基于BP神经网络的道路网选取方法研究

发布时间：2017-03-24 15:06

  本文关键词：基于BP神经网络的道路网选取方法研究，由笔耕文化传播整理发布。

【摘要】：本文利用BP神经网络解决道路网中指标多且模糊的问题,改善道路网选取的效果,为后续的并行化做准备,并研究stroke的构建算法,以更好地描述道路网的网络层次结构。本文是国家自然科学基金项目(41071288)“基于网络层次结构分解的地图综合并行计算方法研究”的重要研究内容。地图制图综合是地图学和GIS领域的研究热点,但却是没有攻克的研究领域,究其原因,地图综合中大量问题是模糊性的,无法用确定的数学模型和公式描述,从理论上讲,要解决地图自动综合的问题,应该从智能化方法上寻找突破口。智能化的地图综合研究关键是地图综合知识的形式化表达和获取,而这个是目前的难点。用于地图综合知识获取的人工智能技术众多,人工神经网络作为一种重要的人工智能技术,在地图综合中有巨大的应用前景。利用BP神经网络进行道路网选取研究,以多比例尺道路网选取结果作为训练样本。研究并回顾了道路网选取的研究成果和方法,以stroke作为选取的基本单元,研究并改进了stroke的构建方法。综合考虑道路网的几何、语义和拓扑属性。选择长度、度中心性、介中心性和紧密度中心性四个指标作为道路网选取的指标和BP神经网络的输入量,得出一个适用于道路重要性估算的BP神经网络结构。最后在计算stroke重要性资格的基础上,利用“选取原则”对stroke进行定额选取。本文的实验数据来源于美国国家地图集中的道路网数据,有国道、州际道路和州内道路,包括两个比例尺1：100万和1：200万的道路网数据,且1：200万道路网是通过1：100万道路网综合而成。选用俄亥俄州道路网中部分道路作为训练样本,通过神经网络的训练,发现一个单隐层,8个神经元的神经网络训练效果最好,误差最低,适用于stroke的重要性估算。根据不同类型的道路网如格网式、放射式和自由式道路网,分别进行实例验证,且最后利用伊利诺斯州的所有道路网作整体实验。通过实例验证,证明本文方法对道路网的整体结构保持、连通性保持和道路网密度保持较好。表明BP神经网络能有效解决道路网中指标多且模糊的问题,且这种以多比例尺数据产生训练样本的做法是可取的,可供其他研究者借鉴。
【关键词】：地图自动综合 道路网 选取 stroke BP神经网络
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P208;P285.3
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第1章 绪论12-18
• 1.1 选题依据与背景12-14
• 1.1.1 选题依据12-14
• 1.1.2 课题支撑14
• 1.2 国内外研究现状14-16
• 1.2.1 地图综合的研究现状14-15
• 1.2.2 神经网络用于地图综合研究现状15-16
• 1.3 技术路线16-18
• 第2章 地图综合知识和BP神经网络18-30
• 2.1 制图知识的来源、获取、修订和表达18-25
• 2.1.1 知识的来源19-20
• 2.1.2 知识的获取20-23
• 2.1.3 知识的修订23-24
• 2.1.4 知识的表达24-25
• 2.2 BP神经网络25-30
• 2.2.1 BP神经网络原理25-28
• 2.2.2 BP神经网络训练28-29
• 2.2.3 Matlab神经网络工具29-30
• 第3章 道路网选取理论与现有方法30-36
• 3.1 道路网选取原则30-31
• 3.2 道路网选取指标31-32
• 3.3 道路网选取的主要方法32-36
• 3.3.1 基于拓扑结构的道路网选取32-33
• 3.3.2 渐进式道路网选取33-34
• 3.3.3 基于stroke的道路网选取34-35
• 3.3.4 基于网眼的道路网选取35-36
• 第4章 基于BP神经网络的道路网选取研究36-48
• 4.1 道路的良好连续性原则stroke36-41
• 4.1.1 感知分组原则36
• 4.1.2 良好连续性和stroke36-37
• 4.1.3 stroke构建算法37-41
• 4.2 利用BP神经网络估算stroke重要性估算41-45
• 4.2.1 stroke重要性评价指标体系41-43
• 4.2.2 道路网选取神经网络结构43-44
• 4.2.3 BP神经网络训练样本产生44-45
• 4.3 基于stroke和BP神经网络的道路网选取流程45-48
• 第5章 实例验证与分析48-71
• 5.1 实验数据48-50
• 5.2 stroke构建及属性计算50-54
• 5.3 BP神经网络训练54-57
• 5.4 基于stroke的道路网选取实例57-69
• 5.4.1 放射式道路网选取实例58-60
• 5.4.2 格网式道路网选取实例60-63
• 5.4.3 自由式道路网选取实例63-66
• 5.4.4 整体道路网选取实例66-69
• 5.5 实验结果小结69-71
• 第6章 结论和展望71-74
• 6.1 全文总结71-73
• 6.2 创新点73
• 6.3 展望73-74
• 参考文献74-78
• 硕士期间的科研成果78-79
• 致谢79-81

