项目名称: 基于结构特征的网络地图自动示意化方法研究

项目编号: No.41201475

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 遆鹏

作者单位: 西南交通大学

项目金额: 25万元

中文摘要: 在示意性网络地图设计中,舍弃了与地图主题无关的地图要素,忽略了地图的实际位置,对网络的形状和结构进行了简化,从而获得更加清晰简单的表达。现有的自动化示意化方法都是基于网络地图中的线状要素逐根简化移位来实现的,未考虑网络结构特征,在方法的设计思想上缺乏专业制图者的结构感和美观感理念,生成的示意性网络地图仍然与人工作品在视觉简洁度和美观度上有较大差距。因此本项目从人们空间认知的角度,基于网络结构的层次性和空间分布的异质性来创新性的提出基于结构特征的自动化示意化方法。研究内容包括:1)人工设计的示意性网络地图结构特征的定量和定性研究;2)网络地图的结构和分布模式的研究;3)提出基于网络结构的自动化示意化的方法。本项目的意义在于提出的自动化示意化方法能够改善示意性地图的简洁度和美观度及实现多尺度表达。示意化的结果能够广泛的应用于基于位置服务,导航,旅游以及公共交通等方面。

中文关键词: 网络地图;示意地图;结构特征;空间分布;

英文摘要: The schematic network maps is generated by the simplification of network structure and the elimination of unnecessary map information as well as the neglect of spatial location.This improves the map clarity and readability. Current automated schematizatio

英文关键词: Network Map;Schematic Map;Structure Characteristic;Spatial distribution;

成为VIP会员查看完整内容
0

相关内容

深度学习模型鲁棒性研究综述
专知会员服务
88+阅读 · 2022年1月23日
专知会员服务
22+阅读 · 2021年9月23日
专知会员服务
25+阅读 · 2021年9月10日
专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
49+阅读 · 2021年8月13日
【WWW2021】充分利用层级结构进行自监督分类法扩展
专知会员服务
15+阅读 · 2021年2月7日
专知会员服务
44+阅读 · 2020年11月13日
专知会员服务
47+阅读 · 2020年8月27日
专知会员服务
78+阅读 · 2020年8月4日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
「基于GNN的图分类研究」最新2022综述
图与推荐
7+阅读 · 2022年2月14日
群体行为识别深度学习方法研究综述
专知
0+阅读 · 2021年11月29日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
图上的归纳表示学习
科技创新与创业
22+阅读 · 2017年11月9日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关主题
相关VIP内容
深度学习模型鲁棒性研究综述
专知会员服务
88+阅读 · 2022年1月23日
专知会员服务
22+阅读 · 2021年9月23日
专知会员服务
25+阅读 · 2021年9月10日
专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
49+阅读 · 2021年8月13日
【WWW2021】充分利用层级结构进行自监督分类法扩展
专知会员服务
15+阅读 · 2021年2月7日
专知会员服务
44+阅读 · 2020年11月13日
专知会员服务
47+阅读 · 2020年8月27日
专知会员服务
78+阅读 · 2020年8月4日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
「基于GNN的图分类研究」最新2022综述
图与推荐
7+阅读 · 2022年2月14日
群体行为识别深度学习方法研究综述
专知
0+阅读 · 2021年11月29日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
图上的归纳表示学习
科技创新与创业
22+阅读 · 2017年11月9日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员