矢量道路數據的自動匹配與變化檢測研究.pdf

1、道路網空間數據是基礎地理數據庫中的重要組成部分，也是導航應用、災害救援、物流交通等專題數據的重要內容。因此道路數據的現勢性直接決定這些應用能否準確有效。為促進經濟快速發(fā)展，國家對基礎建設，特別是各類道路網絡的建設，投入大量資金，我國道路網建設如火如荼，可謂日新月異。道路實體的變化也促使各類空間數據庫中的道路數據也必須及時更新，只有這樣才能保證空間數據庫的現勢性。目前，增量更新是數據庫更新的重要方式之一，是保持數據庫現勢性的重要手段。而道

2、路要素的同名匹配和變化檢測是道路網增量更新過程中的兩個關鍵流程，其中同名要素匹配是實現增量更新的基礎，只有先完成要素匹配才能在此基礎之上檢測是否發(fā)生變化;而變化檢測是增量更新的前提，因為，只有實現對變化區(qū)域變化要素的檢測和提取，才能進行增量更新。針對以上需求，本文引入徑向基函數網絡理論和決策樹理論對道路要素的同名匹配和道路網變化檢測與分類進行研究，主要成果如下:
　　(1)對道路網要素的自動匹配和變化檢測兩個方面的國內外研究現狀進

3、行了總結和分析，在歸納當前的研究方法的基礎之上探討了其中存在的一些問題。依據道路網的變化規(guī)律，歸納了道路變化特征因子和道路變化類型，為后面的道路網自動匹配和變化檢測打下了理論基礎。
　　(2)提出了基于徑向基函數網絡的多特征因子路網匹配方法。本文綜合利用道路網中路段的長度、距離、形狀、方向等幾何特征的相似度和結點的拓撲特征的相似度等5個空間特征相似度指標對多源道路網進行相似度判斷。為解決各個相似度指標在匹配中的權重分配問題，引入徑

4、向基函數網絡理論，并對經典徑向基函數進行改進，改進后的徑向基函數網絡顧及了不同路網相似度指標在路網匹配中所起作用不同這一特點，使徑向基函數具有各向異性特征。在神經網絡輸出層引入sigmoid函數，對匹配結果值作歸一化處理，從而實現道路網的可靠匹配。通過與常用的BP神經網絡在道路網匹配中的效果進行比較，實驗證明徑向基函數網絡在樣本訓練和路網匹配時效率更高，匹配準確率也更高。
　　(3)提出了基于決策樹的道路網變化檢測與分類方法。設定

5、路長、路型、方向、結點度以及屬性等5個道路變化特征因子作為決策樹的特征，改進傳統(tǒng)決策樹生成過程中基于信息增益選擇特征的方法，利用道路變化特征影響力算法快速計算樣本數據的道路變化特征的影響力值，基于特征影響力值排序來選擇決策樹特征，生成道路變化分類的決策樹，進而完成道路網變化的檢測和變化類型分類。
　　(4)在本文理論研究成果的基礎之上，設計并開發(fā)了道路網變化檢測與分類原型系統(tǒng)。該系統(tǒng)可以實現道路網數據的管理、簡單的數據預處理、道路