CN110008602B - 一种大比例尺下顾及多特征协调的路网选取方法 - Google Patents
一种大比例尺下顾及多特征协调的路网选取方法 Download PDFInfo
- Publication number
- CN110008602B CN110008602B CN201910283699.XA CN201910283699A CN110008602B CN 110008602 B CN110008602 B CN 110008602B CN 201910283699 A CN201910283699 A CN 201910283699A CN 110008602 B CN110008602 B CN 110008602B
- Authority
- CN
- China
- Prior art keywords
- road
- mesh
- stroke
- road network
- arc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000002093 peripheral effect Effects 0.000 claims description 26
- 239000000725 suspension Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种大比例尺下顾及多特征协调的路网选取方法，包括为路网构建点、弧段、多边形拓扑，识别其中的网眼；同时考虑道路语义、几何及拓扑特征生成stroke连接，并识别末梢弧段与末梢网眼；确定网眼密度阈值及道路stroke连接重要性阈值；根据末梢弧段与末梢网眼，划分道路stroke类型；等步骤。优点是：通过采用该路网选取方法，能够在路网选取的过程中顾及道路连通性、完整性及路网网络特征与局部密度多特征协调完成路网选取；在进行大比例尺道路选取时，能够较好地保持路网的空间特性；在进行大比例尺道路选取时，能够更好的保持路网的连通性和完整性，并且在顾及路网连通性的同时，很好的概括了道路的路网结构。
Description
技术领域
本发明涉及地理制图学技术领域，尤其涉及一种大比例尺下顾及多特征协调的路网选取方法。
背景技术
地图上的道路网是对真实地理世界道路网络连通与分布情况的客观构建，是地图的骨架要素。通常，道路网等级繁多、关系复杂、成网络状，因此，道路网自动综合一直是一个难点问题。路网选取过程中，选取的侧重点依赖于比例尺跨度，然而，已有研究均未限定其方法适用的综合比例尺范围，对于城市大比例尺(大于1:100000)道路网的地图自动综合而言，对路网的构建十分精细，因此，在对其进行自动综合选取的过程中，既要考虑道路自身的连通性、完整性，又要顾及路网整体的网络特性和密度特征。
道路网选取过程包括两个方面：选取多少和选取哪些，当比例尺发生变化时，选取结果的空间分布特征完全依赖于这两个要素。其中，前者即定额选取问题，一般可通过方根模型解决；后者是结构化、最优化选取问题，一直是研究的热点。在已有研究中，基于图论的选取方法为组织路网数据、顾及路网拓扑约束奠定了基础，然而，这种方法难以实现路网的结构化选取。现有的路网选取方法有：第一种，通过引入Gestalt视觉感知中的良好延续性(good continuation)原则，将路段连接成stroke作为选取对象，依据stroke重要性完成选取，以保证路网的连通性；第二种，计算stroke重要性，以长度指标评价stroke重要性，但该评价指标过于单一；第三种，考虑stroke的长度、连通度及包含弧段的平均密度，加入stroke在道路网络中的连接度、中心度及道路等级、类型其他语义信息，第二种和第三种方法可以有效模拟人工选取中的道路视觉长度，保持道路连通性的同时考虑了道路目标整体性，即其能够识别主、次要道路，然而，对次要道路的选择方面相对粗糙，导致其选取结果路网网络特征以及道路网局部密度特征丢失；第四种，以道路数据中的网眼密度反映局部区域的道路密集程度，并获取密度阈值，确定选取率，该方法很好地保持了道路网在密度、拓扑、几何及语义方面的特征，但因其以路段为单位做取舍，经常会舍弃中间路段，破坏路网连通性。
发明内容
本发明的目的在于提供一种大比例尺下顾及多特征协调的路网选取方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种大比例尺下顾及多特征协调的路网选取方法，包括如下步骤，
S1、为路网构建点、弧段、多边形拓扑，识别其中的网眼；同时考虑道路语义、几何及拓扑特征生成stroke连接，并识别末梢弧段与末梢网眼；
