本文關鍵詞： 道路網(wǎng)匹配 穩(wěn)定 層次 智能優(yōu)化 并行化　出處：《中國地質大學》2017年博士論文　論文類型：學位論文

【摘要】：矢量地圖數(shù)據(jù)匹配是空間數(shù)據(jù)集成以及多源多尺度數(shù)據(jù)庫更新維護等應用的核心與關鍵技術。將其應用于多源空間數(shù)據(jù)集成融合,能減少數(shù)據(jù)重復采集的高額費用,有助于改善空間數(shù)據(jù)的質量;將其應用于空間數(shù)據(jù)增量更新可以極大地提高更新效率,降低維護成本,是目前國內(nèi)外專家鉆研的熱點問題。另外還可滿足迅猛發(fā)展的導航產(chǎn)品對于地圖數(shù)據(jù)現(xiàn)勢性方面的強烈需求。隨著多源多尺度道路網(wǎng)空間目標匹配關系復雜程度的提高,道路網(wǎng)空間目標匹配方法在準確率及效率上都遇到不同程度的瓶頸:(1)實體間匹配關系異常復雜。(2)過度關注空間目標局部形狀導致誤匹配。(3)海量數(shù)據(jù)匹配效率低下。因此進一步發(fā)展矢量地圖數(shù)據(jù)信息的相似性定量度量理論與提升匹配效率成為亟待解決的問題。本文瞄準道路網(wǎng)矢量空間目標自動匹配這一國際前沿的學術難點問題,針對當前匹配方法在準確率與效率方面的瓶頸,本研究全面融入空間認知思想,基于空間認知中視覺注意機制提取穩(wěn)定層次空間形態(tài)作為穩(wěn)定參照,借助穩(wěn)定層次空間形態(tài)建立道路網(wǎng)實體間的相似性度量模型。同時鑒于多源多尺度道路網(wǎng)實體的匹配關系的復雜性和不確定性,結合粒子群智能優(yōu)化方法來處理道路網(wǎng)實體的匹配關系,形成了一套智能優(yōu)化理論驅動的、基于穩(wěn)定層次空間形態(tài)的道路網(wǎng)匹配新理論和方法。為了提升匹配的效率,本文引入并行化加速的思想,構建了MPI+OpenMP+CUDA(簡稱MOCP)并行化框架,并基于該框架對該智能優(yōu)化的匹配方法做并行化改造,最終實現(xiàn)一種并行化的智能優(yōu)化道路網(wǎng)匹配算法。相比傳統(tǒng)匹配算法,并行化智能優(yōu)化匹配算法在正確率與效率上都有較大的提升。本研究不僅為多源多尺度道路網(wǎng)的復雜匹配情形提供全新的理論技術支持,還促進矢量道路地圖空間信息的定量度量理論更好地服務于多源多尺度道路網(wǎng)矢量數(shù)據(jù)綜合分析應用。本文主要研究成果由以下四個方面集中體現(xiàn):1)道路網(wǎng)穩(wěn)定層次空間形態(tài)的提取。人類視覺注意過程是由主到次、由簡到繁,逐級發(fā)現(xiàn),這種認知規(guī)律的抽象化描述就是層次化。于是本文模擬人的視覺層次化認知機制來對道路網(wǎng)進行空間層次化劃分與推理,提取出道路網(wǎng)層次空間形態(tài)。這樣匹配時就可先從顯著區(qū)域高層次道路展開,以此作為基礎向鄰接擴散到低層次后逐層確定匹配關系,使得匹配流程符合人類空間認知規(guī)律,并且層次信息還可為道路實體間匹配提供層級約束,進而提升了匹配的準確率。多尺度道路實體過分依賴于局部形態(tài)結構的相似性度量方法主要是源于實體語義參照的缺失。于是本文提取出代表城市空間穩(wěn)定形態(tài)的相對不變參考形態(tài),建立除語義參照外其他形態(tài)的穩(wěn)定參照�；诜�(wěn)定空間形態(tài)參照,可將復雜空間目標之間的幾何相似度計算轉化到同一穩(wěn)定計算空間中空間目標的匹配問題,使得本文的匹配方法既具穩(wěn)定性,又具全局性。