利用多元Logistic回归进行道路网匹配

付仲良; 杨元维; 高贤君; 赵星源; 逯跃锋; 陈少勤

doi:10.13203/j.whugis20150112

利用多元Logistic回归进行道路网匹配

1.
武汉大学遥感信息工程学院, 湖北武汉, 430079;
2.
长江大学地球科学学院, 湖北武汉, 430100;
3.
山东理工大学建筑工程学院, 山东淄博, 255049;
4.
浙江省测绘科学技术研究院, 浙江杭州, 310012

基金项目: 山东省自然科学基金(ZR2014DL001)。

详细信息

作者简介:
付仲良,教授,主要从事地理信息系统、矢量匹配及空间数据更新研究。fuzhl@263.net

通讯作者:
杨元维,博士生。yyw_08@whu.edu.com

中图分类号: P208
计量
- 文章访问数: 1861
- HTML全文浏览量: 84
- PDF下载量: 1201
出版历程
- 收稿日期: 2015-05-28
- 发布日期: 2016-02-04

Road Networks Matching Using Multiple Logistic Regression

1.
School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China;
2.
School of Geosciences, Yangtze University, Wuhan 430100, China;
3.
School of Civil and Architectural Engineering, Shandong University of Technology, Zibo 255049, China;
4.
Zhejiang Academy of Surveying and Mapping, Hangzhou 310012, China

Funds: The Natural Science Foundation of Shandong Province, No. ZR2014DL001.

摘要

摘要: 识别同名道路在多源异构道路网匹配过程中十分关键。提出了一种多元Logistic模型的道路网匹配算法。首先选取并设计了能有效综合空间与非空间信息进行道路不相似性描述与区分的三种特征,即最小方向变化角、综合中值Hausdorff距离和语义差异三种不相似性特征,然后利用此三项特征结合多元Logistic回归模型构建准确的道路网匹配模型。利用该模型对道路网中待匹配道路进行匹配概率预测,从而获取道路的匹配结果,实现路网匹配。实验结果表明,本文方法避免了组合特征精确权值与阈值的设定,并能有效解决匹配结果对单元变量过于依赖的问题,具有良好的适应性、较高的准确率和召回率。
- 道路网匹配 /
- 地图合并 /
- 多元Logistic回归 /
- 综合中值Hausdorff距离
Abstract: Identifying corresponding objects is crucial in the process of heterogeneous road network matching. This paper proposed a road network matching method based on a multiple logistic regression algorithm. First, three dissimilar characteristics integrating both spatial and non-spatial features were used to describe the difference of the corresponding pairs of road objects;the minimum angle of the orientation, the mixed median Hausdorff distance, and semantic discrepancy. Using these three characteristics as variables of multiple logistic regression, we built a basic multiple logistic regression matching model. Samples to train the final road matching model were acquired to obtain matching results by predicting probability of each candidate road matching pair. Experimental results show that this method needs no exact feature weights and thresholds, and can solve the matching result problems stemming from over-reliance on single variable. This method has good adaptability, with higher precision and recall rates.
- road networks matching /
- map conflation /
- multiple Logistic regression /
- mixed mediam Hausdorff distance

HTML全文

参考文献(12)

