排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
变比例尺可视化技术被广泛应用于城市路网的地图制图,其基本思想是采用较大比例尺突出显示城区的密集道路,较小比例尺显示并不重要但对路网布局起辅助作用的周边道路。目前,不少研究是通过使用坐标转换公式及参数组合对路网进行变换,以得到较理想的变比例尺效果。然而,这类方法常难以避免路网较大的变形和道路要素的空间冲突。鉴此,本文结合顾及道路等级的形变约束规则和基于支持向量机的线相交约束规则,建立了二次规划算法的等级道路网变比例尺模型,动态优化道路网变比例尺的效果。本文以广州市增城区规划建设的“一核三区”道路网作为试验对象,分别与可调“放大镜”式地图投影和Focus+Glue+Context模型进行比较。实验结果表明,本模型能得到较为理想的变比例尺效果,且具有良好的自适应性和实用价值,为地图变比例尺可视化研究提供一种可控制地图变形过大和解决空间冲突问题的新方法。 相似文献
3.
4.
多尺度空间数据库是国民经济建设各级行政决策规划的重要依据,在智慧城市、国防建设中发挥着关键作用。数据的现势性影响着空间数据库的运行效率,而多尺度空间数据联动更新为保证数据的现势性提供重要技术支撑。伴随着人工智能、地理空间大数据和地图综合智能化发展,空间数据联动更新取得了不少成果,同时也面临诸多挑战。本文首先,围绕多尺度空间数据的更新策略、匹配方法、更新信息检测及更新信息传递等方面阐述了联动更新的研究进展;然后,梳理和分析了联动更新过程各阶段人工智能技术运用现状;最后,结合自动地图综合和地理空间大数据背景,探讨了多尺度空间数据联动更新的发展趋势。 相似文献
5.
耕地资源的快速、精准提取是支撑耕地保护和耕地用途管制的重要基础。随着高分辨率遥感和人工智能技术的快速发展,高分辨率遥感耕地提取已逐渐由传统的基于像元和面向对象的分类算法过渡至以深度学习为代表的智能化耕地提取新阶段,并取得不少成果,但也同样面临着诸多挑战。首先,梳理和分析了传统耕地提取算法和基于深度学习的智能化耕地提取算法的研究现状,阐述了深度学习支持下的耕地提取研究的必要性;然后,结合全卷积神经网络的发展历程,介绍了深度语义分割技术的基本原理以及在耕地提取应用中的实验流程,并归纳了主要的智能耕地提取算法;最后,围绕智能化耕地提取研究存在的不足,探讨了智能化耕地提取技术的发展趋势。 相似文献
1