多尺度地图空间居民地语义相似度计算方法

地图综合的本质是一种空间相似变换,制图者在相似原则的指导下实施概括,读图者从包含相似性的地图中形成心象地图、重构现实世界。因此,多尺度地图空间中的相似关系研究非常重要。然而,由于相似的可计算性差,且其计算的目的在于揭示更深层次的信息,地图综合中相似关系尤其是语义相似关系的研究相对较少。针对这一问题,本文以语义功能区约束下的大比例尺街区式居民地合并（1∶1750至1∶4000）为例,基于匹配距离模型计算建筑物合并中的语义相似度,得到语义相似度在关键比例尺节点的值,并对结果进行分析、评价。试验表明,语义功能区约束下的建筑物合并符合读图者的地图认知需求,本文所述方法有助于地图更好地发挥信息传输载体的作用。     

街区式居民地多尺度表达不确定性分析

本文对街区式居民地多尺度表达的不确定性进行了分析,认为制图综合是街区式居民地多尺度表达存在不确定性的根本原因,并挖掘探讨了街区式居民地多尺度表达不确定性的本质及其分类。针对街区式居民地多尺度表达的各类不确定性,重点分析并确立了用街区式符号表达居民地时的不确定性类型及评价指标和方法。本文的研究成果可以应用于街区式居民地多尺度表达尺度转换方法优劣及产品不确定性的评估。     

采用模糊综合评判方法对居民地要素进行自动综合的方法分析

本文介绍了地形图自动综合问题的发展现状,对目前地形图自动综合采用主要数学模型进行了分析。在此基础上,采用模糊综合评判的方法对地形图居民地要素进行了自动综合的可行性、合理性、实用性、适用性分析,以期模糊综合评判的理论和方法在地形图自动综合问题中能有更为深入的应用。     

电子地图中居民地的多尺度显示

探讨了多尺度的含义，并将居民地多尺度表达的研究限定在详细程度的变化上；阐述了电子地图中居民地多尺度表达的基本原理，即在保持原图的分布特征和疏密对比的情况下按照居民地自身的分类分级和重要性程度进行一定数量的取舍；建立了居民地多尺度显示的模型，根据此模型提出了采用二级邻近点判别法结合Voronoi图进行居民地要素的显示等级设置的方法，并进行了相应的实验，结果表明该方法对居民地的分布特征、密度对比和延伸方向均能较好的保持。     

多尺度变换中建筑群空间相似度计算模型

针对建筑群自动综合结果质量评价问题,该文提出一种建筑群多尺度表达中空间相似度计算模型。从地图综合质量评价的角度,立足地图综合的3个约束,即图形约束、拓扑约束、结构约束,分别计算了图形相似度、拓扑相似度、结构相似度,并对以上各相似度作了适当的权重分配,计算建筑群目标的整体相似度。最后,通过实验验证了本文相似度计算方法的正确性、可行性。     

多比例尺地图中居民地要素之间的关联关系及其在空间数据更新中的应用

多比例尺地图中同名对象之间关联关系的建立和动态维护是多尺度空间数据级联更新的关键技术环节,是更新得以传递的桥梁和纽带。在对相邻比例尺同名对象对应关系分析的基础上,以居民地要素为例,提出一种树型多比例尺空间数据关联关系模型。该模型首先对相邻比例尺同名居民地对象建立关联,然后以树的形式组织管理各种关联关系,并针对选取造成的数据空洞进行优化;利用更新中的新建、修改和删除操作对更新在多比例尺关联关系树中的传递路径和模式进行了研究。最后级联更新试验表明,该模型能够动态反映相邻尺度同名对象之间的对应关系,能够引导更新操作沿着关联进行正确传递,具有一定的实用价值。     

电子地图中居民地的多尺度显示

探讨了多尺度的含义,并将居民地多尺度表达的研究限定在详细程度的变化上;阐述了电子地图中居民地多尺度表达的基本原理,即在保持原图的分布特征和疏密对比的情况下按照居民地自身的分类分级和重要性程度进行一定数量的取舍;建立了居民地多尺度显示的模型,根据此模型提出了采用二级邻近点判别法结合Voronoi图进行居民地要素的显示等级设置的方法,并进行了相应的实验,结果表明该方法对居民地的分布特征、密度对比和延伸方向均能较好的保持.     

一种空间关系相似性约束的居民地匹配算法

从分析人在寻找陌生地物时的思维习惯入手,在居民地匹配过程中引入了空间关系相似性约束。对两个居民地之间的拓扑关系、距离关系和方向关系的相似性进行了分析,并提出了符合人认知习惯的离散化计算方法。在匹配过程中,以突出居民地作为起始对象,以已匹配居民地作为参照,对未匹配居民地按空间邻近原则进行广度优先搜索,利用空间关系相似性约束来缩小匹配目标备选集,实现了空间关系有序的精确匹配。最后,对已匹配对象实施了基于邻近对象空间关系相似性校验的匹配质量检查。实验结果表明,该算法在待匹配数据位移较大、居民地对象形状同质化较高的情况下优势明显,能够有效提升匹配精度。     