S2、确定网眼密度阈值及道路stroke连接重要性阈值；
S3、根据末梢弧段与末梢网眼，划分道路stroke类型；
S4、判断划分好的道路stroke类型中的各stroke连接是否为含有末梢网眼的stroke连接，若否，则执行步骤S5；若是，则执行步骤S7。
S5、根据道路stroke类型，计算道路stroke连接的重要性；
S6、判断道路stroke连接的重要性是否小于stroke连接重要性阈值，若是，则删除该道路stroke连接，若否，则保留该道路stroke连接；
S7、将含有末梢网眼的stroke连接汇集起来得到末梢网眼集合；
S8、根据网眼中含有道路stroke的类型对末梢网眼集合进行分类，处理识别的大于网眼密度阈值的末梢网眼，剥离出密度最大的末梢网眼及其关联的道路stroke集合，并比较道路stroke重要性，得到重要性最小的道路stroke；
S9、删除重要性最小的道路stroke；并判断是否会产生悬挂弧段，若不产生悬挂弧段，则删除该道路stroke，并合并该道路stroke左右两边的拓扑多边形，生成新的网眼；若产生悬挂弧段，则删除末梢网眼中该道路stroke的末梢路段，合并该路段左右两边的拓扑多边形，生成新的网眼；
S10、判断当前处理的末梢网眼是否为末梢网眼集合中最后一个大于网眼密度阈值的末梢网眼，若是，则输出新的网眼，若否，则返回步骤S8。
优选的，步骤S1中末梢弧段的识别过程为，识别道路stroke连接中与该道路stroke连接中所有弧段的交集个数小于2的弧段，称该弧段为该道路stroke连接中的末梢弧段；同时识别存在首尾结点相同的闭合弧段，该闭合弧段同样属于末梢弧段。
优选的，步骤S1中末梢网眼的识别过程为，依据路网拓扑关系，识别道路网眼，将含有道路stroke连接中末梢弧段的网眼称为末梢网眼。
优选的，步骤S2中网眼密度阈值的确定过程为，通过相同等级网眼密度与网眼个数的关系来确定。
优选的，网眼密度等于包含网眼的最小区域内道路总长度与网眼面积的比值。
优选的，步骤S2中道路stroke连接重要性阈值的确定过程为，通过图上视觉可分辨的最小距离和目标比例尺来确定。
优选的，步骤S3中道路stroke类型的划分方法包括如下内容，
S301、将与道路stroke(Si)首端点相接的其他道路stroke集合记为StartV(Si)；与道路stroke(Si)末端点相接的其他道路stroke集合为EndV(Si)；道路stroke(Si)的末梢弧段数目为BurrN(Si)；与道路strokeSi的末梢弧段相关联的道路网眼数目为Net(Li)；
S302、通过判断以上4个参数将道路stroke划分为以下4类，
I类道路stroke：Net(Li)＝0。
II类道路stroke：intersection[StartV(Si),EndV(Si)]>0且BurrN(Si)＝1且Net(Li)>0。
III类道路stroke：intersection[StartV(Si),EndV(Si)]>0且BurrN(Si)>1且Net(Li)>0。
IV类道路stroke：intersection[StartV(Si),EndV(Si)]＝0且Net(Li)>0。
优选的，步骤S8中的分类顺序为，首先为含有类道路stroke的网眼，其次是含有类道路stroke的网眼，最后是含有类道路stroke网眼。
本发明的有益效果是：1、能够顾及道路连通性、完整性及路网网络特征与局部密度多特征协调完成路网选取。2、在进行大比例尺道路选取时，能够较好地保持路网的空间特性。3、在进行大比例尺道路选取时，能够更好的保持路网的连通性和完整性，并且在顾及路网连通性的同时，很好的概括了道路的路网结构。
附图说明
图1是本发明实施例中路网选取方法的流程图；
图2是本发明实施例中末梢弧段与末梢网眼示意图；
图3是本发明实施例中网眼密度阈值的估算次要道路网眼密度分布对比；
图4是本发明实施例中网眼密度阈值的估算主要道路网眼密度分布对比；
图5是本发明实施例中道路stroke分类示意图；
图6是本发明实施例中1:5万标准图幅；
图7是本发明实施例中基于stroke的路网选取结果；
图8是本发明实施例中基于网眼的路网选取结果；
图9是本发明实施例中使用本发明的路网选取方法的选取结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明提供了一种大比例尺下顾及多特征协调的路网选取方法，包括如下步骤：
S1、为路网构建点、弧段、多边形拓扑，识别其中的网眼；同时考虑道路语义、几何及拓扑特征生成stroke连接，并识别末梢弧段与末梢网眼；
