一种面向多尺度面状居民地匹配的Voronoi图自适应构建算法
针对现有基于发生元离散化思想的Voronoi算法在计算效率与边界位置精度之间难以平衡控制的问题,提出了一种基于邻居对分类插值策略的面向多尺度面状居民地匹配的Voronoi图自适应构建算法(adap-tive Voronoi diagrams algorithm for matching multi-scale areal residential areas,AVARA).首先,利用居民地多边形的质心构成的Delaunay三角网计算出居民地邻居对;其次,根据邻居对之间的最小距离及其最小面积外包矩形的边长最小值的大小关系将邻居对分类;然后,根据邻居对类别采用相应的方法在居民地边界上自适应地内插点;最后,基于内插点集及居民地的顶点集构建居民地的Voronoi图.利用1∶10 000和1∶50 000居民地数据进行了 Voronoi图实验,结果表明,在1∶10 000数据中,AVARA在局部位置精度与时间性能方面均优于通视点法、3 m及6 m等间隔内插点法;在1∶ 50 000数据中,与30 m等间隔内插点法相比,AVARA取得了较高的局部位置精度;与15 m等间隔内插点法相比,AVARA的位置精度稍微偏低,但时间性能提升了 40％.可见,AVARA有效缓解了 Voronoi图计算效率与边界位置精度的平衡控制问题.
面状居民地、Delaunay三角网、Voronoi图、空间实体匹配
47
P208(一般性问题)
国家自然科学基金;国家自然科学基金;江西省教育厅研究生创新基金项目
2022-04-12（万方平台首次上网日期，不代表论文的发表时间）
共9页
304-312
