基于点密度分析与自适应差异检测的点群要素制图综合算法

针对点群要素制图综合的自动选取问题,提出一种基于点密度分析与自适应差异检测的点群要素制图综合算法。该算法首先利用核密度估计法对原始点群进行点密度分析,选取凸包最外侧点和重要性等级较高的点分析其点密度,进而对比两次点密度分析结果的相对密度差异,并找出相对密度差异最大的点加入选中点群中;然后重新对选中点群进行点密度分析,直到选中点数满足制图综合要求。将该算法用于实例点群数据中进行了验证,结果表明,该算法能最大限度地保持点群的分布特征和密度对比关系,并且较为简单、灵活。

动物种群动态模型研究的进展与展望

动物种群动态模型经历了百余年的发展,文章回顾和总结了其取得的丰富成果,并展望其未来发展方向。种群动态包括种群数量动态和时空分布动态,根据其形式和研究内容,可以将种群动态模型分为数量模型和空间模型。数学模型通过数学方程模拟种群数量的变化趋势,它包括"J"型增长模型、"S"型增长模型和Lotka-Voltera模型等;空间模型侧重于种群和生境的空间化表达,包括异质种群模型、空间精确性种群模型和基于个体的种群模型等。种群动态模型在物种保护、气候变化和土地管理等方面都有成功应用。目前,种群动态模型的空间描述能力不足,未来与地理信息技术结合将有助于种群动态模型的进一步发展。

浮动车轨迹点地图匹配及插值算法

针对带有定位误差和异常值的浮动车轨迹点数据,该文设计并实现了滑动窗口最优路径地图匹配算法,在综合考虑轨迹点的空间几何关系和路网拓扑关系基础上,为轨迹点匹配最优道路并纠正轨迹点误差。其次,针对稀疏且时间间隔不稳定的匹配后轨迹点,设计改进的Hermite插值法拟合车辆运动状态,并对稀疏轨迹点进行时序插值。利用南京市出租车轨迹点数据进行匹配算法与插值算法的验证,实验结果表明匹配算法具有较高准确性,插值算法能有效还原车辆行驶状态。