第４２卷 第４期测 绘 学 报Ｖｏｌ．４２，Ｎｏ．４ ２０１３年８月Ａｃｔａ Ｇｅｏｄａｅｔｉｃａ ｅｔ Ｃａｒｔｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ Ａｕｇ．，２０１３
ＹＡＮＧ Ｍｉｎ，ＡＩ Ｔｉｎｇｈｕａ，ＺＨＯＵ Ｑｉ．Ａ Ｍｅｔｈｏｄ ｏｆ Ｒｏａｄ Ｎｅｔｗｏｒｋ Ｇｅｎｅｒａｌｉｚａｔｉｏｎ Ｃｏｎｓｉｄｅｒｉｎｇ Ｓｔｒｏｋｅ Ｐｒｏｐｅｒｔｉｅｓ ｏｆ Ｒｏａｄ Ｏｂｊｅｃｔ［Ｊ］．ＡｃｔａＧｅｏｄａｅｔｉｃａ ｅｔ Ｃａｒｔｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ，２０１３，４２（４）：５８１－５８７．（杨敏，艾廷华，周启．顾及道路目标ｓｔｒｏｋｅ特征保持的路网自动综合方法［Ｊ］．测绘学报，２０１３，４２（４）：５８１－５８７．） 顾及道路目标ｓｔｒｏｋｅ特征保持的路网自动综合方法
杨 敏，艾廷华，周 启
武汉大学资源与环境科学学院，湖北武汉４３００７２
宜宾县教育网Ａ Ｍｅｔｈｏｄ ｏｆ Ｒｏａｄ Ｎｅｔｗｏｒｋ Ｇｅｎｅｒａｌｉｚａｔｉｏｎ Ｃｏｎｓｉｄｅｒｉｎｇ Ｓｔｒｏｋｅ Ｐｒｏｐｅｒｔｉｅｓ ｏｆ Ｒｏａｄ Ｏｂｊｅｃｔ
ＹＡＮＧ Ｍｉｎ，ＡＩ Ｔｉｎｇｈｕａ，ＺＨＯＵ Ｑｉ
Ｓｃｈｏｏｌ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ ４３００７２，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ：Ｆｏｒ ｒｏａｄ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｉｎ ａｕｔｏｍａｔｅｄ ｍａｐ ｇｅｎｅｒａｌｉｚａｔｉｏｎ，ｔｈｅ ｇｒａｄｅ ｉｎ ｓｅｍａｎｔｉｃ ｄｅｓｃｒｉｐｔｉｏｎ，ｔｈｅ ｌｅｎｇｔｈａｎｄ ｓｈａｐｅ ｉｎ ｇｅｏｍｅｔｒｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｄｅｎｓｉｔｙ ａｎｄ ｔｈｅ ａｃｃｅｓｓｉｂｉｌｉｔｙ ｉｎ ｔｏｐｏｌｏｇｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ ａｒｅ ｃｏｎｓｉｄ－ｅｒｅｄ．Ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄｓ ｅｖａｌｕａｔｅ ｔｈｅ ｒｏａｄ ｅｎｔｉｔｙ ｉｍｐｏｒｔａｎｃｅ ｏｎｌｙ ｂａｓｅｄ ｏｎ ｓｉｎｇｌｅ ｏｒ ｐａｒｔ ｏｆ ｔｈｅｓｅ ｆａｃｔｏｒｓ，ａｎｄ ｔｈｅｎ ｔｈｅ ｓｅｌｅｃｔｉｏｎ ｐｒｏｃｅｓｓ ｃｏｍｐｌｅｔｅｓ ｂｙ ａｓｓｉｇｎｉｎｇ ａｎ ｉｍｐｏｒｔａｎｃｅ ｖａｌｕｅ．