[发明专利]一种关联要素限制下的点群地理实体选取方法

说明书

技术领域

本发明涉及一种点群地理实体选取方法，更具体地，本发明涉及一种关联要素限制下的点群地理实体选取方法。

背景技术

点状地理要素的目标自动选取是地图综合的重要组成部分，也是海量POI多比例尺表达不可回避的问题，其目的是地图从较大比例尺缩放到小比例尺时，随着地图上要素的减少，尽可能的保留重要的点状地理要素，舍去次要的点要素使图面清晰醒目、保持与比例尺相应的地图内容的详细程度。因此，点群要素选取主要需解决两方面的问题，一是选取多少个点状要素，二是选取哪些点或具体删除哪些点。对于点状要素选取数量的确定，现已有很多相对比较成熟的模型(如开方根模型、一元回归模型、多元回归模型、图解计算法等)，本发明中的模型采用地图学界公认的方根模型(其中，nt新编地图上点要素数量，ns资料图上点要素数量，s1资料图比例尺分母，s2新图比例尺分母)进行求解。因此，点状目标选取的重点般归结为第二个问题即选取哪些点。

目前为止，已经提出的关于点群状分布要素的选取方法有：(1)Langran和Poiker(1986)提出的关于注记选取和注记定位的居民地空间比率算法(settlement-spacing ratio algorithm)、分布系数算法(distribution-coefficient algorithm)、重力模型算法(gravity-modeling algorithm)、分割算法(set-segmentationalgorithm)和嵌套化简算法(quadrat-reduction algorithm)；(2)由van Kreveld等(1995)提出的关于居民地选取的圆增长算法(circle-growth algorithm)；(3)由Burghardt等(2004)提出的点状专题数据在线综合算法；(4)由de Berg等(2004)提出的点地图化简算法：(5)Yan和Weibel(2008)提出的基于Voronoi图的点群综合算法。

空间比率算法为每个居民地赋予一个半径为r＝c/i的圆，该半径与居民地的权值成反比。其中，i代表每个居民地的权值，c是一个对于所有居民地都相同的常量。居民地的选取按其权值由大到小进行。当且仅当任何一个先前选取的居民地不位于当前居民地的圆里，该居民地可以被选取。随着越来越多更小的居民地加入，一个新居民地不侵占其它居民地，则它仍然可以被地图接受。

在重力模型算法中，引入了影响力的概念。地图中所有居民地对于一个新居民地的影响力是所有单个居民地影响力之和。一个居民地对另一个居民地的影响力是通过人口除以两个居民地之间的距离得到的。选择一个比例常量c，如果所有被选点的影响力之和小于下一个被考虑的居民地权值的c倍，则接受该居民地。通过控制常量c，可以调节被选择的居民地的数量。

分布系数算法，通过最近居民地索引来进行选择。最近居民地索引是最近邻居的实际平均值和最近邻居的期望平均距离的比值。此外，居民地按权值的降序排序。以权值最大的几个居民地的小集合开始，只有当它们与已知点的和不会减少，最近邻居索引才能够被接受。在最终的选择上定居点的数量是被编入索引的，但是可以引入一个调节因素进行控制。

圆增长算法，给出所有居民地的一个删除/选择队列：对每个居民地画一个半径为r＝i/c的圆(i代表居民地的权值，c对于所有居民地都是一个常量)。比例c的初始值要保证没有两个圆没有交叠，下一步就是减小c值，促使所有的圆都增大，直到其中一部分居民地的圆环完全覆盖了其它居民地的圆环。也就是说前者包含了后者，后者是所有居民地队列的最底层并且被删除。这个过程伴随着队列的越来越高而不断重复，直到只包含一个定居点为止。

Burghardt等(2004)提出了基于四叉数的算法，用来解决手持移动设备中的动物定位可视化问题。该算法用四叉数的原理来剖分地图空间直到每个点都被独立的块所占据，并且建立一个层次式的结构树来记录点数据在线综合时不同的级别。为了保存点数据间有实际意义的关系，在空间剖分中考虑了地理上的分水岭，并由此对剖分后的方格进行了合理的调整。