面向地图综合的面状居民地自动分组模型

• 作 者: 何显锦 张新长 辛秦川
• 机 构: 中山大学地理科学与规划学院,广东,广州,510275
• 出 处: 2016中国地理信息科学理论与方法学术年会
• 发表日期: 2016年6期
• 关键词: 地图综合 图割 自动分组 基于对象 面状居民地

　　快速和正确地分组对于自动化地图综合有着重要作用。分组在Brassel 与Weibel的综合概念模式中，相当于其五部之首的结构识别。但是由于建筑物复杂的空间分布与空间关系(如拓扑关系)，想从众多潜在分组结果中获取“最佳”的分组结果是非常困难的。目前，基于模板识别的方法大多针对特殊模式，比如直线模式、沿道路排列模式，而两两组合的方法(自下而上的方法)容易产生畸形形状的组合(组合形状欠规则)。本文提出了一种基于对象的多层次自动分组方法，该方法是一种自上而下的分割方法，结合计算几何、图论、机器学习以及格式塔心理学建立一个建筑物分组框架。本文先将分组问题划分为三个子问题，即如何获取潜在组合、如何判断潜在组合和组合应该是什么样的。对于第一个问题，我们设计了一个多层次图割方法，即将一个街区的全部居民地当成一个权重连通图对象(一个潜在组合)，通过判断该对象是否符合给定尺度要求(各种模式类型特征)，符合要求则放进分组结果列表，若不符合要求则对其进行切割，即将连通图中边长“较差”的边删除，从而产生多个子连通图。然后再运用分类器对上述子连通图进行判断。循环上述过程直到没有对象可进行判断。上面提到的分类器是一个随机森林算法分类器，用于判断子连通图(潜在组合)是否符合组合要求(解决第二个问题)。而用于构造分类器的属性即是各种组合类型的特征，用于限制组合的形状表达(解决第三个问题)。本文的一个关键是用何种指标表达图边的权重(也就是邻居对象的相似性)，使其既计算简单又能很好地反映出邻居对象的空间相似性。本文提出了一个称为TRatio的指标用于表达图边的权重，即剩余三角形与所有三角形的比重。实验结果表明，提出的TRatio具有很强的邻近对象空间关系表达能力，仅在图割阶段获得了约70％的分组精度；经过优化后，模型分组总体精度超过85％，召回率在90％以上，并且组合能够很好地保持格式塔完形原则，避免了畸形组合的产生；居民地分组可先进行全局分割，然后进行局部优化。良好的实验结果表明该方法对于提高居民地自动综合效率有着很好的实践意义。