同名居民地在多尺度下的匹配分析

针对地图投影转换、地图概括等地图处理过程造成的地图面要素的匹配分析评价难以实现的问题,该文提出了基于多尺度下同名居民地的匹配分析方法,通过对应边、角度、位置信息的匹配,计算居民地的旋转角、拉伸关系、概括程度以及位移向量,进而对同名居民地的匹配度计算分析,较为准确地实现了对同名居民地的匹配。结果表明:本算法能够较好地平衡影响居民地匹配的各因子,科学有效地计算地居民地的匹配度,实现同名居民地的匹配,计算匹配精度较高。本算法可应用于从同名居民地匹配度分析对地图自动综合的质量评价;对同类面要素匹配分析与研究也有一定的参考价值。     

相邻比例尺居民地匹配

首先以居民地要素为例,通过对多对多关系产生原因的分析,明确制图综合中典型化操作是多对多关系产生的主要根源。其次,从对多对多匹配的实例入手,根据邻近、轮廓规则、分布有序等特征,设计了多对多关系的探测和发现方法。最后,根据典型化算法整体性、结构化的原则,从群对象的对象结构、轮廓形状、面积和方位等特征入手,设计了相邻比例尺多对多匹配算法。实验表明,该方法符合人类的匹配认知习惯,能够有效发现并确认相邻比例尺中同名对象之间的多对多对应关系。     

Quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces

Quantitative relations between spatial similarity degree and map scale change in multi-scale map spaces play important roles in map generalization and construction of spatial data infrastructure. Nevertheless, no achievements have been made regarding this issue. To fill the gap, this paper firstly proposes a model for calculating spatial similarity degrees between an individual linear object at one scale and its generalized counterpart at the other scale. Then psychological experiments are designed to validate the new model, taking four different individual linear objects at five different scales as test samples. The experiments have shown that spatial similarity degrees calculated by the new model can be accepted by a majority of the subjects. After this, it constructs a formula that can calculate spatial similarity degree using map scale change (and vice versa) for individual linear objects in multi-scale map spaces by the curve fitting method using the point data from the psychological experiments. Both the formula and the model can calculate quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces, which facilitates automation of map generalization algorithms for linear features.     

多尺度空间关系相似性研究

如何快速、自动地实现多尺度地图自动综合结果质量评价,对提高空间数据质量、加快空间数据生产周期等具有重要意义.本文在综合考虑拓扑关系、方向关系和距离关系的基础上,基于SRM模型提出了基于面状目标的空间关系相似性的度量方法,为地图自动综合提供空间关系评价和维护的参考.     

Approach to calculating spatial similarity degrees of the same river basin networks on multi-scale maps

Obtaining spatial similarity degrees among the same objects on multi-scale maps is of importance in map generalization. This paper firstly defines the concepts of ‘map scale change’ and ‘spatial similarity degree’; then it proposes a model for calculating the spatial similarity degree between a river basin network at one scale and its generalized version at another scale. After this, it validates the new model and gets 16 points in the model validation process. The x-coordinate and y-coordinate of each point are map scale change and spatial similarity degree, respectively. Last, a formula for calculating spatial similarity degree taking map scale change as the only variable is obtained by the curve fitting method. The formula along with the model can be used to automate the algorithms for simplifying river basin networks.     

Measurement of similarity for spatial directions between areal objects

Similarity for spatial directions plays an important role in GIS. In this paper, the conventional approaches are analyzed. Based on raster data areal objects, the authors propose two new methods for measuring similarity among spatial directions. One is to measure the similarity among spatial directions based on the features of raster data and the changes of distances between spatial objects, the other is to measure the similarity among spatial directions according to the variation of each raster cell centroid angle. The two methods overcome the complexity of measuring similarity among spatial directions with direction matrix model and solve the limitation of small changes in direction. The two methods are simple and have broader applicability.     

Measurement of similarity for spatial directions between areal objects

Similarity for spatial directions plays an important role in GIS. In this paper, the conventional approaches are analyzed. Based on raster data areal objects, the authors propose two new methods for measuring similarity among spatial directions. One is to measure the similarity among spatial directions based on the features of raster data and the changes of distances between spatial objects, the other is to measure the similarity among spatial directions according to the variation of each raster cell centroid angle. The two methods overcome the complexity of measuring similarity among spatial directions with direction matrix model and solve the limitation of small changes in direction. The two methods are simple and have broader applicability.     

多尺度地理空间线状目标形状相似性的度量

本文研究了多尺度地理空间线状目标相似关系的表达与度量问题.基于Douglas-Peucker算法,通过对线状目标形状的分析,从几何学的角度,给出了衡量基本图形中折线与线段之间形状相似度的两个重要参量.按照图形特征,利用分类讨论的方法,建立了多尺度地理空间线状目标形状相似性的计算模型.最后通过实例的计算验证了该度量方法的可行性.     

多尺度面实体的匹配方法研究

从多尺度面实体匹配的需要出发,分析地图综合所引起的一对多、多对多匹配关系,以及不同地图综合算子给同名实体所造成的差异,将一对一匹配关系的几何相似性度量模型和非一对一匹配关系的基于重叠度的面实体匹配方法相结合,采用指标阈值自动确定方法,建立一种新的适用多尺度变化的面实体匹配方法。最后以多个比例尺的居民地为实验对象,验证本方法的可行性和有效性。     

制图综合中道路与建筑物的移位研究

针对地图中道路与建筑物的具体冲突问题,分析了移位的约束条件,阐述移位算法的发展历史,并对其算法进行了分析与研究,最后设计了解决道路与建筑物具体冲突问题的移位方案。