一种生成式神经网络的道路简化方法

道路数据具有数量大、变化频率高的特点,是地理空间数据的重要组成部分,道路要素化简也是地图制图综合和空间数据更新的核心技术环节之一。传统方法基于数据点压缩、弯曲识别和现有机器学习算法在道路化简中存在稳定性差、可控性弱,自动化程度低等问题,本文在视觉思维和句法模式相结合的理论基础上,利用深度学习算法的特征挖掘能力将生成式人工神经网络模型引入道路化简领域。首先,将需化简道路数据转化为序列数据,提取其序列特征,以此构造特征数据集;然后,利用门控循环单元(gated recurrent unit,GRU)神经网络构建的Seq2Seq编码模型,将大比例尺道路数据进行嵌入形成高维语义编码,通过对语义编码的解码生成化简后的小比例尺道路数据;最后,根据弧段压缩率、长度变化率、曲线折度、缓冲区限差4个指标评估模型有效性和适用性。通过试验与传统算法对比试验表明,本文模型可应用到道路形状化简中,丰富道路化简方法,促进地图制图综合智能化发展。

一种面向地图认知的城市道路知识图谱构建方法

城市道路网是由城市内各种道路组成的相互联络、交织成网状,且为城市提供空间通道的道路系统。随着我国经济及3S技术的发展,城市道路里程呈几何式增长,“数据爆炸,知识匮乏”的情况愈加突出。知识图谱作为一种使用语义网将概念、实体及两者进行形式化表达的一种知识系统,可实现“数据-知识”的转化。但目前地理领域内的知识图谱普遍存在缺失空间关系描述的问题,因此将知识图谱和地理数据的空间特征相结合,构建成基于城市道路数据的知识图谱。文中介绍地理知识图谱的概念、内涵及现状,分析城市道路知识图谱中空间关系的重要性,讨论构建道路知识图谱的关键技术,最后阐述该知识图谱的应用方向。本研究在地理信息领域有一定的通用性,可为推动的地理知识服务智能化的发展提供理论支撑。

BOT投资方式在高等级公路项目中的应用

文中阐述BOT投资方式对于高等级公路项目的适用性 ,介绍其操作程序、优缺点和操作时的难点 ,以及衍生的融资形式 ;讨论了操作时应注意的事项 ,并对产权、债务、收费理论和做法等问题作了进一步的探讨。