CN113256806A - 一种城市道路天空可视域海量数据优化处理方法 - Google Patents
一种城市道路天空可视域海量数据优化处理方法 Download PDFInfo
- Publication number
- CN113256806A CN113256806A CN202110564255.0A CN202110564255A CN113256806A CN 113256806 A CN113256806 A CN 113256806A CN 202110564255 A CN202110564255 A CN 202110564255A CN 113256806 A CN113256806 A CN 113256806A
- Authority
- CN
- China
- Prior art keywords
- point
- building
- vector
- points
- sky visible
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title abstract description 5
- 238000003672 processing method Methods 0.000 title abstract description 5
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种城市道路天空可视域海量数据优化处理方法,将矢量建筑按不同的楼层进行分组处理,以避免多次计算和检索带来的巨大运算量;利用等距观测点为道路观测点,以加强实验处理的科学性、正确性;分组后只需找出每组的离观测点最近的矢量建筑物点,直接将过程中的无关点进行剔除,大大优化的计算量;随着数据量越大,其优势呈现明显的递增。
Description
技术领域
本发明属于国土空间规划中的城市规划领域,具体涉及一种城市道路天空可视域海量数据优化处理方法。
背景技术
城市道路天空可视域为视线在城市道路中所能看到的天空范围尺度定量描述因子。随着城市人口的增加,城市用地的匮乏,为了容纳更多的人员,城市建筑越来越高、密度越来越大。城市道路天空可视域的关注度渐渐的从国外映入国内研究人员和技术人员的眼球。
2016年国内学者杨俊宴等人公开了“一种天空可视域数字地图的模拟分析及图像显示方法”,提出其天空可视域的计算处理方法及简单的图像显示方法。但其全方位全部检索计算方法计算量巨大,针对道路多组观测点的计算量是一个非常耗时的,针对海量的数据源其算法设计渐渐暴露出其缺陷。
发明内容
本发明针对现有的技术方案的不足,根据理论与实践相结合优化原有的天空可视域中传统的建筑物检测计算方法,提出一种城市道路天空可视域海量数据优化处理方法,通过在传统的天空可视域计算理论基础上,进一步增加道路观测点的算法的优化,达到在计算城市道路天空可视域的最大仰角时计算更快、结果更准确的效果。
本发明的技术方案是这样实现的:一种城市道路天空可视域海量数据优化处理方法,包括以下步骤:
步骤01、收集遥感影像、矢量建筑、道路数据;
步骤02、利用遥感影像对研究区域数据进行补充;
步骤03、将道路线按同等距离分为N组并转为点;
步骤04、以步骤03同等距离为标准将矢量建筑转栅格;
步骤05、将海量矢量建筑以相同楼层的建筑进行分组储存标记;
步骤06、以单点观测点为起点,旋转360/β次扫描;
步骤07、扫描找出分层组中其射线方向离原点最近的建筑物点;
步骤08、并计算离原点最近的建筑物点之间最大仰角,进一步计算天空可视域,选取层中最大仰角层组上的点计算天空可视域;
步骤09、插值出N组图,剔除相异最大的两幅栅格图;
步骤10、取剩余图幅的综合结果为最终结果。
本发明将矢量建筑按不同的楼层进行分组处理,以避免多次计算和检索带来的巨大计算量;利用等距观测点为道路观测点,以加强实验处理的科学性、正确性;分组后只需找出每组的离观测点最近的矢量建筑物点,直接将过程中的无关点进行剔除,大大优化的计算量;随着数据量越大,其优势呈现明显的递增。
附图说明
图1是昆明市城中心矢量建筑栅格化处理图;
图2是等距分组观测点选取图;
图3是昆明市城中心矢量建筑按楼层分组图;
图4是昆明市城中心道路的单点可控范围部分扫面示意图;
图5是分组查询的结构图;
图6是分析结果可视化图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种城市道路天空可视域海量数据优化处理方法包括以下步骤:
步骤01、通过http://www.webmap.cn、http://www.gscloud.cn/以及http://www.91weitu.com/网站,选择收集昆明市城中心的遥感影像、建筑、道路作为源数据;
步骤02、对少部分缺失数据补充处理,道路、建筑以实际影像作为补充,建筑楼层高度以周围500米内建筑平均值作为缺失数据的值,如图1所示;
步骤03、通过等间距100、200米、300米、400米、500米、600米选取6组点,作为道路的观测点,如图2所示;
步骤04、以步骤03同等距离为标准将矢量建筑转栅格;
步骤05、将相同楼层的建筑存储在程序的列表中,以备后续调用,如图3所示;
步骤06、以每一组观测点为起点,旋转360/β次扫描,扫描找出分层组中其射线方向离原点最近的建筑物点;
步骤07、计算离原点最近的建筑物点之间最大仰角,进一步计算天空可视域,选取层中最大仰角层组上的点计算天空可视域,计算公式如下
βmax为最大仰角,n为扫面的圈数,如图4所示;
步骤08、对计算的多组天空可视域值进行插值处理,如图5所示;
步骤09、对多组插值图进行异常值剔除;
步骤10、将剩余的栅格插值图进行平均取值作为结果,如图6所示。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种城市道路天空可视域海量数据优化处理方法,其特征在于,包括以下步骤:
步骤01、收集遥感影像、矢量建筑、道路数据;
步骤02、利用遥感影像对研究区域数据进行补充;
步骤03、将道路线按同等距离分为N组并转为点;
步骤04、以步骤03同等距离为标准将矢量建筑转栅格;
步骤05、将海量矢量建筑以相同楼层的建筑进行分组储存标记;
步骤06、以单点观测点为起点,旋转360/β次扫描;
步骤07、扫描找出分层组中其射线方向离原点最近的建筑物点;
步骤08、并计算离原点最近的建筑物点之间最大仰角,进一步计算天空可视域,选取层中最大仰角层组上的点计算天空可视域;
步骤09、插值出N组图,剔除相异最大的两幅栅格图;