【相似文献】

中国期刊全文数据库 前10条

1 邓红艳;武芳;王辉连;朱鲲鹏;;基于拓扑相似性的道路网综合模型[J];测绘科学技术学报;2008年03期

2 董卫华;李志林;郭庆胜;;基于动态分段的道路网示意性地图模型综合[J];武汉大学学报(信息科学版);2010年08期

3 郑嘉战,宫欣荣,刘潇;关于大连城区道路网系统规划的对策研究[J];系统辩证学学报;1998年01期

4 刘承良;余瑞林;段德忠;;武汉城市圈城乡道路网分形的时空结构[J];地理研究;2014年04期

5 郭敏;钱海忠;黄智深;何海威;刘海龙;;道路网智能选取的案例类比推理法[J];测绘学报;2014年07期

6 李燕,邵作叶,余旭初;基于感知编组的道路网自动提取研究[J];遥感信息;2005年01期

7 陈波;武芳;钱海忠;;空间分析方法在道路网自动综合拓扑构建中的应用[J];测绘科学;2006年01期

8 赵东保;徐艳杰;张弘_";;道路网匹配质量检核与修正机制研究[J];中国矿业大学学报;2013年04期

9 陈玉敏;龚健雅;史文中;;多尺度道路网的距离匹配算法研究[J];测绘学报;2007年01期

10 田晶;宋子寒;艾廷华;;运用图论进行道路网网格模式提取[J];武汉大学学报(信息科学版);2012年06期

中国重要会议论文全文数据库 前7条

1 张青年;;道路网简化研究进展与展望[A];全国地图学与GIS学术会议论文集[C];2004年

2 吴波;杨斌;罗驰;汪勇;傅亚;周琳;;重庆市主城区道路网研究(节选)[A];第九次全国城市道路与交通工程学术会议论文集[C];2007年

3 刘士东;汪增福;;基于拓扑特性和带状主动轮廓模型的道路网自动提取[A];2005年中国智能自动化会议论文集[C];2005年

4 王洪福;;谈中小城市的交通发展策略[A];规划创新：2010中国城市规划年会论文集[C];2010年

5 王艳慧;陈军;蒋捷;李志林;;道路网多尺度数据建模的实体-关系分析[A];中国地理信息系统协会第三次代表大会暨第七届年会论文集[C];2003年

6 何超英;蒋捷;韩刚;陈军;;基于GDF的道路网完全拓扑生成算法[A];中国地理信息系统协会第三次代表大会暨第七届年会论文集[C];2003年

7 王海梅;周献中;;地形图道路提取及道路网拓扑结构的生成[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（下册）[C];2006年

中国重要报纸全文数据库 前5条

1 记者 王伟杰;我市研究部署“四纵三横”快速通道路网建设[N];常德日报;2013年

2 本报记者 亢舒;道路网更密 桥梁更安全[N];经济日报;2013年

3 记者 周国和　通讯员 张伙生;推进深圳东部道路网建设[N];深圳特区报;2008年

4 本报记者 林培;变“大城”为“小街”[N];中国建设报;2012年

5 通讯员 魏宏;优化新城道路网功能结构[N];联合时报;2014年

中国博士学位论文全文数据库 前4条

1 陈玉敏;大区域分布式多级道路网的最优路径算法与服务研究[D];武汉大学;2005年

2 栾学晨;保持结构模式的道路网数据多尺度建模[D];武汉大学;2013年

3 汪永红;多尺度道路网路径规划关键技术及应用研究[D];解放军信息工程大学;2011年

4 翟仁健;基于全局一致性评价的多尺度矢量空间数据匹配方法研究[D];解放军信息工程大学;2011年

中国硕士学位论文全文数据库 前10条

1 何海威;顾及层次结构和空间冲突的道路网选取与化简方法研究[D];解放军信息工程大学;2015年

2 李进;基于BP神经网络的道路网选取方法研究[D];南京大学;2014年

3 刘欣;乡镇道路网的问题与研究[D];河北农业大学;2011年

4 刘承科;应用空间语法理论对香港道路网建模及分析[D];青岛大学;2007年

5 邱礼平;城市新区道路网系统规划理论方法研究[D];长安大学;2011年

6 姬海;城市道路网容量节点路段化分析方法研究[D];哈尔滨工业大学;2010年

7 马黄群;道路网层次划分及评价研究[D];西南交通大学;2012年

8 陈柏球;我国大中城市道路网系统结构研究[D];中南大学;2009年

9 邹方磊;嵌入式GIS中多尺度道路网路径规划方法的研究[D];解放军信息工程大学;2008年

10 秦彦光;高分辨率遥感图像道路网及车辆信息提取[D];吉林大学;2014年

  本文关键词：基于BP神经网络的道路网选取方法研究，，由笔耕文化传播整理发布。

本文编号：265763