2)基于穩(wěn)定層次空間形態(tài)的相似性度量模型。傳統(tǒng)的匹配方法主要依賴于局部形態(tài)結構的相似度度量(度量指標為:距離、形狀、方向、拓撲等),存在容易陷入局部尋優(yōu)的局限性。而穩(wěn)定層次空間形態(tài)則提供了一種全局穩(wěn)定參照,我們可結合該穩(wěn)定參照進行相似性比較,即將兩個待比較的實體變換到同一計算空間中,以道路實體至穩(wěn)定形態(tài)的相對距離作為重要的度量指標�；诜�(wěn)定層次空間形態(tài)的相似性度量模型兼具全局特征與局部特征,能夠較好克服過分依賴局部實體間幾何形態(tài)結構作為相似性判定依據(jù)帶來的問題,提升實體間匹配的準確率。3)基于智能優(yōu)化的道路網(wǎng)最優(yōu)匹配求解算法的建立。智能優(yōu)化算法的發(fā)展為復雜匹配關系的確定提供了一種新的解決方案。對于目的函數(shù)或制約條件來說,智能優(yōu)化方法不需要他們的連續(xù)性與凸性。但對于計算中不確定性數(shù)據(jù)來說,智能優(yōu)化算法卻有很強的適應能力,且算法收斂速度快。道路網(wǎng)匹配中的多重復雜對應關系可以理解為具有不確定性特征,而道路網(wǎng)實體最優(yōu)匹配解算與智能優(yōu)化理論的表達能力正好相符。另外,為了高效的從大規(guī)模候選匹配集合中找出最優(yōu)匹配結果,也可選取智能優(yōu)化搜索算法實現(xiàn)全局尋優(yōu)以此來獲取道路網(wǎng)匹配的最終結果。于是本文將穩(wěn)定層次相似度度量模型與粒子群智能優(yōu)化算法結合,并運用群智能尋優(yōu)的方法處理道路網(wǎng)匹配關系,可為一些復雜的匹配情形提供全新的理論技術支持。實驗數(shù)據(jù)表明,基于智能優(yōu)化的道路網(wǎng)匹配方法在準確率與效率方面有了較大的提升。4)并行化智能優(yōu)化匹配算法。針對道路網(wǎng)數(shù)據(jù)規(guī)模較大時傳統(tǒng)匹配算法效率低下的不足,將并行化加速的思想引入到道路網(wǎng)匹配中。本文實現(xiàn)了MOCP的并行化框架,結合集群、CPU與GPU各自的并行化優(yōu)勢,可充分發(fā)揮已有節(jié)點的計算能力,最大化的提升并行計算能力。并基于MOCP框架對智能優(yōu)化道路網(wǎng)匹配方法進行了并行化改造,最終實現(xiàn)了一種多級并行化的智能優(yōu)化道路網(wǎng)匹配方法。實驗數(shù)據(jù)表明,基于MOCP框架的智能優(yōu)化算法在粒子數(shù)很多的情況下,其匹配效率得到明顯的提升。本文從武漢市多源多尺度道路網(wǎng)中選取多份典型區(qū)域的數(shù)據(jù),并采用穩(wěn)定層次空間形態(tài)相似性度量模型及智能優(yōu)化求解方法對多源多尺度道路數(shù)據(jù)進行匹配實驗。通過實驗案例衡量本文研究的正確性和可靠性,同時從中分析問題并對本文發(fā)展起來的穩(wěn)定層次空間形態(tài)框架、基于穩(wěn)定城市空間形態(tài)的相似性度量模型、基于智能優(yōu)化理論的最優(yōu)化匹配求解方法進行檢驗、完善,以此進一步改進理論研究成果。本文的研究可進一步揭示人類認知在道路網(wǎng)空間目標匹配領域的理論價值和科學意義,也可為多尺度空間目標的自動匹配提供一種新的理論和解決思路,具有重要的現(xiàn)實意義。
[Abstract]:......
【學位授予單位】：中國地質大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：P208