步骤10、取剩余图幅的综合结果为最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110564255.0A CN113256806A (zh) | 2021-05-24 | 2021-05-24 | 一种城市道路天空可视域海量数据优化处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110564255.0A CN113256806A (zh) | 2021-05-24 | 2021-05-24 | 一种城市道路天空可视域海量数据优化处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256806A true CN113256806A (zh) | 2021-08-13 |
Family
ID=77184015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110564255.0A Pending CN113256806A (zh) | 2021-05-24 | 2021-05-24 | 一种城市道路天空可视域海量数据优化处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256806A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260523A (zh) * | 2015-09-25 | 2016-01-20 | 中国科学院南京土壤研究所 | 一种分布式并行空间可视域分析方法 |
CN105571572A (zh) * | 2016-02-03 | 2016-05-11 | 东南大学 | 一种天空可视域的标准测量方法 |
CN105761310A (zh) * | 2016-02-03 | 2016-07-13 | 东南大学 | 一种天空可视域数字地图的模拟分析及图像显示方法 |
CN105893675A (zh) * | 2016-03-31 | 2016-08-24 | 东南大学 | 一种基于天空可视域评价的开放空间周边建筑形态优化控制方法 |
-
2021
- 2021-05-24 CN CN202110564255.0A patent/CN113256806A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260523A (zh) * | 2015-09-25 | 2016-01-20 | 中国科学院南京土壤研究所 | 一种分布式并行空间可视域分析方法 |
CN105571572A (zh) * | 2016-02-03 | 2016-05-11 | 东南大学 | 一种天空可视域的标准测量方法 |
CN105761310A (zh) * | 2016-02-03 | 2016-07-13 | 东南大学 | 一种天空可视域数字地图的模拟分析及图像显示方法 |
CN105893675A (zh) * | 2016-03-31 | 2016-08-24 | 东南大学 | 一种基于天空可视域评价的开放空间周边建筑形态优化控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111896680B (zh) | 基于卫星遥感数据的温室气体排放分析方法及系统 | |
CN104102845B (zh) | 尺度自适应的插值方法及尺度自适应的插值系统 | |
Zhang et al. | GEFCom2014 probabilistic solar power forecasting based on k-nearest neighbor and kernel density estimator | |
CN109784667B (zh) | 一种基于夜光遥感数据的房屋空置监测方法 | |
CN110389982A (zh) | 一种基于空气质量数据的时空模式可视分析系统及方法 | |
CN106600684B (zh) | 一种倾斜模型组织构建方法 | |
CN106777093A (zh) | 基于空间时序数据流应用的Skyline查询系统 | |
CN106708989A (zh) | 基于空间时序数据流应用的Skyline查询方法 | |
Liu et al. | Characterizing three dimensional (3-D) morphology of residential buildings by landscape metrics | |
CN115658776B (zh) | 联合多源数据生成全国1km碳排放空间分布图的方法 | |
CN114493099A (zh) | 碳汇生态重要性的城乡梯度构建方法 | |
CN106844757A (zh) | 一种天线方位角异常数据挖掘方法 | |
CN113326339B (zh) | 一种基于gis的精细化电力气象预报数据展示方法及系统 | |
CN114970953A (zh) | 光伏电站的选址评价方法、装置、存储介质及电子设备 | |
CN113256806A (zh) | 一种城市道路天空可视域海量数据优化处理方法 | |
CN110555189B (zh) | 一种基于反向计算思维的空间插值方法 | |
CN115730731A (zh) | 一种城市高碳排空间单元自动识别方法及展示平台 | |
CN108460424B (zh) | 一种基于线点转换和聚类对比的空间运动轨迹识别方法 | |
CN115936526A (zh) | 一种基于电力大数据的碳排放数据测算方法 | |
CN114219176A (zh) | 一种多源算法集成的太阳辐射预报系统及方法 | |
CN109948682B (zh) | 基于正态随机抽样分布的激光雷达点云电力线分类方法 | |
CN110413656B (zh) | 一种基于高空间分辨率数值模式的急流轴自动识别方法 | |
CN115858895B (zh) | 一种用于智慧城市的多源异构数据处理方法及系统 | |
CN117891962B (zh) | 一种城市分布式光伏系统数据的图数据库构建方法及应用 | |
CN115392632A (zh) | 一种面向光伏系统的超短期微时空辐照预测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210813 |