Ｄｕｅ ｔｏ ｔｈｅ ｌａｃｋ ｏｆ ｅｆｆｅｃｔｉｖｅ ａｐｐｒｏａｃｈｅｓｔｏ ｒｅｔａｉｎ ｔｈｅ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｒｏａｄ ｎｅｔｗｏｒｋ，ｉｔ ｉｓ ｅａｓｙ ｔｏ ｄｅｓｔｒｏｙ ｔｈｅ ｏｒｉｇｉｎａｌ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ａ ｎｅｗ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｔ
ｈｅ ｓｔｒｏｋｅ ｐｒｏｐｅｒｔｉｅｓ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔｌｙ，ｃｏｎｃａｔｅｎａｔｉｎｇ ｔｈｅ ｒｏａｄ ｓｅｇ－ｍｅｎｔｓ ｉｎｔｏ ｓｔｒｏｋｅｓ ａｎｄ ｅｖａｌｕａｔｉｎｇ ｔｈｅ ｉｍｐｏｒｔａｎｃｅ ｏｆ ｅｖｅｒｙ ｓｔｒｏｋｅ；ｓｅｃｏｎｄｌｙ，ａｄｄｉｎｇ ｔｗｏ ｔｙｐｅｓ ｏｆ ｃｏｎｓｔｒａｉｎｔ ｃｏｎｄｉ－ｔｉｏｎｓ ｔｏ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｒｏａｄｓ ｓｅｌｅｃｔｉｏｎ ｂｙ ｔｈｅ ｉｍｐｏｒｔａｎｃｅ ｏｆ ｓｔｒｏｋｅ，ｉｎｃｌｕｄｉｎｇ ｌｅｖｅｌ ｃｏｎｓｔｒａｉｎｔ ｃｏｎｄｉｔｉｏｎｓ ａｎｄ ｓｐａｔｉａｌｐｒｏｘｉｍｉｔｙ ｃｏｎｓｔｒａｉｎｔ ｃｏｎｄｉｔｉｏｎｓ．Ｔｈｉｓ ａｐｐｒｏａｃｈ ｃｏｎｓｉｄｅｒｓ ｎｏｔ ｏｎｌｙ ｔｏｐｏｌｏｇｉｃａｌ，ｇｅｏｍｅｔｒｉｃ，ｓｅｍａｎｔｉｃ ｂｕｔ ａｌｓｏ ｔｈｅｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｒｏａｄ ｎｅｔｗｏｒｋ，ａｎｄ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｉｓ ｃｏｎｖｉｎｃｉｎｇ．
Ｋｅｙ ｗｏｒｄｓ：ｍａｐ ｇｅｎｅｒａｌｉｚａｔｉｏｎ；ｒｏａｄ ｓｅｌｅｃｔｉｎｇ；Ｄｅｌａｕｎａｙ ｔｒｉａｎｇｕｌａｔｉｏｎ；ｓｔｒｏｋｅ ｐｒｏｐｅｒｔｉｅｓ
摘 要：地图综合中道路网选取通常要考虑道路的属性等级、几何形状、分布密度、通达性等，常规方法只能顾及部分指标评价对象（弧段、节点或网眼）的重要性，在此基础上按照“资格”法线性选取， 由于缺乏顾及道路网空间分布信息的有效手段，造成原有空间分布特征被破坏。本研究将描述道路完整地理意义的ｓｔｒｏｋｅ特征引入选取过程中，提出一种顾及道路目标ｓｔｒｏｋｅ特征保持的路网选取方法，即构建道路网ｓｔｒｏｋｅ特征并评价重要性，在按ｓｔｒｏｋｅ重要性线性选取的基础上增加约束条件，包括等级约束条件和空间邻近关系约束条件，从而将空间分布信息与属性、几何及拓扑信息有效地结合在一起。试验表明，该方法保留重要道路目标的同时，也较好地保持了原有空间分布特征。