S2、确定网眼密度阈值及道路stroke连接重要性阈值；
S3、根据末梢弧段与末梢网眼，划分道路stroke类型；
S4、判断划分好的道路stroke类型中的各stroke连接是否为含有末梢网眼的stroke连接，若否，则执行步骤S5；若是，则执行步骤S7。
S5、根据道路stroke类型，计算道路stroke连接的重要性；
S6、判断道路stroke连接的重要性是否小于stroke连接重要性阈值，若是，则删除该道路stroke连接，若否，则保留该道路stroke连接；
S7、将含有末梢网眼的stroke连接汇集起来得到末梢网眼集合；
S8、根据网眼中含有道路stroke的类型对末梢网眼集合进行分类，处理识别的大于网眼密度阈值的末梢网眼，剥离出密度最大的末梢网眼及其关联的道路stroke集合，并比较道路stroke重要性，得到重要性最小的道路stroke；
S9、删除重要性最小的道路stroke；并判断是否会产生悬挂弧段，若不产生悬挂弧段，则删除该道路stroke，并合并该道路stroke左右两边的拓扑多边形，生成新的网眼；若产生悬挂弧段，则删除末梢网眼中该道路stroke的末梢路段，合并该路段左右两边的拓扑多边形，生成新的网眼；
S10、判断当前处理的末梢网眼是否为末梢网眼集合中最后一个大于网眼密度阈值的末梢网眼，若是，则输出新的网眼，若否，则返回步骤S8。
本实施例中，所述悬挂弧段为一部分有连接、剩余部分无连接的弧度。
本实施例中，通过采用上述方法，使在选取路网的过程中能够顾及道路连通性、完整性及路网网络特征与局部密度多特征协调完成路网选取。
实施例一
如图2所示，本实施例针对步骤S1进行解释，本发明的路网选取方法需要同时考虑道路语义、几何及拓扑特征生成stroke连接，并进行末梢弧段、末梢网眼等末梢特征识别。
本实施例中，stroke源于Gestalt认知原则中良好连续性原则，该概念从一笔画出曲线段的思想中产生。构建路网点、线、面拓扑，并依据弧段语义、方向、长度等信息形成道路stroke连接，如图2中的道路stroke连接S1、S2、S3、S4、S5、S6。对于末梢弧段，若道路stroke连接中的某一弧段与该道路stroke连接中所有弧段的交集个数小于2，则称该弧段为该道路stroke连接中的末梢弧段，末梢弧段包括S1中的弧段AB、DE，S2中的弧段FG、IJ，S3中的弧段KL、NO，S4中的弧段BG、LP，S5中的弧段CH、MQ，S6中的弧段DI、IN。同时，对于存在首尾结点相同的闭合弧段，该闭合弧段同样属于末梢弧段。
本实施例中，对于末梢网眼，则依据路网拓扑关系，识别道路网眼，如网眼Ⅰ、Ⅱ、Ⅲ、Ⅳ，将含有道路stroke连接中末梢弧段的网眼称为末梢网眼，如网眼Ⅰ、Ⅱ、Ⅳ。
实施例二
如图3和图4所示，本实施例针对步骤S2进行解释，本发明的路网选取方法中需要计算确定网眼密度阈值(TN)及道路stroke连接重要性阈值(TS)两个参数，辅助后续开展道路stroke的选取。
本实施例中，道路中的网眼是否选取，需要通过道路网眼密度与网眼密度阈值(TN)进行比较后确定；网眼密度是指包含网眼的最小区域内道路总长度与网眼面积的比值，如下式：
D＝P/A
其中，D表示网眼密度，P是网眼边界上路段总长度，A为网眼的面积。
本实施例中，网眼密度阈值(TN)通常可以采用基于统计分析的方法确定，通过分析样图综合前后相同等级网眼密度与网眼个数的关系来确定密度阈值。源比例尺1:1万，目标比例尺1：5万为例说明，将道路分为主要道路和次要道路两种，则网眼分为由主要道路构成的网眼和由次要道路构成的网眼。图3和图4中曲线表示密度值和密度为该值的网眼数目关系，分别表示两类网眼不同尺度下的密度分布对比。图3可以看出密度值0.012m/m是两个区间的分界线，密度大于0.012的网眼在1∶5万比例尺下需要选取；图4的分布曲线可知，两种主要道路网眼密度分布几乎吻合，表明主要道路在1∶5万比例尺下几乎没有舍弃，则可以选取0.012为1∶5万比例尺下网眼密度阈值(TN)。
本实施例中，道路中的stroke是否选取，需要通过道路stroke重要性与道路stroke连接重要性阈值(TS)进行比较后确定；其中道路stroke重要性对于含有末梢网眼的道路stroke和不含有末梢网眼的道路stroke计算方法不同。对于含有末梢网眼的道路stroke，根据下式计算stroke重要性：
I＝BC×L
其中，I是stroke重要性；BC是stroke中介中心性；L是stroke长度。
对于不含有末梢网眼的道路stroke，根据下式计算stroke重要性。
I＝(1+N)×L
其中，I是stroke重要性；N是stroke连通度；L是stroke长度。
