基于改进U-Net网络的遥感影像农村道路矢量中心线提取及优化

遥感影像中农村道路矢量中心线的准确提取对乡村规划和地理信息数据库建设具有重要意义。针对现有深度学习方法未能充分利用上下文信息,且在下采样过程中易造成图像分辨率下降和局部特征丢失的问题,该文改进U-Net网络模型以提高提取结果的准确性。首先,网络结构设计两次下采样处理,并将上下文两处特征信息用跳跃层连接,使输出的道路细节清晰;其次,为避免样本不均衡导致训练效果不理想,采用交叉熵损失函数与广义骰子损失函数叠加的方式提升训练效果;最后,采用邻域质心投票算法和融合算法对提取的道路进行矢量化和中心线优化,得到高精度的农村道路矢量中心线。试验结果表明:改进方法在复杂场景的农村道路矢量中心线提取中准确率达95.03%,较4种对比算法(U-Net、DC-Net、PA-Net、SM-Net)具有明显优势。

基于支持向量机的“一带一路”航空网络的链路预测

链路预测可以探寻“一带一路”航空网络中的链接偏好,为“一带一路”航空网络提供一定的理论依据。文章选取8个网络结构相似性指标,基于支持向量机分类算法从国家和机场两个层面对“一带一路”沿线航空网络进行链路预测。结果发现:越宏观的航空网络,其预测精确度越高;同时,链路预测模型的预测精确度与指标中包含的网络结构信息相关,指标中包含的网络结构信息越多,预测精确度越高,且对于“一带一路”航空网络中的节点,链路预测中Katz指标的预测准确度最高。

基于深度学习的多步骤道路遗留物检测方法

道路遗留物是指存在于道路上影响交通安全的非车辆障碍物,因其涵盖的物品种类和范围非常广,若使用普通的目标检测方法对数据量的要求过于庞大,难以在工程中得到实现。为了解决这些问题,论文提出了一种对遗留物的动态检测进行多步骤结合的方法。首先对于检测车采集到的道路遗留物图片进行图像分割,采用全卷积网络(Fully Convolutional Networks,FCN)训练道路信息分割模型,分割结果是待检测的道路上的所有道路信息,包括车辆、路面、行人和遗留物,然后采用RetinaNet算法或YOLO网络(You Only Look Once)训练得到检测模型,从而将车辆和行人的信息通过目标检测方法进行去除,此时图像中仅包含路面和遗留物,最后将图像进行网格分类,将网格划分为遗留物和路面两类,采用支持向量机(Support Vector Machine,SVM)训练得到路面-遗留物模型,最后将连通的遗留物网格合成遗留物的区域并标记在原图中。所提方法可有效解决遗留物的复杂性和背景变化等问题,并在不同的道路环境下保持了较高的可靠性和稳定性。

结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网

在高分辨率遥感图像上,道路网的同物异谱现象更为突出,因此其提取难度更大。提出了一种马尔可夫随机场纹理模型与支撑向量机分类相结合的道路网提取方法。其基本过程是:利用高斯马尔科夫随机场模型6个归一化特征值进行支撑向量机的分类得到道路斑块,利用形态学算子对其进行初步连接并提取轴线,然后通过斑块轴线的启发式连接得到最终道路网。试验证明方法是有效的。

基于优化SVM的城市快速路网交通流状态判别

以交通流率、速度和占有率为输入参数,采用交叉验证法优化模型惩罚参数c和核函数参数γ,建立以径向基为核函数的支持向量机模型,判断道路断面交通流状态;结合设计的道路网综合状态指数,依据自由流、拥挤流和阻塞流状态下占有率划分区间,构建城市快速路网交通流状态判别方法;最后以某一区域路网为例,进行了实证性研究.结果表明:该方法对道路断面交通流状态判别精度可达92.22%;同时能够实现道路网范围内对自由流、拥挤流和阻塞流状态的判别,判别精度可达86.67%.

路网拓扑脆弱性及关键路段分析

在发生地震等特大事件时,一条或多条路段可能完全丧失其功能,路网、起讫点对(OD对)之间是否连通成为最关键的问题.根据网络的拓扑结构来研究路网承受异常事件的能力.将通信领域内提出的最小割频度向量的指标引入路网拓扑脆弱性评价中,该指标对不同的网络具有可比性,能反映路网结构特征,并且能考虑路段本身承受灾害能力的差异对拓扑脆弱性的影响.给出网络拓扑脆弱性指标定义及计算方法,并用示例路网进行演算,结果表明该指标具有可比性和有效性.利用该指标对路网上的关键路段进行分析,并通过在指标计算中考虑路段抗灾害能力来评价路段抗灾害能力提高后拓扑脆弱性的改善效果.