[1]	Yuan Tao S C. Development of Conflation Components[C]. Proceedings of Geoinformatics, Ann Arbor, 1999
[2]	Saalfeld A. Conflation Automated Map Compilation[J]. International Journal of Geographical Information System, 1988, 2(3):217-228
[3]	Gabay Y. Doytsher Y. Automatic Adjustment of Line Maps[C]. The GIS/LIS.94 Annual Convention, Arizona, Phoenix, USA, 1994
[4]	Samal A, Seth S, Cueto K. A Feature-based Approach to Conflation of Geospatial sources[J]. International Journal of Geographical Information Science, 2004, 18(5):459-489
[5]	An Xiaoya, Sun Qun, Yu Bohu. Feature Matching from Network Data at Different Scales Based on Similarity Measure[J]. Geomatics and Information Science of Wuhan University, 2012, 37(2):224-228(安晓亚, 孙群,尉伯虎. 利用相似性度量的不同比例尺地图数据网状要素匹配算法[J]. 武汉大学学报·信息科学版, 2012, 37(2):224-228)
[6]	Luo Guowei, Zhang Xingchang, Qi Lixin, et al. The Fast Positioning and Optimal Combination Matching Method of Change Vector Object[J]. Acta Geodaeticaet Cartographica Sinica, 2014, 43(12):1285-1292(罗国玮, 张新长, 齐立新,等. 矢量数据变化对象的快速定位与最优组合匹配方法[J]. 测绘学报, 2014, 43(12):1285-1292)
[7]	Tong Xiaohua, Deng Susu, Sui Wenzhong. A Probabilistic Theory-based Matching Method[J]. Acta Geodaeticaet Cartographica Sinica, 2007,36(2):210-217(童小华, 邓愫愫,史文中. 基于概率的地图实体匹配方法[J]. 测绘学报, 2007,36(2):210-217)
[8]	Gong Xianyong, Wu Fang, Ji Cunwei, et al. Ant Colony Optimization Approach to Road Network Matching[J]. Geomatics and Information Science of Wuhan University, 2014, 39(2):191-195(巩现勇, 武芳, 姬存伟,等. 道路网匹配的蚁群算法求解模型[J]. 武汉大学学报·信息科学版, 2014, 39(2):191-195)
[9]	Li L, Goodchild M. Automatically and Accurately Matching Objects in Geospatial Datasets[J]. Adv. Geo-Spat. Inf. Sci, 2010, 10:71-79
[10]	Tong X, Liang D, Jin Y. A Linear Road Object Matching Method for Conflation Based on Optimization and Logistic Regression[J]. International Journal of Geographical Information Science, 2014, 28(4):824-846
[11]	Min Deng, Zhilin Li. Xiaoyong. Chen. Extended Hausdorff Distance for Spatial Objects in GIS[J]. International Journal of Geographical Information Science, 2007, 21(4):459-475
[12]	Navarro G. A Guided Tour to Approximate String Matching[J]. ACM Computing Surveys (CSUR), 2001, 33(1):31-88

施引文献(36)

期刊类型引用(14)

1.	林尚纬，杜晓，张宏伟，吴晨琛，王艳东，周琦，朱玲，陈家阁，万咏涛. 基于多源数据的全球路网融合生产应用研究. 地理空间信息. 2025(01): 90-94+122 . 百度学术
2.	王艳东，何国雄，吴晨琛，林尚纬，刘波，王勇，李志超，张英勇. 基于匹配置信度的路网几何特征融合方法研究. 测绘与空间地理信息. 2024(01): 9-12 . 百度学术
3.	李朝奎，李婷，周新邵，唐炉亮，张新长，胡焜豪. 基于模糊层次理论的城市群路网匹配模型构建及其应用. 地球科学. 2024(08): 3020-3028 . 百度学术
4.	张政，江南，曹一冰，张江水，杨振凯. 基于改进重力模型的签到数据好友关系判断方法. 武汉大学学报(信息科学版). 2022(04): 604-612+638 . 百度学术
5.	张新长，何显锦，孙颖，黄健锋，张志强. 多尺度空间数据联动更新技术研究现状及展望. 测绘学报. 2022(07): 1520-1535 . 百度学术
6.	秦育罗，宋伟东，张在岩，孙小荣. 顾及几何特征和拓扑连续性的道路网匹配方法. 测绘通报. 2021(08): 55-60 . 百度学术
7.	贾涛，李琦，马楚，李雨芊. 武汉市出租车轨迹二氧化碳排放的时空模式分析. 武汉大学学报(信息科学版). 2019(08): 1115-1123 . 百度学术
8.	张博，张猛，王非，范红超. VGI数据与地形图数据的自动融合研究. 武汉大学学报(信息科学版). 2019(11): 1708-1714 . 百度学术
9.	郭宁宁，盛业华，吕海洋，黄宝群，张思阳. 径向基函数神经网络的路网自动匹配算法. 测绘科学. 2018(03): 45-50 . 百度学术
10.	陈万鹏，崔虎平. 基于相似性度量的城市路网实体匹配算法. 测绘与空间地理信息. 2018(12): 39-42+46 . 百度学术
11.	张寿选. 空间目标匹配在“天地图·福建”道路数据融合中的应用. 地理信息世界. 2017(05): 92-96 . 百度学术
12.	孙群. 多源矢量空间数据融合处理技术研究进展. 测绘学报. 2017(10): 1627-1636 . 百度学术
13.	张锡. 稀有事件Logitsic模型及其在我国上市公司财务困境预测中的应用研究. 时代金融. 2017(08): 218-220 . 百度学术
14.	唐晓，刘启贵，隋全恒. 关联规则分析和logistic模型的相关性研究. 中国卫生统计. 2017(05): 805-807+811 . 百度学术