道路stroke连接重要性阈值(TS)通过图上视觉可分辨的最小距离和目标比例尺来确定。通常，制图专家认为图上视觉可分辨的距离为0.4mm，则目标比例尺(1：Scaletarget)下，道路stroke连接重要性阈值(TS)根据下式计算：
Ts＝0.4×Scaletarget
实施例三
如图5所示，本实施例中，本发明中的路网选取方法需要根据stroke首末端点关联道路stroke集合、末梢弧段的个数和末梢网眼个数划分道路stroke类型。将与道路stroke(Si)首端点相接的其他道路stroke集合记为StartV(Si)；与道路stroke(Si)末端点相接的其他道路stroke集合为EndV(Si)；道路stroke(Si)的末梢弧段数目为BurrN(Si)；与道路stroke(Si)的末梢弧段相关联的道路网眼数目为Net(Li)；
S302、通过判断以上4个参数将道路stroke划分为以下4类，
I类道路stroke：Net(Li)＝0。
II类道路stroke：intersection[StartV(Si),EndV(Si)]>0且BurrN(Si)＝1且Net(Li)>0。
III类道路stroke：intersection[StartV(Si),EndV(Si)]>0且BurrN(Si)>1且Net(Li)>0。
IV类道路stroke：intersection[StartV(Si),EndV(Si)]＝0且Net(Li)>0。如图5所示，I类道路stroke有S1、S2、S3、S4、S9、S11、S12、S13、S14、S15，II类道路stroke有S8，III类道路stroke有S5，IV类道路stroke有S6、S7、S10。
实施例四
如图6至9所示，本实施例中采用三种方法进行道路选取，其中，图6是1:5万标准图幅，图7、图8和图9分别是采用基于stroke的路网选取方法、基于网眼的路网选取方法和本发明方法，从1:1万综合至1:5万时道路选取结果。与图6标准图幅结果进行对比，对于矩形A内的道路，基于stroke的路网选取方法结果，图7中保留了末端的路段a，但丢失了起连通作用的路段b，导致道路连通性遭到破坏；基于网眼的路网选取方法结果，图8中保留路段b，却丢失了路段a，导致道路完整性遭到破坏；本发明选取方法，图9中同时保留了路段a、b，从而更好地保持了路网的连通性与完整性。此外，对于矩形B内的道路，受网眼聚集影响，基于stroke的路网选取方法，图7中无法探测该处的复杂结构，导致原有结构丢失，出现悬挂弧段；基于网眼的路网选取方法，图8中虽顾及了该处路网的连通性，但结构发生明显变化；本发明选取方法，图9中则很好地提取了此处的主干路，在顾及路网连通性的同时，很好的概括了该处的路网结构。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明提供了一种大比例尺下顾及多特征协调的路网选取方法，通过采用此方法对倒库进行路网选取，能够顾及道路连通性、完整性及路网网络特征与局部密度多特征协调完成路网选取；在进行大比例尺道路选取时，能够较好地保持路网的空间特性；在进行大比例尺道路选取时，能够更好的保持路网的连通性和完整性，并且在顾及路网连通性的同时，很好的概括了道路的路网结构。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (8)
1.一种大比例尺下顾及多特征协调的路网选取方法，其特征在于：包括如下步骤，
S1、为路网构建点、弧段、多边形拓扑，识别其中的网眼；同时考虑道路语义、几何及拓扑特征生成stroke连接，并识别末梢弧段与末梢网眼；
S2、确定网眼密度阈值及道路stroke连接重要性阈值；
S3、根据末梢弧段与末梢网眼，划分道路stroke类型；
S4、判断划分好的道路stroke类型中的各stroke连接是否为含有末梢网眼的stroke连接，若否，则执行步骤S5；若是，则执行步骤S7；
S5、根据道路stroke类型，计算道路stroke连接的重要性；
S6、判断道路stroke连接的重要性是否小于stroke连接重要性阈值，若是，则删除该道路stroke连接，若否，则保留该道路stroke连接；
S7、将含有末梢网眼的stroke连接汇集起来得到末梢网眼集合；
S8、根据网眼中含有道路stroke的类型对末梢网眼集合进行分类，处理识别的大于网眼密度阈值的末梢网眼，剥离出密度最大的末梢网眼及其关联的道路stroke集合，并比较道路stroke重要性，得到重要性最小的道路stroke；
