Voronoi图和多角度实景影像在城市POI选址中应用※.docVIP

Voronoi图和多角度实景影像在城市POI选址中应用※ 　　城市兴趣点，即城市POI（Point of Interest），是根据城市特点增加的一类基本地点,是局部范围内具有地理标识作用的建筑物,包括机构(如委办局、医院、学校)、沿街店铺和单位等 [1]。城市兴趣点的主要用途是对城市部件[2]或者事件[3]的位置进行描述，使城管工作人员能够在短时间内快速、准确地找到相应的部件和事件，提高地理定位的精度和速度。目前北京市西城区共有2万多兴趣点，但部分区域的兴趣点在普查之前尚未建设完毕，存在兴趣点不足且位置不准确的情况，为部件和事件的准确定位增加了难度，也给城管员的实地工作带来了很大的不便，严重影响了城市管理者的日常工作和一些突发事件处理的实时性和高效性。 　　本文通过对北京市西城区兴趣点普查更新工作的深入研究，提出了实景影像和Voronoi图相结合定位兴趣点的方法，解决了城市兴趣点相对不足??更新频繁的问题，可使城管人员根据实际需求，找到部件多且兴趣点少的多边形区域，添加实际位置的兴趣点，在更新的基础上有针对性地对兴趣点进行分级与维护，达到兴趣点的快速更新，提高部件的易寻性，对城市兴趣点的普查选址具有一定的参考价值和实用性，很大程度上减少了兴趣点选取的盲目性和负载的不均衡性。 　　一、多角度实景影像定位兴趣点技术 　　移动道路测量系统，是当今测绘界最为前沿的科技之一，它是在机动车上装配GPS(全球定位系统)、CCD(成像系统)、INS/DR(惯性导航系统)等先进的传感器和设备,在车辆的高速行进之中, 快速采集道路及道路两旁目标地物的空间位置数据和属性数据，如：道路中心线或边线位置坐标、目标地物的位置坐标、交通标志、道路设施等[4]。 　　移动道路测量系统中地物坐标计算包括三步（如图1所示）:首先利用车载组合导航模块获取载体中心当前坐标;其次根据检校参数计算出CCD图像的位置和姿态(摄影测量中的外方位元素);最后利用CCD立体像对计算地物的空间坐标[5]。 　　现行网格化城管系统依托平面电子地图和人为设置的兴趣点，通过两个以上的兴趣点由巡查员目视交会部件位置。这种定位方法导致无论是巡查员、部件责任单位还是城管指挥中心，都无法在密集的部件群中准确找到部件，究其原因，主要在于利用平面电子地图无法了解部件周围的环境信息[6]。 　　多源实景影像定位兴趣点技术为二维平面电子地图与立面影像相结合的技术，即在平面叠加上兴趣点，街道、社区、道路、绿地、水系、建筑物、边界、部件等图层，在立面上加载多角度可量测的城市实景影像，通过实景影像与地理坐标相关联,进行兴趣点定位,并将其位置信息和属性信息添加到数据库中,可实现城市兴趣点的快速更新，更好地为城管执法人员准确定位部件和事件提供依据。 　　二、基于Voronoi图的兴趣点优化方法 　　设施选址布局的核心思想是根据用户（或服务对象）的需求和设施布局的要求，在一定的地域空间中确定公共设施的空间布局和服务范围[7]。而在街道社区等局部范围内增加兴趣点，就好比是将部件作为服务对象，兴趣点作为具体设施，根据其规范要求，在局部空间中确定兴趣点的位置和定位相应部件的范围。 　　（一）Voronoi图的局部动态特性 　　在Voronoi图中，目标之间的邻近关系对目标的变化十分敏感，因此，空间目标的变化可以通过邻近关系来动态地描述和表达，而且空间目标的变化仅影响其周围邻近的目标，具有局域动态性[8]。如图2所示，（a）为空间离散的点集o，（b）为由点集o生成的Voronoi多边形M，（c）为空间离散的点集n(在点集o的基础上增加了两个点)，（d）为增加点后重新生成的Voronoi多边形N，（e）为两点集o,n及两多边形集合M、N的叠置图形S。 　　（二）Voronoi图优化兴趣点方法 　　Voronoi图优化兴趣点（见图3）的基本思想是先求每一分区单个兴趣点的最优解，在得到了m个Voronoi分区的初步优化结果后，根据这m个兴趣点的初步位置，重新进行Voronoi分区和分区迭代，直至兴趣点的部件分区不再变化[9]。 　　选取北京市西城区广外街道办事处区域内的兴趣点和部件图层作为研究对象，当阈值分别是0.1、0.3、1.0时，对兴趣点坐标之间差值、迭代次数及系统耗时进行比较，发现阈值越小，坐标位置改变越大，迭代次数也越多，耗时也相应增加（见表1）。 　　图4为程序迭代次数及运算耗时情况的统计图，考虑了阈值（两次迭代差值）分别取0.1、0.5、1，兴趣点个数不同(分7组)时，兴趣点的迭代次数均值及算法的总用时。统计表明：算法的运行时间受迭代次数和部件个数等因素的影响。随着阈值的减小，迭代次数增加，算法运行的时间也相应增加。随着部件个数的增加，算法运行时间也随之增加。 　　由于兴趣点的