从道路网络中提取拓扑（.NET）

Question

我们有多个来自多个来源的高质量道路网络（Open Street Map，TomTom ......）。这些来源包含的信息比我们需要的更多，有效地阻止了我们的计算。过滤二级公路很容易。我们的主要问题是高速公路（两条相反方向的道路）的代表，复杂的公路交叉口（各种出口道路，交叉点不是点）。就我们的目的而言，更具“拓扑”风格的道路网络将是理想的。

高度详细的数据来源：

理想的简化网络：

是否有任何算法可以帮助我们提取简化的道路网络？如果.NET中有可用的实现，那将是一个真正的赢家。

更新

原始数据表示为折线，附加了一些有限的元数据。元数据告知道路的标识（名称或编号），道路的“等级”（高速公路，主要，次要等），以及一些更多细节，如速度限制，线路部分是桥梁还是隧道。数据的质量非常好，我们可以轻松地将折线段组合在一起，根据道路标识一起形成道路。 同样，忽略二级公路也很容易。高速公路出口处的加速/减速车道也在其等级中明显标出，因此它们也易于过滤。

我们看到两个主要问题：

1）高速公路：用一条道路替换两条（或更多条）单向道路

2）高速公路交叉口：确定交叉点的中心点，并确保我们的简化高速公路与之相连。

更新2： 数据存储在EZRI Shape files中。使用SharpMap library，它们相对容易解析或进行地理空间搜索。源数据按国家/地区分段，一个国家/地区是一个形状文件（如果国家/地区太大，如美国，德国），则进一步划分为较小的区域。是的，这种划分带来了另一个问题。如何确保法国和德国边境的简化高速公路相遇？

关注Thanx

Answer 1

这只是解决方案的草图，但是：

• 定义曲线对之间的距离度量。想到的第一个是由两条曲线包围的区域，除以它们的长度。您可以使用元数据来扩充它。我们的目标是设计一个度量标准，它可以为您认为相似的道路对提供一小段距离，并且可以设置一个与您认为不相似的道路的距离。

• 现在选择一个聚类算法，并要求它根据您刚定义的距离对道路进行聚类。对你使用的集群数量非常慷慨。当它返回时，寻找具有非常低的直径＆＃34;的簇，这意味着簇中的每个点都非常相似。 ＆＃34;完成链接聚类＆＃34;可能是开始你的研究的好地方，因为它导致了那种集群。

• 然后，您可以在每个群集中取平均值，将非常相似道路的集合转换为单一道路，解决您的问题（1）（并希望（2）也是如此）。

完成后，接下来的任务是区分重要的＆＃34;来自＆＃34;不重要的道路＆＃34;道路。这里最好的方法是坐下来建立一个由几百条随机道路组成的训练集，手动标记它们是否重要。然后使用某种分类器并在手动标记的集合上训练它们。然后要求它预测哪些其他道路很重要。

我不能说哪种分类器最适合使用，但是如果你可以节省时间来建立一个大型训练集并研究文献，那么神经网络就可以了。可以给出一些令人印象深刻如果你想要更简单的东西，那么看看＆＃34;随机森林＆＃34;或者（更简单）＆＃34;逻辑回归＆＃34;。