基于主成分分析和支持向量机的道路网短时交通流量预测

将主成分分析和支持向量机回归相结合,进行道路网多断面的短时交通流量预测研究。首先,整理分析路网中多个断面交通流量数据进行主成分分析,得到主成分数据序列;其次,根据主成分数据序列建立训练集训练支持向量机,并利用遗传算法优化参数;最后,输入支持向量机所需数据,得到主成分预测结果,转化为断面交通流量数据,从而预测道路网短时交通流量。采用城市快速路多断面数据进行实例分析,结果表明,该模型比单一断面预测方法的效果更好。

基于GPS轨迹的矢量路网地图自动生成方法

提出一种基于GPS探测车轨迹的大规模矢量路网地图自动生成方法.该方法不需要路网地图的基图,可以只利用GPS探测车在路网中的行驶轨迹,自动将实际路网的真实拓扑结构反映在数字地图上.该方法分三个步骤:首先,实现GPS探测车轨迹数据的大地经纬度坐标到地图城建坐标的转换;然后,利用坐标转换后的GPS轨迹数据生成路网栅格地图;最后,将已生成的栅格路网地图进行矢量化处理.采用真实GPS探测车轨迹数据进行的实际路网自动生成实验表明,该方法能够成功地通过GPS轨迹自动生成路网地图,生成的矢量路网数字地图具有较高的精确度,可以满足交通诱导和汽车导航等系统中数字地图及时、自动更新的应用需求.

基于图像局部奇异值向量和BP神经网络分类器的道路导航方法

提出以道路图像矩阵的局部奇异值向量作为特征输入 ,以BP神经网络作为分类器的道路导航方法 .首先将图像分割成若干子图像 ,然后分别对子图像进行奇异值分解 ,提取子图像的代数特征向量 .子图像的特征奇异值组成整个图像的局部奇异值向量 ,作为分类器的输入 .再利用BP神经网络分类器对道路图像进行训练及识别 .实验中处理了三类道路图像 (偏左、偏右、正确方向 ) ,每类用 2 0幅图像作为训练样本 ,30幅用作测试 .结果表明 ,这种道路导航方法的识别率达到了 10 0 % .

降雨条件下城市道路网络拓扑结构脆弱性分析

受全球气候变化的影响,近几年极端天气增多,城市暴雨灾害频发,导致城市道路网络遭受严重破坏.为减小暴雨灾害给人民带来的生命财产损失,降雨条件下城市道路网络拓扑结构脆弱性分析方法的提出由显重要.本文在综合了国内外脆弱性研究理论与方法的基础上,界定了降雨条件下城市道路网络脆弱性的内涵;结合不同降雨强度对城市道路网络影响进行分析,综合路网中的介数和交通流量来定义节点和边的重要度的指标,对道路网络脆弱源进行识别;然后引用最小割度向量指标对城市道路网络拓扑结构脆弱性进行分析.为城市规划、城市管理道路网络防灾减灾提供参考依据.

失效相关的道路网络系统连通可靠度向量

应用可靠度向量分析方法,研究了具有中介状态的失效相关的城市道路网络系统的连通可靠性.把具有"安全—中介—失效"3种运营状态的单元或系统转化为"安全—非安全"和"非失效—失效"两种工作状态模式来求解路网安全概率和失效概率,从而计算出中介概率.通过实例研究了节点具有可靠度向量的分析方法,又分析了失效相关系数对系统的影响.发现相关失效对道路网系统的可靠度向量影响很大,要提高可靠度的话必须尽可能的降低相关程度,就需要尽量降低破坏事件对周边影响的扩大,减少受影响路径单元个数.该方法能够全面描述道路网运营状态,并且考虑了单元相关性,符合实际,具有一定的理论和应用价值.

GPS定位技术在连云港海堤路控制测量中的应用

主要论述了GPS定位技术在连云港海堤路控制测量中的应用,探讨了GPS定位技术用于线路控制测量中的有关问题,主要包括布网、选点埋石、野外数据采集和内业数据处理等。

中国城市地区的识别:街区尺度的探索

作为评估城市发展的重要指标,城市地区被认为能够通过广泛可用的数据集来进行明确且便捷的识别并有助于规划决策和相关的城市研究。截至目前,识别城市地区的既有方法通常基于中分辨率的遥感数据集或空间中(如具有数平方千米的区块乃至更大的乡镇或行政区)低分辨率的社会经济信息(如人口密度)。然而,这些方法鲜少关注通过结合形态和功能特征来定义的具有高分辨率微观数据的大面积城市地区。故本文研究了一个自动化框架,用于在街区层面划定城市地区,使用逐渐可及的地形测量来生成各个区块(或地理单位)及广泛的兴趣点(POIs),从而推断出每个区块的密度。同时,本文基于矢量元胞自动机(VCA)模型,从所有生成的街廓中识别城市街廓,并将各街廓的密度、邻里条件与其他空间变异纳入考量。本文将这种方法用于绘制所有654个中国城市的城市地区,并将其与中分辨率遥感图像、人口密度和道路交叉口所反映的信息进行比较。与其他现有框架相比,本文提出的框架被证明更为简单、省时且精细。该架构主张定义城市地区的过程应具有一致性、高效性和可用性,同时应考虑城市中无所不在的空间和功能因素。

