论文部分内容阅读
地图上的许多地物呈点群状分布。当地图比例尺缩小时,点状符号之间会出现相互堆叠、覆盖等情形,为了保持地图表达的清晰度、层次性与美观性,需要对点群进行综合。点群综合是从原始点群中抽取出一定数量相对重要的点而删除相对次要点的过程。点的权重反映了单个点在点群整体中的重要性程度,在点群综合算法设计中非常关键。按照点群综合过程中对权重信息的顾及情况,可以将已有的点群综合算法分为两大类,其中一类算法在点群综合过程中没有顾及其权重信息,另一类算法虽然顾及到了权重信息,但仍然存在点群权重设定不够合理、综合结果缺乏现势参考价值及没有顾及道路网在点群综合中的制约与影响作用等问题。为了弥补现有算法对点群权重考虑不充分的缺陷,在对点群权重信息进行科学分析与计算的基础上,借助相关数据获取技术及脉冲耦合神经网络、网络加权Voronoi图、Delaunay三角剖分等理论,系统研究了顾及权重的点群综合方法。主要研究成果包括以下4个方面:(1)将影响范围与影响人群数量作为点群权重衡量依据,利用数据获取与处理技术实现了具有较高现势参考价值的点群影响范围与影响人群的计算与表达,提出了影响范围及影响人群数量共同作用下的高现势性点群综合算法,弥补了已有算法中点群权重设置不够科学合理、现势性不足及没有顾及影响人群对点群权重的影响等缺陷。(2)为了在点群综合过程中顾及到道路网对点群的约束与影响作用,引入了网络加权Voronoi图的概念。基于脉冲耦合神经网络的并发性及自动波发放原理,在改进脉冲耦合神经网络的基础上实现了网络加权Voronoi图的构建,为进一步的点群综合及相关领域研究提供了技术参考。(3)以网络加权Voronoi图为基础,利用带约束的Delaunay三角剖分及动态阈值“剥皮法”实现了点群网络Voronoi多边形的构建。将网络Voronoi多边形面积及多边形内部道路段总长度作为点群权重的衡量依据,实现了顾及相关联的道路网属性信息的点群综合,弥补了已有算法没有顾及道路网对点群权重影响作用的不足。(4)对于无法度量其权重信息的点群,算法选择最大程度地保持其几何结构及拓扑特征。利用Delaunay三角剖分、动态阈值“剥皮”法实现了点群外部轮廓点的提取,在此基础上利用Douglas-Peucker算法及外部轮廓约束下的内部点Voronoi图分别实现了外部轮廓点及内部点的取舍,在继承已有算法对点群外部轮廓及内部密度保持方面优势的同时,弥补了已有算法将轮廓点与内部点独立化简而造成对其相互之间的影响与制约作用顾及不足的缺陷。最后,论文对提出的点群综合方法的适用性及有效性分别进行了实验。实验分析表明,提出的方法在尽可能地顾及点群权重信息的基础上,有效地传输了原始点群各类信息,弥补了已有算法对点群权重信息顾及不足及缺乏现势性等问题,较好地解决了地理空间中各种类型点群的综合问题。