道路网的Level_of_Detail (LOD)表达对于空间数据的自适应可视化、网络渐进传输、多尺度路网数据库的建立以及空间信息服务质量的提高等方面具有十分重要的作用和意义。目前,道路网LOD 表达方面的研究在道路网结构模式的识别与LOD 模型间的映射关系方面存在欠缺。本项目以道路网数据为研究对象,研究内容包括基于语义特征和几何数据的道路网局部结构模式的自动识别算法;道路网结构模式特征保留和连通不变的道路网LOD 表达算法;道路网LOD 模型间的映射关系模型;拓扑一致性的压缩算法对道路网LOD 模型进行压缩。项目研究进展顺利,目前已发表论文13篇(其中SCI/SSCI 文章2篇,EI论文6篇,ISTP论文1篇);培养了毕业硕士研究生2名、在读博士研究生2名;资助成员和学生参加了3个国际会议。申请专利1项。通过该项目的研究能够为智能导航与位置服务中的空间数据的自适应可视化、网络渐进传输、多尺度空间数据库的建立奠定技术基础。
英文主题词pattern recognition; LoD representation; connective invariance; road network data; compress