S9、删除重要性最小的道路stroke；并判断是否会产生悬挂弧段，若不产生悬挂弧段，则删除该道路stroke，并合并该道路stroke左右两边的拓扑多边形，生成新的网眼，并执行S10；若产生悬挂弧段，则删除末梢网眼中该道路stroke的末梢路段，合并该路段左右两边的拓扑多边形，生成新的网眼，并执行S10；
S10、判断当前处理的末梢网眼是否为末梢网眼集合中最后一个大于网眼密度阈值的末梢网眼，若是，则输出新的网眼，若否，则返回步骤S8；
若道路stroke连接中的某一弧段与该道路stroke连接中所有弧段的交集个数小于2，则称该弧段为该道路stroke连接中的末梢弧段；对于存在首尾结点相同的闭合弧段，该闭合弧段属于末梢弧段；
含有道路stroke连接中末梢弧段的网眼为末梢网眼。
2.根据权利要求1所述的大比例尺下顾及多特征协调的路网选取方法，其特征在于：步骤S1中末梢弧段的识别过程为，识别道路stroke连接中与该道路stroke连接中所有弧段的交集个数小于2的弧段，称该弧段为该道路stroke连接中的末梢弧段；同时识别存在首尾结点相同的闭合弧段，该闭合弧段同样属于末梢弧段。
3.根据权利要求1所述的大比例尺下顾及多特征协调的路网选取方法，其特征在于：步骤S1中末梢网眼的识别过程为，依据路网拓扑关系，识别道路网眼，将含有道路stroke连接中末梢弧段的网眼称为末梢网眼。
4.根据权利要求1所述的大比例尺下顾及多特征协调的路网选取方法，其特征在于：步骤S2中网眼密度阈值的确定过程为，通过相同等级网眼密度与网眼个数的关系来确定。
5.根据权利要求4所述的大比例尺下顾及多特征协调的路网选取方法，其特征在于：网眼密度等于包含网眼的最小区域内道路总长度与网眼面积的比值。
6.根据权利要求1所述的大比例尺下顾及多特征协调的路网选取方法，其特征在于：步骤S2中道路stroke连接重要性阈值的确定过程为，通过图上视觉可分辨的最小距离和目标比例尺来确定。
7.根据权利要求1所述的大比例尺下顾及多特征协调的路网选取方法，其特征在于：步骤S3中道路stroke类型的划分方法包括如下内容，
S301、将与道路stroke(Si)首端点相接的其他道路stroke集合记为StartV(Si)；与道路stroke(Si)末端点相接的其他道路stroke集合为EndV(Si)；道路stroke(Si)的末梢弧段数目为BurrN(Si)；与道路strokeSi的末梢弧段相关联的道路网眼数目为Net(Li)；
S302、通过判断以上4个参数将道路stroke划分为以下4类，
I类道路stroke：Net(Li)＝0；
II类道路stroke：intersection[StartV(Si),EndV(Si)]>0且BurrN(Si)＝1且Net(Li)>0；
III类道路stroke：intersection[StartV(Si),EndV(Si)]>0且BurrN(Si)>1且Net(Li)>0；
IV类道路stroke：intersection[StartV(Si),EndV(Si)]＝0且Net(Li)>0。
8.根据权利要求7所述的大比例尺下顾及多特征协调的路网选取方法，其特征在于：步骤S8中的分类顺序为，首先为含有Ⅱ类道路stroke的网眼，其次是含有Ⅲ类道路stroke的网眼，最后是含有Ⅳ类道路stroke的网眼。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910283699.XA CN110008602B (zh) | 2019-04-10 | 2019-04-10 | 一种大比例尺下顾及多特征协调的路网选取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910283699.XA CN110008602B (zh) | 2019-04-10 | 2019-04-10 | 一种大比例尺下顾及多特征协调的路网选取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110008602A CN110008602A (zh) | 2019-07-12 |
| CN110008602B true CN110008602B (zh) | 2020-03-17 |
Family