【相似文獻】

相關期刊論文 前10條

1 章四兵,周美立;系統(tǒng)相似性度量中的非平權距離系數(shù)法[J];合肥工業(yè)大學學報(自然科學版);2004年08期

2 謝明霞;王家耀;郭建忠;陳科;;不等距劃分的高維相似性度量方法研究[J];武漢大學學報(信息科學版);2012年07期

3 賀玲;吳玲達;蔡益朝;;高維空間中數(shù)據(jù)的相似性度量[J];數(shù)學的實踐與認識;2006年09期

4 隋正偉;鄔陽;劉瑜;;基于簽到數(shù)據(jù)的用戶空間出行相似性度量方法研究[J];地理信息世界;2013年03期

5 李海林;郭崇慧;;基于多維形態(tài)特征表示的時間序列相似性度量[J];系統(tǒng)工程理論與實踐;2013年04期

6 楊艷春;孟祥武;;基于關鍵詞的對等網(wǎng)絡節(jié)點群相似性度量模型研究[J];武漢大學學報(理學版);2011年06期

7 李永寧;一種基于紋理的圖象相似性度量模型(英文)[J];四川大學學報(自然科學版);2003年02期

8 胡茂海;;基于相關輸出相似性度量的目標識別算法[J];中國激光;2012年04期

9 劉丹;衛(wèi)金茂;張杰;;GO術語間語義相似性度量方法[J];東北師大學報(自然科學版);2010年01期

10 杜培軍;唐宏;方濤;;高光譜遙感光譜相似性度量算法與若干新方法研究[J];武漢大學學報(信息科學版);2006年02期

相關會議論文 前10條

1 劉喜平;萬常選;;一種二維的樹型文檔結構相似性度量[A];第二十五屆中國數(shù)據(jù)庫學術會議論文集（二）[C];2008年

2 劉俊義;王潤生;;仿射不變的多邊形相似性度量[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

3 楊艷春;孟祥武;;P2P網(wǎng)絡服務環(huán)境中的節(jié)點相似性度量研究[A];CCF NCSC 2011——第二屆中國計算機學會服務計算學術會議論文集[C];2011年

4 李彬彬;羅樂;;基于信源學的光譜相似性度量方法的比較研究[A];2009全國計算機網(wǎng)絡與通信學術會議論文集[C];2009年

5 羅陽;趙偉;;相似性度量研究及最優(yōu)相似系數(shù)[A];中國氣象學會2008年年會天氣預報準確率與公共氣象服務分會場論文集[C];2008年

6 周曉蕾;唐明浩;於思俊;;服裝款式系統(tǒng)中的相似性度量算法研究[A];2008年中國高校通信類院系學術研討會論文集（下冊）[C];2009年

7 劉寶生;閆莉萍;周東華;;圖像匹配中相似性度量[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

8 李新光;鄭君君;祝一薇;劉建軍;夏勝平;譚立球;;基于屬性圖模型的圖像相似性度量[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

9 沈君;馬生全;;兩種新的相似性度量在模糊推理中的應用[A];中國運籌學會模糊信息與模糊工程分會第五屆學術年會論文集[C];2010年

10 廉鑫;林偉堅;張海威;袁曉潔;;基于雙向路徑約束模型的XML文檔結構相似性度量[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

相關重要報紙文章 前1條

1 李瀛寰;多廠商智能優(yōu)化方案清除通信死角[N];中國計算機報;2007年

相關博士學位論文 前9條

1 王鵬;基于穩(wěn)定層次空間形態(tài)的道路網(wǎng)匹配[D];中國地質大學;2017年

2 趙秀麗;基于有趣地點壓縮的移動點對象時空軌跡聚類研究[D];北京交通大學;2016年

3 朱進;基于運動特征的軌跡相似性度量研究[D];南京師范大學;2015年

4 白雪;聚類分析中的相似性度量及其應用研究[D];北京交通大學;2012年

5 張明;基于內(nèi)容的圖象相似性度量技術研究及其在水利中的應用[D];河海大學;2003年

6 邱明;語義相似性度量及其在設計管理系統(tǒng)中的應用[D];浙江大學;2006年

7 周瑜;視頻跟蹤中的目標建模及相似性度量研究[D];華中科技大學;2014年

8 戚文靜;基于范例的圖案創(chuàng)作關鍵技術研究[D];山東大學;2012年

9 錢詩友;大規(guī)模發(fā)布/訂閱系統(tǒng)匹配算法研究[D];上海交通大學;2015年

相關碩士學位論文 前10條

1 曹莉莉;基于GC-MS的高速譜庫搜索算法研究[D];安徽大學;2015年

2 蔣欣;基于粒子濾波的故障預報算法研究[D];福建師范大學;2015年

3 張豪;符號序列相似性度量及聚類新算法[D];福建師范大學;2015年

4 周漢海;基于少量選點的社團檢測算法研究[D];蘭州大學;2015年

5 張考;面向電子商務的虛假評論檢測的關鍵技術研究[D];解放軍信息工程大學;2015年

6 張靜轉;基于集對相似性度量的社區(qū)發(fā)現(xiàn)算法研究[D];燕山大學;2016年

7 張婷;基于近鄰協(xié)同過濾算法中相似性度量的研究[D];西南交通大學;2016年

8 陳龍飛;心電時間序列的表示和相似性度量方法的研究[D];哈爾濱工業(yè)大學;2016年

9 張娜;相似性度量及其在圖像非局部濾波中的應用研究[D];昆明理工大學;2016年

10 聶學成;面向文本標識的柔性語義相似性度量方法[D];天津大學;2014年

，

本文編號：1504458