Автоматизированное распознавание регулярных, радиальных и кольцевых структур в конфигурации улично-дорожной сети населённых пунктов

https://doi.org/10.35595/2414-9179-2020-1-26-410-420

Посмотреть или загрузить статью (Rus)

Об авторах

А.А. Шурыгина

Московский государственный университет имени М.В. Ломоносова,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: shur.a17@yandex.ru

Т.Е. Самсонов

Московский государственный университет имени М.В. Ломоносова,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: tsamsonov@geogr.msu.ru

Аннотация

В статье описывается опыт применения различных подходов к распознаванию некоторых наиболее распространенных планировочных структур населённых пунктов, которые включают в себя радиальные, регулярные и кольцевые элементы. На первом этапе необходимо выявить типичные свойства и элементы соответствующих им рисунков, затем найти способ автоматизации поиска таких сущностей в произвольной дорожной сети поселения. Для решения второй задачи используются известные алгоритмы, связанные с анализом однородности формы кварталов населённого пункта, предлагаются модификации алгоритма поиска радиальных элементов структур и тестируется авторский способ детектирования кольцевых элементов.

Выбранные подходы реализованы в виде скрипта на языке программирования Python, который последовательно проверяет поданную на вход дорожную сеть на наличие элементов решётчатой или радиально-кольцевой планировочной структуры. Методика апробирована на 50 городах мира. Верификация результатов проводилась путём сравнения ответа алгоритма с экспертным мнением авторов работы или литературных источников по теме. Правильность классификации составила 80 %. Алгоритм успешно справлялся с эталонными примерами планировок, но испытывал трудности с их модификациями, связанными, например, с отсутствием замкнутости у кольцевых элементов радиально-кольцевой структуры.

Полученные результаты могут быть востребованы в задачах картографической генерализации, которые требуют распознавания и сохранения типичных черт пространственных объектов.

Ключ. слова

распознавание графических образов, пространственные рисунки, теория графов.

Список литературы

  1. Лабутина И.А. Дешифрирование аэрокосмических снимков. М.: АСПЕКТ ПРЕСС, 2004. 184 с.
  2. Лаппо Г.М. География городов: Учебное пособие для географических факультетов вузов. М.: Гуманитарный издательский центр ВЛАДОС, 1997. 480 с.
  3. Перцик Е.Н. Геоурбанистика: учебник. М.: Академия, 2009. 432 с.
  4. Шурыгина А.А., Самсонов Т.Е. Исследование и систематизация морфометрических характеристик основных классов объектов общегеографических карт. Научные исследования молодых учёных-картографов, выполненные под руководством сотрудников кафедры картографии и геоинформатики географического факультета МГУ имени М.В. Ломоносова. М.: КДУ, 2017. С. 110–121.
  5. Яргина З.Н., Косицкий Я.В., Владимиров В.В., Гутнов А.Э., Микулин Е.М. Основы теории градостроительства. Учебник для архитектурных специальностей вузов. М.: Стройиздат, 1986. С. 65–75.
  6. Costea D., Leordeanu M. Aerial image geolocalization from recognition and matching of roads and intersections. ArXiv:1605.08323. Computer Science. BMVC, 2016. DOI: 10.5244/c.30.118.
  7. Heinzle F., Anders K.-H., Sester M. Graph based approaches for recognition of patterns and implicit information in road networks. Proceedings of the 22nd International Cartographic Conference, A Coruña, 2005. DOI: 10.1007/978-3-642-19143-5_24.
  8. Li W., Goodchild M.F., Church R. An efficient measure of compactness for two-dimensional shapes and its application in regionalization problems. International Journal of Geographical Information Science, 2013. No 27 (6). P. 1227–1250. DOI: 10.1080/13658816.2012.752093.
  9. Marshall S. Streets and patterns. Routledge, 2004. 336 p.
  10. Newman M. Networks. Oxford: Oxford University Press, 2018. 800 p.
  11. Schemala D., Schlesinger D., Winkler P., Herold H., Meinel G. Semantic segmentation of settlement patterns in gray-scale map images using RF and CRF within an HPC environment. GEOBIA 2016: Solutions and Synergies. University of Twente, Faculty of Geo-Information and Earth Observation (ITC), 2016. DOI: 10.3990/2.420.
  12. Stoter J., Burghardt D., Duchêne C., Baella B., Bakker N., Blok C., Pla M., Regnauld N., Touya G., Schmid St. Methodology for evaluating automated map generalization in commercial software. Computers, Environment and Urban Systems, 2009. V. 33. No 5. P. 311–324. DOI: 11.1016/j.compenvurbsys.2009.06.002.
  13. Tian J., Song Z., Gao F., Zhao F. Grid pattern recognition in road networks using the C4.5 algorithm. Cartography and Geographic Information Science, 2016. V. 43. Iss. 3. P. 266–282. DOI: 10.1080/15230406.2015.1062425.
  14. Wieland M., Pittore M. Large-area settlement pattern recognition from Landsat-8 data. ISPRS Journal of Photogrammetry and Remote Sensing, 2016. V. 119. P. 294–308. DOI: 10.1016/j.isprsjprs.2016.06.010.
  15. Zahn C.T. Graph-theoretical methods for detecting and describing gestalt clusters. IEEE Transactions on Computers, 1971. V. 100. No 1. P. 68–86. DOI: 10.1109.T-C.1971.223083.

Для цитирования: Шурыгина А.А., Самсонов Т.Е. Автоматизированное распознавание регулярных, радиальных и кольцевых структур в конфигурации улично-дорожной сети населённых пунктов ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Издательство Московского университета, 2020. Т. 26. Ч. 1. С. 410–420. DOI: 10.35595/2414-9179-2020-1-26-410-420

For citation: Shurygina A.A., Samsonov T.E. Automated recognition of regular, radial and ring structures in the configuration of a street-road network of settlements InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: Moscow University Press, 2020. V. 26. Part 1. P. 410–420. DOI: 10.35595/2414-9179-2020-1-26-410-420 (In Russian)