ID=67170741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910283699.XA Expired - Fee Related CN110008602B (zh) | 2019-04-10 | 2019-04-10 | 一种大比例尺下顾及多特征协调的路网选取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110008602B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111611668A (zh) * | 2020-06-06 | 2020-09-01 | 兰州交通大学 | 一种顾及几何特征与语义信息的道路网自动选取方法 |
| CN112035592B (zh) * | 2020-09-07 | 2021-03-23 | 中国测绘科学研究院 | 基于stroke末梢特征的路网孤立网眼消除方法 |
| CN112052549B (zh) * | 2020-09-09 | 2021-03-05 | 中国测绘科学研究院 | 一种小网眼聚集区道路选取方法 |
| CN113393129B (zh) * | 2021-06-17 | 2022-04-19 | 中国测绘科学研究院 | 顾及路网关联约束的海量建筑物多尺度分块合并方法 |
| CN116071455A (zh) * | 2023-01-29 | 2023-05-05 | 兰州交通大学 | 一种基于同尺度相似关系的道路网stroke生成方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101639850A (zh) * | 2009-06-01 | 2010-02-03 | 北京四维图新科技股份有限公司 | 一种道路网络数据的合并方法及合并装置 |
| WO2011023241A1 (en) * | 2009-08-25 | 2011-03-03 | Tele Atlas B.V. | Method of creating an audience map |
| CN107121143A (zh) * | 2017-05-28 | 2017-09-01 | 兰州交通大学 | 一种协同poi数据的道路选取方法 |
| CN107993195A (zh) * | 2017-12-07 | 2018-05-04 | 西南交通大学 | 顾及形变控制的小屏幕变比例尺交通路线图生成方法 |
| CN108629036A (zh) * | 2018-05-10 | 2018-10-09 | 中国人民解放军战略支援部队信息工程大学 | 一种道路缩编方法及装置 |
-
2019
- 2019-04-10 CN CN201910283699.XA patent/CN110008602B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101639850A (zh) * | 2009-06-01 | 2010-02-03 | 北京四维图新科技股份有限公司 | 一种道路网络数据的合并方法及合并装置 |
| WO2011023241A1 (en) * | 2009-08-25 | 2011-03-03 | Tele Atlas B.V. | Method of creating an audience map |
| CN107121143A (zh) * | 2017-05-28 | 2017-09-01 | 兰州交通大学 | 一种协同poi数据的道路选取方法 |
| CN107993195A (zh) * | 2017-12-07 | 2018-05-04 | 西南交通大学 | 顾及形变控制的小屏幕变比例尺交通路线图生成方法 |
| CN108629036A (zh) * | 2018-05-10 | 2018-10-09 | 中国人民解放军战略支援部队信息工程大学 | 一种道路缩编方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| Network functionality oriented stroke building in road networks;Chang Ren et al.;《2015 23rd International Conference on Geoinformatics》;20160114;全文 * |
| Sroke特征约束的树状河系层次关系构建及简化方法;李成名 等;《测绘学报》;20180430;第47卷(第4期);全文 * |
| 特征识别、Stroke与极变换结合的道路网选取;钱海忠 等;《测绘科学技术学报》;20101031;第27卷(第5期);全文 * |
| 道路网层次骨架控制的道路选取方法;何海威 等;《测绘学报》;20150430;第44卷(第4期);全文 * |