关键词：地图综合；道路选取；Ｄｅｌａｕｎａｙ三角网；ｓｔｒｏｋｅ特征
中图分类号：Ｐ２８２ 文献标识码：Ａ 文章编号：１００１－１５９５（２０１３）０４－０５８１－０７
基金项目：国家８６３计划（２０１２ＡＡ１２Ａ４０４）
１ 引 言
道路网作为一种基础地理数据，对经济、军事有着重要意义，是交通管理、工程运输、地理分析等领域的重要研究对象。同时，道路网往往遍布全图、等级繁多、关系复杂，因此，道路网综合是一个重要且复杂的问题。道路网综合包括道路目标选取和几何形状化简，选取是重点，也是难点。选取过程
包括两个方面：选取多少和选取哪些。前者即定额选取问题，可通过方根模型［１］解决，依据综合前后比例尺得到道路按长度选取比率，并结合样图试验进行适当调整；后者即结构化选取问题，一直是地图综合领域中的研究热点。
道路网结构化选取需综合考虑上下文特征，包括语义特征上的属性等级、几何特征上的长度形状、拓扑关系上的连通性、空间分布上的密度差异等，但是常规方法只能单一或部分地顾及上述指标。总结相关研究，道路网结构化选取方法可分为基于语义等级、图论及ｓｔｒｏｋｅ三种类型。基于语义等级的选取方法仅考虑道路等级、类型等语义信息，选取效果难以满足要求［２］。基于图论的选取方法将道路网映射为图结构后配合优化算法实施选取［３－８］，侧重拓扑信息分析，对于道路目标整体信息难以完整考虑［８］。基于ｓｔｒｏｋｅ的选取方法最早由文献［９—１０］提出，基本思想是引入Ｇｅｓｔａｌｔ视觉感知中的良好延续性（ｇｏｏｄ ｃｏｎｔｉｎｕａｔｉｏｎ）原则，将弧
化身博士小说
段连接成ｓｔｒｏｋｅ作为选取对象，依据长度指标评价ｓｔｒｏｋｅ重要性资格完成选取。在此基础上，相关学者对ｓｔｒｏｋｅ重要性评价指标进行了完善［１１－１８］，如文献［１２］考虑了ｓｔｒｏｋｅ的长度、连通度及包含弧段的平均密度，文献［１３］定义加入了ｓｔｒｏｋｅ在道路网络中的连接度、中心度，此外还可以加入道路等级、类型其他参量信息。相较于前两类方法，基于ｓｔｒｏｋｅ的选取方法可以有效模拟人工选取中的道路视觉长度，保持道路完整性的同时较为全面
地考虑了道路目标上下文信息。但是，实际应用中仍然存在不足之处，包括：①选取过程缺乏保持道路网分布疏密的有效手段［１９］，文献［１２］在ｓｔｒｏｋｅ评价中加入包含弧段的平均分布密度指标，但是仅考虑了静态的单个ｓｔｒｏｋｅ自身分布密度因素，缺乏对ｓｔｒｏｋｅ邻近分布关系的考虑，可能出现局部区域道路目标因“资格”普遍偏小而过度删除的现象；②强调道路目标ｓｔｒｏｋｅ特征的同时，缺乏保持道路网连通性的策略，文献［９］提出若某个ｓｔｒｏｋｅ删除后引起连通性破坏则予以强行保留的方法只是权宜之计。
