基于动态化简的多源数据相似性评估

随着空间数据获取手段和途径的丰富,多源数据的差异性对数据更新的影响一直备受关注。本文提出一种基于动态化简的多源空间数据相似性评估方法。首先,将多个来源数据分别与参考数据用传统方法进行匹配;其次,利用加入动态化简的匹配方法对多源数据重新匹配;最后,分析上述两次匹配结果的差异,从数据匹配的角度出发,通过整体一致性和数据详细程度评估对数据匹配质量进行对比,根据获取的评估结果实现更新数据的选择。通过实验和分析,验证了本文方法的科学性和可操作性。     

案例推理的制图综合应用背景与方法

从挖掘和利用经验数据的角度出发,提出了基于案例推理的智能化制图综合方法。首先探讨了基于算法和模型的自动综合实现方式所面临的瓶颈,并提出了采用制图综合案例推理辅助制图综合的思想;然后设计了制图综合专家案例的三元表示方法,以及获取、使用和管理流程;最后对实现该基于案例推理的智能化制图综合方法的五个关键性步骤进行了分析,并深入阐述该方法的原理和可行性,提出了基于案例推理的智能综合辅助系统架构。     

利用偏度平衡自动提取机载LiDAR点云城区道路

针对机载LiDAR点云提取城区道路自动化程度低以及提取道路网不完整的问题,提出一种基于偏度平衡算法自动提取城区道路的方法。首先,计算末次回波点云中邻近点的坡度,依据城市道路设计标准选择坡度阈值,分离非地面点并获得初始道路点云;然后,利用偏度平衡算法计算出最优强度阈值,滤除非道路点,再结合道路与停车场的空间位置关系,通过点距精化初始道路点云;最后,对道路区域进行细化和平滑,得到道路中心线。通过定量分析及对比实验,该方法能够自动地从LiDAR点云中提取出较为完整的道路网。     

中西方地图与地图学史比较研究

地图与地图学史研究有助于了解发展规律,探索学科发展方向。本文以中西方地图、地图学史为研究对象,依时间顺序提出中西方地图、地图学发展中的3次互补,结合历史史例予以说明;通过比较分析法,探索分析3次互补融合程度,结合学科前沿,对地图与地图学发展提出合理预测,推断第4次互补发生的可能。     

立交桥识别的CNN卷积神经网络法

OSM数据中立交桥结构的识别和分类,能够为构建多尺度模型、导航和位置服务、拥堵分析等提供重要信息。传统的立交桥识别方法依赖于人工设计的低层次特征,无法有效区分存在干扰路段的复杂立交桥结构。本文针对当前算法抗差性上存在的不足,提出了一种新的基于卷积神经网络的立交桥识别方法。该方法将矢量数据与栅格图像相结合,利用神经网络学习区分立交桥类型的高层次模糊性特征,从而对OSM中的复杂立交桥结构进行分类。试验表明,该方法有较强的抗干扰性,在复杂的立交桥形态分类中取得了良好的效果,并随着案例库的扩充和神经网络模型的优化存在进一步提升的空间。     

利用层次分析法匹配面状居民地

针对目前居民地要素匹配中相似性度量权值设置较为随意的问题,提出一种利用层次分析法匹配面状居民地的方法。首先,根据相似性指标确定相似性权值;其次,通过层次分析法使权重的计算变得合理,进而生成综合指标评价模型;最后实现居民地要素匹配。实验证明了该方法的有效性和科学性。     

利用城市骨架线网的道路和居民地联动匹配方法

同名道路或者居民地数据间由于数据一致性程度不高,往往存在较大的几何位置偏差,当对道路或者居民地单独进行匹配时,不利于提高匹配正确率和效率。针对这一问题,本文提出了一种利用城市骨架线网的道路和居民地联动匹配方法。联动匹配即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,利用约束Delaunay三角网对地图构建城市骨架线网。然后,通过道路、骨架线、骨架线网眼和居民地之间的拓扑关系建立道路和居民地之间的匹配传递模型。最后,根据该传递模型实现通过道路匹配带动居民地匹配或者通过居民地匹配带动道路匹配的联动匹配。该方法优势在于只要有一种要素的数据一致性比较好,就能带动另一种要素取得很好的匹配效果,同时符合人类进行匹配时的认知过程。     

采用迭代注水原理的居民地属性约简方法

基于案例推理的居民地自动选取方法研究中,居民地属性权重的赋值对推理结果的影响显著。为使案例推理中居民地属性权重分配更合理,引入迭代注水原理对居民地属性进行赋权值和约简。首先,对专家交互操作的面状居民地案例进行信息挖掘;然后采用注水原理对居民地属性权重优化分配,结合递归特征消除法对属性迭代计算;最后采用十折交叉验证法,训练出适应居民地案例推理的最佳赋有权重的属性子集。通过与专家打分法、主成分分析法、权重平均分配法、传统注水原理法4种属性约简方法作对比实验,结果表明本文方法能对居民地属性进行有效简约,并提高基于案例推理的居民地选取模型的正确率。     

一种基于动态多尺度聚类的湖泊选取方法

当前湖泊选取方法多采用整体选取的形式,且难以兼顾湖泊的属性特征、分布特征和拓扑特征。通过分析和模仿制图专家人工选取湖泊的认知行为和过程,提出一种顾及分布特征和拓扑特征保持的基于动态多尺度聚类的湖泊选取方法。首先设置面积阈值以选取大面积湖泊,然后通过缓冲区选取"孤立"湖泊,接下来对湖泊群进行动态多尺度聚类来划分出湖泊分布密度不同的区域,对不同区域按开方根规律确定选取数量指标并采用不同选取策略,其中对包含湖泊数量较多的区域依据由主成分分析法定量计算出的重要性综合评价进行迭代选取,直至达到选取数量指标。实验对比表明,该方法在综合考虑重要性的前提下,有效地保持了选取前后湖泊群的形态结构和密度对比。     

融入课程思政的地图学分类混合式教学模式

为解决传统教学模式存在的问题,深入开展混合式教学改革与实践,本文在分析地图学课程教学内容的基础上,利用地图自身的优势,提出了融入课程思政的分类混合式教学模式。针对地图学课程的概念理论类、定量计算类、定性描述类及方法应用类内容,设计了基于教学重塑的精讲式教学法、基于案例的研讨式教学法、基于学生主讲的翻转课堂教学法及基于任务驱动的迭代进阶教学法;并基于知识点整理了思政素材和案例,将地图人文知识和思政元素渗透教学全过程,与时俱进地设计了多种教学活动,有效培养了学生的高阶地图思维素养和能力,取得了较好的教学效果。