| 顾及结构和几何特征的道路自动选取方法;曹炜威 等;《武汉大学学报·信息科学版》;20170430;第42卷(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110008602A (zh) | 2019-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008602B (zh) | 一种大比例尺下顾及多特征协调的路网选取方法 | |
| CN108399748B (zh) | 一种基于随机森林与聚类算法的道路旅行时间预测方法 | |
| CN106203491B (zh) | 一种公路矢量数据的融合更新方法 | |
| CN111858810B (zh) | 一种面向道路dem构建的建模高程点筛选方法 | |
| CN105701204A (zh) | 基于道路网的电子地图兴趣点的提取方法及显示方法 | |
| CN102436481B (zh) | 一种道路网结构模式的自动识别方法 | |
| CN110287904A (zh) | 一种基于众包数据的车道线提取方法、装置及存储介质 | |
| CN115599779B (zh) | 一种城市道路交通缺失数据插值方法及相关设备 | |
| CN111027574A (zh) | 基于图卷积的建筑物模式识别方法 | |
| CN107315813A (zh) | 一种stroke特征约束的树状河系层次关系构建及简化方法 | |
| CN111814528B (zh) | 一种连通性分析的夜光影像城市等级分类方法 | |
| CN112926556A (zh) | 一种基于语义分割的航拍输电线路散断股识别方法及*** | |
| CN113514072B (zh) | 一种面向导航数据与大比例尺制图数据的道路匹配方法 | |
| CN112116709B (zh) | 一种提高地形表达精度的地形特征线处理方法 | |
| CN107121143B (zh) | 一种协同poi数据的道路选取方法 | |
| CN109711425A (zh) | 城市道路骨架层次划分方法及*** | |
| CN113903173A (zh) | 一种基于有向图结构和lstm的车辆轨迹特征提取方法 | |
| CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
| CN113158084A (zh) | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 | |
| AU2021102429A4 (en) | Method for selecting roads in a small-mesh accumulation area | |
| CN111985065A (zh) | 基于引力场理论的道路自动选取技术 | |
| CN115659253A (zh) | 一种基于多维模型融合的水下目标识别方法 | |
| CN113284030B (zh) | 一种城市交通网络社区划分方法 | |
| CN114663606A (zh) | 一种三维道路模型***及生成方式 | |
| CN112464417A (zh) | 一种风景道廊道的鲁棒性评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190712 Assignee: JIANGSU XINGYUE SURVEYING AND MAPPING TECHNOLOGY Co.,Ltd. Assignor: CHINESE ACADEMY OF SURVEYING AND MAPPING Contract record no.: X2020980000776 Denomination of invention: Road network selection method considering multi-feature coordination under large scale Granted publication date: 20200317 License type: Common License Record date: 20200317 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200317 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |