LMed S(Least Median of Squares)的质量控制方法。最后通过对拉萨市的算例实验表明:道路的矢量化过程、测算中心和测算尺度的选择都会导致分维的不确定性;并在对数据质量进行控制的基础上,通过置信区间对长度-半径维数模型的不确定性进行了在一定概率水平下的首次度量;同时结合区域现状对研究结果给出了合乎实际的解释。本文在描述表征不确定性问题的分形几何和分形维数的基础上,系统地揭示了其自身不确定性的本质,不仅进一步丰富了分形分维理论,为控制其质量奠定理论基础,而且可为城市交通网络分形维数的地学应用提供可靠的科学依据。     

大连市沿海丘陵地区地铁精密控制网关键技术研究

介绍了大连市沿海丘陵地区地铁施工控制网布设、观测中关键技术的研究及解决方案,其中利用GPS静态观测与传统精密导线测量相结合组成混合网平差、将精密导线点纳入二等水准网,实现平高复用等技术,可给同类工程实施提供参考。     

基于语义规则的高分辨率影像道路交叉口提取方法

为了准确提取遥感影像上道路交叉口目标,提出一种利用特征语义规则从高分辨率影像上提取道路交叉口的方法。该算法构建交叉口模型时将其视为由同质区域像素集合及区域轮廓边界构成的面对象,提取过程分为两步:1)利用辐射、纹理特征语义匹配提取交叉口候选区域;2)通过几何特征语义匹配筛选候选区域、识别交叉口属性。利用多源遥感影像对算法正确性及合理性进行验证,结果表明:算法能准确、完整地提取道路交叉口,可为影像道路网构建提供辅助信息。     

基于物联网和GIS的供水管网巡检系统的设计与实现

为了提高供水管网巡检效率,基于GIS和物联网技术设计实现了供水管网巡检系统。该系统能够有效地解决地理信息分析问题,也为管网改造、爆管抢修等业务提供支持,并为管网设备管理提供了科学化、制度化的保障。     

A Comparative Study of Various Supervised Learning Approaches to Selective Omission in a Road Network

Selective omission is necessary for road network generalisation. This study investigates the use of supervised learning approaches for selective omission in a road network. To be specific, at first, the properties to measure the importance of a road in the network are viewed as input attributes, and the decision of such a road is retained or not at a specific scale is viewed as an output class; then, a number of samples with known input and output are used to train a classifier; finally, this classifier can be used to determine whether other roads to be retained or not. In this study, a total of nine supervised learning approaches, i.e., ID3, C4·5, CRT, Random Tree, support vector machine (SVM), naive Bayes (NB), K-nearest neighbour (KNN), multilayer perception (MP) and binary logistic regression (BLR), are applied to three road networks for selective omission. The performances of these approaches are evaluated by both quantitative assessment and visual inception. Results show that: (1) in most cases, these approaches are effective and their classification accuracy is between 70% and 90%; (2) most of these approaches have similar performances, and they do not have any statistically significant difference; (3) but sometimes, ID3 and BLR performs significantly better than NB and SVM; NB and KNN perform significantly worse than MP, SVM and BLR.     

基于蚁群算法的道路选取模型研究

在制图综合中,道路选取是非常重要的内容之一,研究道路选取的智能化方法是非常必要的。文中在研究道路语义、几何特征、拓扑关系和结构特征的基础上,充分考虑居民点对道路选取过程的影响,建立道路选取的蚁群算法模型。通过实验证明该模型算法的可行性和有效性。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。