排序方式： 共有15条查询结果，搜索用时 15 毫秒
1.
随着地理信息产业的蓬勃发展,地图与各类生活服务深度融合,地图从专业化应用逐步走向大众化应用。大数据时代的到来,为地图数据的分发、共享、获取与动态更新等提供了极大便利,但伴随而来的是地图数据传输过程中面临的信息泄露、窃取等安全隐患问题也日益严峻。现有的矢量地图加密方法大多是在经典密码学算法基础上扩展而来,虽然已有加密方法考虑到矢量地图的特征,但是现有方法大多仍以整个地图或图层为加密单元,在用户需要访问某个局部的感兴趣区域时需要对整个地图文件或图层进行解密,对于矢量地图的按需局部加密仍未提出有效方案,还难以满足大数据时代地图按需用图、众包地图数据采集与云端更新等应用场景对矢量地图局部加密的应用需求。为此,本文从矢量地图的数据结构特点出发,提出了一种顾及多级空间索引的矢量地图局部加密方法。通过点、线、面不同矢量地图数据的加密试验分析,结果表明：(1)本文方法可以有效实现矢量地图的局部加解密;(2)相比于现有加密方法,本文方法采用局部加密策略,且支持多级分块并行加密,具有更高的加密效率;(3)本文针对不同加密单元采用不同加密参数,显著提高了加密算法的抗攻击能力。 相似文献
2.
车辆轨迹数据是当前城市导航路网地图动态更新的一种重要数据源,从杂乱无序的轨迹点或轨迹线中提取并拟合道路几何形态,进而生成结构化的道路矢量地图是基于轨迹数据进行道路网地图构建与更新的关键步骤。现有的道路中心线提取方法主要采用单一的线形拟合算法进行轨迹数据拟合,然而真实道路的几何形态复杂多样和车辆轨迹数据质量参差不齐,导致单一的道路线形拟合算法只能在某些特定的数据场景下适用,无法针对不同的数据场景自适应的拟合出理想的道路中心线。此外,相比于专业测量方式采集的高频轨迹数据,出租车等采集的低频轨迹数据存在轨迹点稀疏、噪声多、定位误差大等问题,这使得从低频轨迹数据中提取理想的道路中心线仍具有挑战,尤其是针对复杂的交叉口区域。为此,本文基于分治策略的思想,提出了一种适应不同轨迹数据场景的道路线形组合优化提取方法。该方法在轨迹数据预处理的基础上,根据轨迹数据的分布特点对数据进行场景分类;进而,针对不同的数据场景匹配最优的线形拟合算法,通过组合优化策略生成理想的道路中心线。本文方法融合不同拟合算法的互补优势,可以有效解决数据分布稀疏、道路结构复杂(如自相交立交桥)等不同数据场景下的道路线形拟合问题。采... 相似文献
3.
4.
空间聚类分析是空间数据挖掘的主要方法之一,旨在发现海量数据中潜在的空间分布模式和异常特征。此处采用空间聚类分析和多尺度分析相结合的策略对海温进行多尺度气候分区。首先,针对气候时间序列特征和异常区域特征,提出一种顾及异常区域的多尺度分区方法;进而,分别采用传统方法和新方法对海温进行多尺度气候分区,通过比较分析发现新方法更优越;最后,利用气候指数对分区结果进行验证,说明新方法是有效的。 相似文献
5.
车辆轨迹大数据为道路网生成与更新、道路状态信息感知提供了新机遇,从轨迹数据中准确提取道路交叉口是基于车辆轨迹数据构建精细化道路网地图的关键步骤。当前已有学者根据轨迹点的转向、速度变化等特征,基于空间聚类提出了一些道路交叉口识别的经典方法,但由于轨迹数据密度分布的异质性、噪声干扰及最优聚类参数设置等问题,从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口仍是一个挑战。为此,本文首先针对轨迹密度的空间分布异质性提出基于层次划分的轨迹栅格化策略,进而从视觉角度出发,提出一种基于“转换-分割-优化”全流程的道路交叉口层次提取方法。通过对不同采样频率的真实轨迹数据进行试验分析,验证了本文方法对低频轨迹数据中道路交叉口提取的准确度与有效性,识别结果优于现有代表性方法。 相似文献
6.