基于以上分析，本文提出一种约束条件下顾及道路目标ｓｔｒｏｋｅ特征的路网选取方法，在考虑ｓｔｒｏｋｅ对象自身语义、几何及拓扑特征的基础上，将ｓｔｒｏｋｅ对象间的邻近分布关系也考虑进来，重点解决已有选取方法在保持道路网空间分布密度上的“短板”，同时也顾及路网连通性与算法实用性。
２ 道路网ｓｔｒｏｋｅ模型
２．１ ｓｔｒｏｋｅ连接
ｓｔｒｏｋｅ连接即判断拓扑关联的弧段是否属于同一ｓｔｒｏｋｅ的过程。判断标准包括：①方向一致性［９］，若相连弧段夹角值大于一定阈值，认为符合良性延续性原则，同时夹角越接近１８０°，越可能连接为同一ｓｔｒｏｋｅ；②语义一致性［１６］，如将名称相同的弧段连接为同一ｓｔ
莫言 枯河ｒｏｋｅ。两类判断标准各具优劣：前者适用性强，但在节点关联弧段较复杂时容易出现错误连接；后者操作简单但受属性信息完整性限制。因此，适宜的连接策略［２０］是以方向一致性判断为主，辅助以等级、名称相似性判断。结合实际道路网数据往往缺失拓扑记录信息，及弧段的局部抖动容易干扰方向一致性判断等具体情况，提出如下ｓｔｒｏｋｅ连接步骤。
（１）构建道路网图结构，得到弧段集合Ｅ｛ｅ
１
，ｅ２，…，ｅｎ｝，节点集合Ｐ｛ｐ１，ｐ２，…，ｐｍ｝
（２）ｆｏｒ ｉ＝１ｔｏ ｍｄｏ
ｉｆ ｐｉ连接弧段数量大于１，ｔｈｅｎ
２－１ 任意两条相连弧段一组建立ｓｔｒｏｋｅ连接候选集Ｒ｛（ｅｘ，ｅ
ｙ
），…｝，并计算弧段夹角
｛θ
ｘｙ
，…｝
２－２ 剔除夹角值小于设置阈值φ的组合，
如：ｉｆθｘ
ｙ＜
阈值φ，则将（ｅｘ，ｅ
ｙ
）从Ｒ中剔除
２－３ 依据道路名称、道路等级、夹角值的优先级顺序依次建立ｓｔｒｏｋｅ连接，直至Ｒ＝Φ；若
建立弧段ｅｘ和ｅ
ｙ
间的ｓｔｒｏｋｅ连接时，则将Ｒ中
其他包含ｅｘ或ｅ
ｙ
的组合剔除
（３）依据弧段间的ｓｔｒｏｋｅ连接关系将Ｅ中弧段分组，得到ｓｔｒｏｋｅ集合Ｓ｛ｓ１，ｓ２，…｝，其中ｓｉ＝｛ｅｊ，ｅｋ，…｝
注：２－１中，夹角计算前利用Ｄｏｕｇｌａｓ－Ｐｅｕｃｋｅｒ算法对弧段进行保守的压缩预处理。
２．２ ｓｔｒｏｋｅ重要性评价
完成ｓｔｒｏｋｅ连接后，下一步即ｓｔｒｏｋｅ重要性评价。常规方法是选择若干ｓｔｒｏｋｅ特征指标（如长度、连通度、连接度、中心度等），在各自归一化的基础上结合相应权值关系得到ｓｔ