基于通过率信息的全地形矢量路网生成

论文以建立野外环境的数字路网为目的,提出了一种将多个对全地形或特种车辆的地表通行能力产生影响的地理图层进行叠加,从而得到地表通过率图层,并在此基础上生成野外矢量路网的方法。利用Arc GIS Engine实现了多个地理图层的数据采集及处理、图层叠加以及矢量路网的生成并可以渲染展示。最终的野外道路地图数据结构可以用来为野外作业的全地形或特种车辆进行路径规划和导航。

面向矢量路网的自适应紧凑二维图像表达方法

矢量路网的二维图像表达旨在建立道路到图像的转化关系,对于道路交通流预测等实际问题具有重要研究价值。针对目前研究存在的空间拓扑关系丢失和图像分辨率不易确定等问题,提出了一种矢量路网的自适应二维图像表达方法。该方法能够自适应不同路网结构,在最大维持矢量路网拓扑关系的前提下,将道路路段一一映射到像素单元上,从而生成矢量路网的紧凑二维图像。选取国内外数百个城市不同类型的矢量路网对算法的性能进行验证,通过与随机编码和顺序编码的结果进行对比,证明了该方法的有效性与合理性。

基于车联网的实时路况估计方法

针对实时路况估计和交通数据采集方法没有统一标准的问题,提出了一种基于车联网的实时路况估计架构,由车辆数据采集、数据管理和路况显示组成。车辆数据采集系统基于Android系统开发,采用模块化架构使系统适用于不同厂商的车型;通过对武汉市部分道路进行VISSIM建模,采集大量仿真数据,分别建立RBF神经网络模型和支持向量机模型,并使用遗传算法对支持向量机参数进行优化,两种模型估计结果表明支持向量机的估计效果优于RBF神经网络。最后将支持向量机估计结果应用于路况显示系统,向社会公众提供实时路况。

基于大比例尺DLG的电子地图道路面快速构建方法研究

针对以大比例尺DLG道路边线为源数据进行电子地图道路面生产和更新的应用需求,提出了一种基于大比例尺DLG的电子地图道路面快速构建方法。该方法首先对道路边线节点集构建Delaunay三角网,然后根据矢量数据的方向特性对构建的Delaunay三角形进行区分归类,最后通过闭合线拓扑构面及邻接面融合的方式生成道路面。以福州市全市域1:2000 DLG道路边线构建道路面为例,通过对不同类型道路边线进行分类构面应用实验,为电子地图道路面的快速构建应用提供了具体经验借鉴。

面向矢量线数据的直线形状空间检索方法

形状的认知是空间认知基本问题之一。直线作为最基本的形状,对直线的识别和检索在设备布设、路线规划、车辆测试等方面具有重要的研究意义。针对传统方法对遥感栅格影像进行直线识别时效率低、准确率不高的问题,以矢量数据为研究对象,提出矢量线数据的直线形状空间检索方法。首先,定义“平直度信息量”并提出平直度信息量度量方法,以此描述线要素平直情况;接着,建立了线要素平直序列分段模型,将线要素划分为一组较平直的子段序列;综上两部分,将线要素分段后计算子段平直度信息量,并结合检索条件得到最终检索结果。以OSM路网数据为研究对象,通过实验对比验证该检索方法速度更快,检索结果更全,并且直线道路检索结果不仅在形状上与人的认知相符,而且检索结果中高级道路占比达71.1%,小路仅占2.8%,这与现实中平直道路的属性认知也相符,验证了该方法的可行性与合理性。

基于多元数据的省会城市城中村精细提取

城中村是指农村耕地被收走后,剩余宅基地被城市包围的农村聚落。针对当前城中村的研究缺少数据支撑和定量分析等问题,基于高分辨率遥感影像、建筑物轮廓及兴趣点(point of interest,POI)等多元空间数据,以广东省省会广州市的主城区为研究区域,利用ENVI中深度学习工具提取城中村边界,其城中村正确识别率为64.31%。对于提取结果中存在与部分老旧居民区、工业区混淆的现象,进一步使用路网分割高分辨率遥感影像,制作城中村标签数据。结合机器学习分类方法,使用支持向量机分类器提取城中村轮廓。该方法提取的精度可达到90.19%,对于研究区内城中村改造、城市规划设计等具有一定的参考意义。

基于网络地图API的城市级轨迹生成和路网提取方法

关于矢量路网的现有研究大多是基于GPS轨迹的出行信息提取,但城市级的GPS轨迹数据具有庞大且难以获取的特点。基于此,本文提出一种基于网络地图API的城市级轨迹生成和路网提取方法。首先,通过栅格化研究区得到起点终点矩阵(OD矩阵),利用地图API接口来得到区域OD矩阵的轨迹点从而生成轨迹;其次,利用网络轨迹栅格化和栅格数据矢量化来得到研究区域的矢量路网;最后,以河南省永城市为例,提取了永城城区和全域的路网,与网络地图的路网进行对比。结果显示轨迹生成和路网提取效果良好,提取精度达到92.65%,验证了该方法的有效性。