轨迹聚类是空间数据挖掘领域的一个研究热点，对城市交通规划、路网结构提取与更新等具有重要意义。轨迹聚类包括轨迹相似性度量和聚类参数设置2个核心问题。然而，由于轨迹的形态结构特征复杂，现有轨迹相似性度量指标存在对噪声敏感或未充分考虑轨迹运动方向一致性的问题，且大多数聚类算法仍需人为设置参数，聚类挖掘结果的质量受到用户主观经验的影响。针对上述问题，本文提出了一种融合多特征的移动轨迹自适应聚类方法。首先，通过融合轨迹的空间邻近性和运动方向特征定义了一种对噪声鲁棒的轨迹相似性度量指标—DSPD距离；在此基础上，通过扩展Ward层次聚类方法提出了一种基于中心轨迹概念的空间层次聚类算法，该算法使用DSPD距离作为相似性度量指标，利用聚类特征曲线自动确定最佳聚类参数。以11组模拟轨迹数据和武汉市真实轨迹数据为例进行实验与分析，结果表明，本文方法在顾及空间邻近性的基础上，可以有效区分不同移动方向的轨迹簇，同时，利用轨迹数据特征自动确定聚类参数，降低了挖掘结果的主观性。 相似文献
7.
多模态地理大数据时空分析旨在融合地理大数据的多模态信息发现有价值的时空分布规律、异常表现、关联模式与变化趋势,是全空间信息系统的核心研究内容,并有望成为推进地理学人地关系研究的重要突破口。为应对地理大数据时代的新机遇与挑战,本文围绕4类核心的时空分析方法（时空聚类分析、时空异常分析、时空关联分析与时空预测分析）,系统归纳了国内外研究现状,探讨了时空分析中多尺度建模、多视角协同、多特征认知与多特性表达的研究难点。进而,介绍了多模态地理大数据时空聚类、异常、关联与预测分析模型,更加全面、客观、精准地认知与理解时空大数据中潜在的地理知识,并且能够在气象环境监测、公共安全管理、城市设施规划等多个应用领域发挥关键作用。 相似文献
8.
本文从空间-语义双重约束角度,提出一种顾及空间邻近和功能语义相似的建筑物空间分布模式识别方法。首先,基于建筑物的空间位置邻近性(即建筑物间的最小距离)约束进行聚类,获得建筑物的空间分布模式和建筑物间的空间邻近关系;然后,根据建筑物的功能语义相似性约束进行分割,获得建筑物的初步聚类结果;最后,考虑簇内相似性与簇间差异性进行整体优化,获得最终聚类结果。试验验证表明,本文方法比现有方法能够更有效地识别空间邻近与功能语义一致的建筑物群,服务于智慧城市建设中对建筑物进行语义层次综合和对城市结构进行深入研究的需求。 相似文献
9.
针对高分辨率遥感影像在网络传输、数据分享及应用过程中的安全性问题,本文从高分辨率遥感影像自身特点出发,提出了一种顾及纹理复杂度的遥感影像分区域多密级加密算法。首先,对大数据量的遥感影像进行分块处理,并将每个子图像块按照纹理特征的复杂度划分为简单、中等和复杂类型;然后,针对不同类型的子图像块采用不同维度的混沌系统分别加密得到密文块;最后,将密文块进行关联拼接,得到整体加密后的密文图像。通过采用真实遥感影像的试验分析结果表明,本文方法能够很好地实现遥感影像的信息隐藏,并且可以兼顾加密的安全性和时间复杂度,在大数据时代面向大众化应用的高分辨率遥感影像数据共享和图像处理领域具有潜在应用价值。 相似文献
10.
空间异常探测旨在从海量空间数据中挖掘不符合普适性规律、表现出“与众不同”特性的空间实体集合,对于揭示地理现象的特殊发展规律具有重要价值。现有研究在空间异常度量方面取得了重要进展,但多缺乏对空间异常模式显著性的统计判别,且是针对单一类别数据,没有顾及多类别数据间的相互影响。为此,本文基于空间随机过程的思想,针对两种类别空间点数据,提出了一种空间交叉异常显著性判别的非参数检验方法。首先,针对基本数据集实体,采用约束Delaunay三角网,构建合理、稳定的空间邻近域;然后,统计落在基本数据集实体空间参考邻域半径范围内的参考数据集实体的数目,度量初始异常度;进而,采用α-Shape法构建支撑域,以空间随机过程为基础构建零模型,采用蒙特卡洛模拟检验空间异常的显著性;最后,采用生存距离对异常模式的稳定性进行评价分析。通过试验分析与比较发现,该方法能够有效识别具有统计显著性的空间交叉异常。 相似文献