ｒｏｋｅ重要性值［１２－１３］。但实际应用中，不同道路网在区域分布特征及属性表达上存在差异，特征指标的选择与融合方法也不尽相同。本研究的试验数据以城市街道网为主（比例尺１∶１０ ０００），存在两个显著特点：一是主要街道（包括穿越城区的高速路、县级道路等）重要性高于次要街道，二是同等级道路连通度（包含道路交叉口数量）越高重要性越大。因此，ｓｔｒｏｋｅ重要性评价可按照等级属性、连通度、长度的优先级次序执行［１８］，作为国际制图协会推荐的地图编制教科书，文献［２２］在讨论道路综合条件时也给出了上述顺序的选取原则，另外从Ｇｏｏｇｌｅ Ｍａｐ等地图平台的实践应用看，多级金字塔道路显示顺序也遵循这一原则。具体的，采用如下特征指标：①等级属性（ｃｌａｓｓ），ｓｔｒｏｋｅ中累计弧段长度最长的道路等级；②连通度（ｃｏｎｎｅｃ－ｔｉｖｉｔｙ），ｓｔｒｏｋｅ中弧段关联的道路交叉口个数；
氨基酸尿③长度（ｌｅｎｇｔｈ），ｓｔｒｏｋｅ包含的弧段长度总和。３ 约束条件下顾及道路目标ｓｔｒｏｋｅ特征的路网选取模型
常规做法是按照重要性由小到大逐次删除ｓｔｒｏｋｅ包含的弧段，直至保留的道路弧段满足选取数量。但是这种在重要性排序基础上按“资格”
第４期杨 敏，等：顾及道路目标ｓｔｒｏｋｅ特征保持的路网自动综合方法线性选取的方式，可能导致局部区域多选或少选现象，如图１所示，颜相同且相互连接弧段表示一个ｓｔｒｏｋｅ。原因是上述方法仅考虑了ｓｔｒｏｋｅ重要性“
资格”在全局上的比较而忽略了区域间的差异，局部区域的ｓｔｒｏｋｅ不能因为重要性普遍较小而过度删除
。
图１ 按ｓｔｒｏｋｅ重要性“
资格”线性选取结果（按长度选取比例７０％）
Ｆｉｇ．１ Ｓｅｌｅｃｔｉｏｎ ｒｅｓｕｌｔ ｂｙ
ｓｔｒｏｋｅ ｏｒｄｅｒｉｎｇ（ｓｅｌｅｃｔｅｄ ｒａｔｉｏｂｙ
ｌｅｎｇｔｈ ７０％）解决上述问题的关键在于如何将ｓｔｒｏｋｅ个体重要性与区域分布特征结合考虑。简单思路是采用“分而治之”思想，即对整个ｓｔｒｏｋｅ分布区域根据分布特征进行划分，然后各子区域按ｓｔｒｏｋｅ重要性分别实施选取，但在目前技术水平下难以自动化完成。因此，本文提出一种约束条件下顾及道路目标ｓｔｒｏｋｅ特征的选取新思路。
３．１ Ｄｅｌａｕｎａｙ三角网模型下道路弧段邻近关系构建 Ｄｅｌａｕｎａｙ三角网模型及其对偶Ｖ
ｏｒｏｎｏｉ图是空间邻近关系分析的有力工具模型，其外接圆及最大最小角规则使得三角形边的连接具有“最邻近”
特点［２３］
。线目标Ｄｅｌａｕｎａｙ三角网模型是通过对构成线的点建网实现的，为避免产生三角形边与线边界相交的“穿越”现象，需要强制
地将线弧段作为三角形边。但是，当线目标相邻节点距离较远时，可能出现狭长多边形，破坏Ｄｅｌａｕｎａｙ三角网的特性。本研究通过对道路弧段加密节点的方式让更多距离近的节点参与构网，
从而避免上述矛盾。道路网弧段构建Ｄｅｌａｕｎａｙ三角网后，依次遍历三角形边，若两个顶点属于不同弧段，两顶点所在的弧段即为１阶邻近。若三角形边的其中一个顶点是道路弧段的起始点或终止点，可能产生
“穿越”关系，统一将该类型三角形边作无效边处理。图２中，弧段ｅ１的空间一阶邻近弧段集合Ａｄｊ（ｅ１）＝｛ｅ２，ｅ３，ｅ４，ｅ５，ｅ６，ｅ７，ｅ８｝，ｐ１和ｐ２作为ｅ１的
