详情

原文传递一种新的基于Voronoi图的多尺度道路网匹配方法

论文题名：	一种新的基于Voronoi图的多尺度道路网匹配方法
关键词：	道路网;启发式组合匹配;Voronoi图;几何相似性
摘要：	空间实体匹配是指识别出不同数据集中的同名实体，并建立相同实体间的相关关系的过程，它广泛应用于空间数据合并、数据更新、数据质量评价等场合，在研究空间线状实体匹配的过程中，发现Voronoi图具有构建效率高、易于建立多尺度空间实体的映射关系和有效减少候选匹配要素等优势。本文以相同空间区域的多源多尺度道路网数据为研究对象，利用Voronoi图、几何相似性计算、空间拓扑关系以及综合中值Hausdorff距离等理论与方法，提出了一种新的基于Voronoi图的多尺度道路网匹配方法(A new Voronoi Diagram-based Approach for Matching Multi-scale Road Networks,VAMRN)。论文的主要工作及成果体现在：　　(1)分析了道路网匹配的背景与现状，指出了现有方法的不足之处。介绍了实体匹配的基本概念和一般过程，研究对比了多种道路网匹配方法以及匹配策略的优点和缺点，指出当前道路网匹配存在的问题，介绍了常用的道路网数据相似性描述特征和匹配结果质量评价方法。　　(2)研究并设计了线状道路Voronoi图的构建方法。通过对道路网数据的特性和结构进行观察与分析，对广义Voronoi图的创建方法中出现的交点重叠、密集线的Voronoi图发生拓扑错误等问题进行解决，设计了在交点处打断并进行微量位移以及在特殊交叉路口增加密集点的策略用来解决以上问题，该Voronoi图构建方法更符合多源多尺度道路网的Voronoi图创建方法，使生成的线状道路的Voronoi图能更加高效且更加契合结构复杂多变的道路网数据，减少发生元与Voronoi图之间的拓扑错误。　　(3)提出了基于综合中值Hausdorff距离的多种约束条件启发式组合匹配策略。为解决道路网匹配中一对多或多对多的匹配情况，以及现有方法组合匹配效率不高，且容易出现漏匹配的情况，本文设计了一种新的启发式的道路组合匹配策略：基于综合中值Hausdorff距离的多约束条件启发式组合匹配策略，根据距离越近越相关的性质，将候选匹配集中元素按综合中值Hausdorff距离由近到远的顺序进行排序，通过不断遍历与组合体的相接道路进行组合，组合后计算该组合体的相似性指标，并依次进行与多个约束条件的判断以及与相似性特征阈值比较，保证候选匹配要素的组合是按正确的方向进行，减少候选匹配要素组合的尝试次数，提高匹配结果的召回率和匹配对选取的效率。　　(4)设计了判断同名实体的几何相似性指标。为准确的从候选匹配对中筛选出正确的匹配对，本文通过分析和对比多种常用的相似性指标，并结合多源多尺度道路网数据特点以及VAMRN算法启发式组合匹配的组合体变化特点，选取并设计了长度、形状和方向这三种几何相似性指标，用于筛选同名道路。通过对相似性指标选取不同值进行对比实验，将匹配结果质量最好情况下的相似性特征值确定为阈值，得到的匹配结果具有较高的准确率和计算效率。　　（5）完成了基于VAMRN的多尺度道路网匹配方法实验。为验证VAMRN方法的可行性，以及匹配结果的质量和算法的计算效率，本文利用多组不同来源不同比例尺的道路网数据进行匹配算法的验证。实验结果表明：与缓冲区增长法和概率松弛法相比，VAMRN能够有效识别各种匹配结果类型的匹配对，且提高了道路网匹配结果的质量和算法性能，与缓冲区增长法相比，四组数据的匹配结果F值分别提高了24.1%、44.5%、5.1%、10.2%；而与概率松弛法相比，四组数据的匹配结果F值分别提升了4.5%、2.8%、1.8%、6.1%，且时间性能提升90%以上。结果表明利用VAMRN方法的道路网匹配可行有效，有利于道路网的准确快速融合与更新，从而保持道路网的现势性。
作者：	赵宇
专业：	地图学与地理信息系统
导师：	吴建华
授予学位：	硕士
授予学位单位：	江西师范大学
学位年度：	2022