知识系统是道路网选取的关键,知识系统的构建对于道路网选取的结果有着至关重要的影响。该文结合OSM(Open Street Map)道路网数据和深度学习框架中的循环神经网络,构建了不同的道路网选取参数系统,分别对上海市1:250000的OSM道路网进行...知识系统是道路网选取的关键,知识系统的构建对于道路网选取的结果有着至关重要的影响。该文结合OSM(Open Street Map)道路网数据和深度学习框架中的循环神经网络,构建了不同的道路网选取参数系统,分别对上海市1:250000的OSM道路网进行选取。对试验结果进行比较发现,多参数的知识系统有益于提升道路网的选取效果,7参数的知识系统的选取精度比4参数知识系统的选取精度高了5%。展开更多
随着城市机动车保有量的急剧增加,城市停车供需矛盾日益显著,路侧违章停车现象也更加突显。为探究路侧违章停车的分布规律及形成原因,结合GIS(geographic information system,地理信息系统)空间分析和聚类分析,提出了一种基于网格K-mean...随着城市机动车保有量的急剧增加,城市停车供需矛盾日益显著,路侧违章停车现象也更加突显。为探究路侧违章停车的分布规律及形成原因,结合GIS(geographic information system,地理信息系统)空间分析和聚类分析,提出了一种基于网格K-means(K均值)聚类分析的违停黑点识别方法。利用南京市秦淮区2021年的路侧违停数据识别出该区域的路侧违停黑点,据此分析违停黑点的道路环境特征,提取出老旧小区、购物广场、旅游景点三大典型违停场景,采用问卷调查的方法,总结出从众心理、路侧停车泊位供应不足、公共停车场距离较远、公共停车场收费标准较高、停车意识和法制观念淡薄、管理部门监督执法不严格等六大路侧违章停车的主要成因,为相关部门制定政策措施提供理论依据。展开更多
针对当下道路网信息自动提取困难,智能化选取方法大大减少了人工提取工作量的现状,该文结合OSM(Open Street Map)道路网数据,基于深度学习,构建了OSM道路网深度学习智能选取模型,根据OSM道路网的特点和应用要求,建立了相应的道路网选取...针对当下道路网信息自动提取困难,智能化选取方法大大减少了人工提取工作量的现状,该文结合OSM(Open Street Map)道路网数据,基于深度学习,构建了OSM道路网深度学习智能选取模型,根据OSM道路网的特点和应用要求,建立了相应的道路网选取知识系统以及RNN(Recurrent Neural Network)网络模型。实验结果表明,RNN模型可以大大提高当前人工选取道路网的效率,并且可以达到较高的实验精度,对于道路网原有的结构也保持较好。展开更多
文摘知识系统是道路网选取的关键,知识系统的构建对于道路网选取的结果有着至关重要的影响。该文结合OSM(Open Street Map)道路网数据和深度学习框架中的循环神经网络,构建了不同的道路网选取参数系统,分别对上海市1:250000的OSM道路网进行选取。对试验结果进行比较发现,多参数的知识系统有益于提升道路网的选取效果,7参数的知识系统的选取精度比4参数知识系统的选取精度高了5%。
文摘随着城市机动车保有量的急剧增加,城市停车供需矛盾日益显著,路侧违章停车现象也更加突显。为探究路侧违章停车的分布规律及形成原因,结合GIS(geographic information system,地理信息系统)空间分析和聚类分析,提出了一种基于网格K-means(K均值)聚类分析的违停黑点识别方法。利用南京市秦淮区2021年的路侧违停数据识别出该区域的路侧违停黑点,据此分析违停黑点的道路环境特征,提取出老旧小区、购物广场、旅游景点三大典型违停场景,采用问卷调查的方法,总结出从众心理、路侧停车泊位供应不足、公共停车场距离较远、公共停车场收费标准较高、停车意识和法制观念淡薄、管理部门监督执法不严格等六大路侧违章停车的主要成因,为相关部门制定政策措施提供理论依据。
文摘针对当下道路网信息自动提取困难,智能化选取方法大大减少了人工提取工作量的现状,该文结合OSM(Open Street Map)道路网数据,基于深度学习,构建了OSM道路网深度学习智能选取模型,根据OSM道路网的特点和应用要求,建立了相应的道路网选取知识系统以及RNN(Recurrent Neural Network)网络模型。实验结果表明,RNN模型可以大大提高当前人工选取道路网的效率,并且可以达到较高的实验精度,对于道路网原有的结构也保持较好。