端点，所在三角形边为无效边，因此排除了ｅ９和ｅ１０
。
图２ Ｄｅｌａｕｎａｙ三角网模型支撑下构建道路弧段的邻近
关系
Ｆｉｇ．２ Ｂｕｉｌｄｉｎｇ ｐｒｏｘｉｍｉｔｙ
ｒｅｌａｔｉｏｎ ｏｆ ｒｏａｄ ｓｅｇｍｅｎｔｓｂａｓｅｄ ｏｎ Ｄｅｌａｕｎａｙ
ｔｒｉａｎｇｕｌａｔｉｏｎ３．２ 约束条件的定义及表达从综合选取角度，可将ｓｔｒｏｋｅ划分３种基本类型：高等级必须保留的（Ⅰ型）、低等级直接舍弃的（Ⅱ型）以及介于两者之间参与选取竞争的（Ⅲ型）。前两类ｓｔｒｏｋｅ选取策略明确，且所占比重较小，不会对选取结果在空间分布特征上造成较大影响。Ⅲ型ｓｔｒｏｋｅ相关参量（属性等级、连通度、
长度等）没有显著的等级区分，从个体“资格”考虑无法确定取舍，此时选取策略应主要考虑道路网的空间分布特征。如街区道路网选取中，超过一定长度的主要街道ｓｔｒｏｋｅ必须保留，长度较短的次要街道ｓｔｒｏｋｅ直接删除，而大量其他次要街道ｓｔｒｏｋｅ的取舍则主要考虑空间分布密度因素。因此，定义两种选取约束条件：
（１
）级约束条件，依据属性等级、连通度、长度区分３种类型ｓｔｒｏｋｅ（如图３（ａ）），选取过程中保留Ⅰ型ｓｔｒｏｋｅ，直接删除Ⅱ型ｓｔｒｏｋｅ。其中，ｓｔｒｏｋｅ类型划分条件可表达为规则库形式。ＴｙｐｅⅠ＝｛Ｃｌａｓｓ＝“主要街道”ｏｒ（Ｃｏｎｎｅｃ－ｔｉｖｉｔｙ＞２０ａｎｄ Ｌｅｎｇ
ｔｈ＞２ｋｍ）ｏｒ…｝ＴｙｐｅⅡ＝｛（Ｃｌａｓｓ＝“次要街道”ａｎｄ Ｃｏｎ－ｎｅｃｔｉｖｉｔｙ＜２ａｎｄ Ｌｅｎｇ
ｔｈ＜０．２ｋｍ）ｏｒ…｝（２）间邻近关系约束条件，对于Ⅲ型ｓｔｒｏｋｅ在按重要性排序基础上采用抽样删除策略（图３（ｂ）），若某一ｓｔｒｏｋｅ被删除，则将其包含弧段的周围１阶邻近的弧段所在ｓｔｒｏｋｅ进行“固化”，寻并处理下一个非“固化”ｓｔｒｏｋｅ
，直至剩３
８５
Ａｕｇ
ｕｓｔ ２０１３ Ｖｏｌ．４２ Ｎｏ．４ ＡＧＣＳ ｈｔｔｐ：∥ｘｂ．ｓｉｎｏｍａｐ
ｓ．ｃｏｍ余ｓｔｒｏｋｅ均被“固化”，则完成一次抽样删除。完成单次抽样删除后，解冻“固化”ｓｔｒｏｋｅ，依次进行第２次、第３次等抽样删除，直到保留的道路弧段符合选取数量要求
。
图３ 两种约束条件的表达
Ｆｉｇ．３ Ｔｈｅ ｅｘｐｒｅｓｓｉｏｎ ｏｆ ｔｗｏ ｔｙｐ
ｅｓ ｏｆ ｃｏｎｓｔｒａｉｎｔ ｃｏｎｄｉｔｉｏｎｓ３．３ 算法具体步骤
将上述约束条件（其中，“等级约束条件”高于“空间邻近关系约束条件”）与常规的按ｓｔｒｏｋｅ重要性“资格”线性选取相结合，提出一种约束条件下顾及道路目标ｓｔｒｏｋｅ特征的路网选取方法。算法步骤如下。
（１
）依据方根模型，得到道路网应选取的道路弧段总长度Ｌ０
（２）生成道路网ｓｔｒｏｋｅ连接，统计ｓｔｒｏｋｅ的
等级属性、长度、连通度特征值
（３）依据等级约束条件，区分ｓｔｒｏｋｅ三种类型，直接删除Ⅱ型ｓｔｒｏｋｅ包含的道路弧段
（４）按照等级、连通度、长度的优先级顺序评价重要性，由小到大排列得到ｓｔｒｏｋｅ集合Ｓ｛ｓ１，ｓ２，…，ｓｍ｝
（５）对Ｓ中所有ｓｔｒｏｋｅ包含的弧段构建Ｄｅｌａｕｎａｙ三角网模型，建立弧段间的空间邻近关系（６
）实施第ｔ次抽样删除， ｆｏｒ ｉ＝１ｔｏ
ｍｄｏ ｉｆ ｓｉ被“固化”或类型为Ⅰ型，ｔｈｅｎ ｃｏｎｔｉｎｕｅ ｅｌｓｅ标记ｓｉ为“删除”，同时将ｓｉ包含的每
一条弧段周围一阶邻近弧段所在的ｓｔｒｏｋｅ
“固化”（７）舍弃标记为“删除”的ｓｔｒｏｋｅ所包含的弧段，计算剩余弧段长度和Ｌｔ
ｉｆ Ｌｔ＜Ｌ０，
ｇｏｔｏ步８；ｅｌｓｅ，ｇｏｔｏ步５（８）比较｜Ｌｔ－Ｌ０｜和｜Ｌｔ－１－Ｌ０
｜，取其中较小者对应的抽样保留弧段作为选取结果
其中，每舍弃一个ｓｔｒｏｋｅ时，若直接删除其包含的弧段，可能破坏连通性，如图４（ａ）中ｌ１、ｌ２组成一个ｓｔｒｏｋｅ，若全部删除则产生悬挂现象，此时需要保留部分弧段以保证道路的连通性（图４（ｂ
）），策略如下。Ｉｆ ｓｉ标识为“
前妻回来了txt下载
删除”，ｔｈｅｎ７－１ 计算ｓｉ中每一条弧段左右网眼密度平均值，并按该值升序排列ｓｉ＝｛ｅ１，…，ｅｋ｝
７－２ ｆｏｒ ｉ＝１ｔｏ ｋ ｄｏ Ｉｆ删除ｅｉ其首尾节点处不产生新增悬挂线，则删除ｅｉ
ｅｌｓｅ保留ｅｉ７－３ 对于ｓｉ中保留的弧段，动态更新首尾节点处的ｓｔｒｏｋｅ连接关系，并“固化”重组后的ｓｔｒｏｋｅ
注：网眼密度的计算方法参考文献［１９
］图４ 道路弧段删除时顾及连通性（红弧段表示抽
样删除的道路弧段）
Ｆｉｇ．４ Ｋｅｅｐｉｎｇ ｔｈｅ ｃｏｎｎｅｃｔｉｖｉｔｙ
ｏｆ ｒｏａｄ ｎｅｔｗｏｒｋｗｈｉｌｅ ｄｅｌｅｔｉｎｇ
ｒｏａｄ ｓｅｇｍｅｎｔｓ上述方法，以ｓｔｒｏｋｅ为选取对象，通过等级约束条件区分ｓｔｒｏｋｅ类型为必须保留型、直接删除型与选取竞争型，对于选取竞争型ｓｔｒｏｋｅ利用多遍抽样和对邻近弧段“
固化”的手段保证了删除道路目标的均匀性，缓解以往按重要性“资格”线性选取导致的局部多选或少选现象，同时动态探测ｓｔｒｏｋｅ删除过程中对连通性的影响并对关键弧段予以保留。整个过程较为全面地考虑了道路网体系内的上下文特征（语义、拓扑、几何及空间分布特征）
，有效地兼顾了道路个体目标重要性和区域分布密度上的差异，也保证了道路网的连通性。
４ 试验分析
试验数据比例尺１∶１０ ０００（图５），共５６６１条弧段，以街道网为主，包含少量县／乡级道路、农村道路及小路。ｓｔｒｏｋｅ连接时，夹角阈值φ＝１２０°
，弧段压缩矢高１０ｍ，与人工识别ｓｔｒｏｋｅ比较（表１），表明ｓｔｒｏｋｅ生成方法具有较高正确率。表２是３种类型ｓｔｒｏｋｅ划分的统计信息，其中Ⅱ型ｓｔｒｏｋｅ
主要包括一些长度较短的低等级道路，所占比重极小（０．３１％），直接删除不影响道路网空间分布结构，也避免了对约束抽样删除过程造成干扰，图６是Ⅰ
型和Ⅲ型ｓｔｒｏｋｅ分布图。ｓｔｒｏｋｅ排序时，等级属性的重要性次序为主要街道（包括县
／乡级道路）、４８５
第４期杨 敏，等：顾及道路目标ｓｔｒｏｋｅ特征保持的路网自动综合方法次要街道（包括农村道路及小路）。图７比较了相同选取比例下两种不同选取策略的结果，可以发现约束条件下抽样删除策略删除的弧段与原道路网在空间分布密度上基本一致，
而按重要性资格线性选取方法删除的弧段主要集中在街道密集区域，原因是该处ｓｔｒｏｋｅ重要性资格普遍偏小的，导致该区域道路目标的少选现象。图８是按不同长度比例选取的结果对比图，整体上较好地保持了原有分布的疏密对比关系，同时这种疏密差异随着选取比例的减小而逐渐缩小，直到保留的都为高等级道路，符合选取基本规律。图９对比了自动选取与人工选取结果（选取比例６０％），表３是对应的统计分析数据，表明两者具有较高的一致性
。
图５ 原始道路网
Ｆｉｇ．５ Ｔｈｅ ｏｒｉｇ
ｉｎａｌ ｒｏａｄ ｎｅｔｗｏｒｋ表１ 自动生成ｓｔｒｏｋｅ与人工视觉识别ｓｔｒｏｋｅ比较Ｔａｂ．１ Ｃｏｍｐａｒｅ ｓｔｒｏｋｅｓ ｇｅｎｅｒａｔｅｄ ｂｙ
ａｌｇｏｒｉｔｈｍ ａｎｄｖｉｓｕａｌ ｉｎｓｐ
ｅｃｔｉｏｎ自动生成ｓｔｒｏｋｅ数量１２８１人工视觉识别ｓｔｒｏｋｅ数量
１１５６两种方法识别结果一致的ｓｔｒｏｋｅ数量
１０２４结果一致的ｓｔｒｏｋｅ占自动生成ｓｔｒｏｋｅ数量比例／（％）７９．９结果一致的ｓｔｒｏｋｅ占人工视觉识别ｓｔｒｏｋｅ数量比例／（％）
８８．６体外诊断
表２ ３种类型ｓｔｒｏｋｅ统计信息Ｔａｂ．２ Ｃｏｍｐａｒｅ ｓｔｒｏｋｅｓ ｏｆ ｔｈｒｅｅ ｔｙｐ
ｅｓＲ类型
ｓｔｒｏｋｅ
类型划分条件
ｓｔｒｏｋｅ数量
包含道路弧段长度占所有道路网总长度比例／（％）
Ⅰ型
ｃｌａｓｓ＝“
主要街道、县＼乡级道路”
１５６
２８．９
Ⅱ型ｃｌａｓｓ＝“次要街道”ａｎｄｃｏｎｎｅｃｔｉｖｉｔｙ＜＝２ａ
ｎｄｌｅｎｇｔｈ＜１００ｍ２８９ ０．３１Ⅲ型除上述两种类型之外
８３６
７０．７
９
图６ 等级约束条件下ｓｔｒｏｋｅ等级划分（
粗线为Ⅰ型ｓｔｒｏｋｅ弧段）
Ｆｉｇ．６ Ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｓｔｒｏｋｅ ｔｙｐｅ ｂｙ
ｌｅｖｅｌｃｏｎｓｔｒａｉｎｔ
ｓ
图７ 两种不同选取策略下删除的ｓｔｒｏｋｅ对比Ｆｉｇ．７ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｄｅｌｅｔｅｄ ｒｏａｄ ｓｅｇｍｅｎｔｓ ｂｙ
ｄｉｆｆｅｒ－ｅｎｔ
ｍｅｔｈｏｄｓ５
８５
