本项目针对道路网络模型自动综合中存在的道路网整体结构难以把握、道路网局部结构难以以一种语义明确的方式进行综合、综合结果难以实现局部化传递式自动更新等问题，从道路网层次分析与构建方法、基于道路网层次结构的自动综合、道路网局部结构模式识别与简化、综合结果在制图、导航等应用中的效果评价四个方面开展深入研究。课题组提出了新的基于复杂网络理论的有效道路网层次分析方法，并进而提出了基于道路网层次性的道路选取方法，对大量地实例道路网数据进行了综合试验，并从地图制图与导航分析两个主要方面验证了该方法的有效性。在道路网局部结构模式识别与简化方面，项目引入了结构模式识别方法，提出了基于有向关系属性图的复杂道路交叉口、平行道路的描述、识别、简化方法，有效解决了典型道路交叉口和平行道路的识别与简化问题。以上两方面的综合技术均能在完成数据综合的同时保持综合前后数据元素的对应关系，为传递式局部化数据更新提供了基础。此外，在道路与交通数据管理与分析方面，课题组提出了基于线性参照的交通路况时空数据模型、基于时空聚类的拥堵点检测方法。 项目实施3年中，课题组在国内外测绘学科研究领域的重要学术期刊和学术会议上发表学术论文11篇，其中 《测绘学报》论文2篇、ICA国际制图大会论文2篇、中文核心期刊论文7篇。获得软件著作权1项。研究成果在国际会议上交流 2 人次，在4次国内会议上交流8人次。项目有力地支持了人才培养，已有4名硕士研究生在项目支持下完成了学位论文研究并获得学位，另有 1名博士研究生和 1名硕士研究生在读。 2100433B

多尺度道路网数据是空间数据基础设施框架数据中不可缺少的组成部分，对许多应用至关重要，保持其时新性对处在城市化进程中的我国而言是个重要的问题。本申请提出一种道路网模型自动综合方法，它基于道路网自身的层次结构特征，在融合已采用的统计模式识别技术基础上，引入结构模式识别技术，处理路段链、道路交叉口、局部道路网模式、道路网主体模式、道路网层次结构等从局部到整体的各级系列模式。它由道路结构模式形式化说明方法与自动识别技术、路网层次体系构建方法以及基于层次体系的自动综合技术组成。该方法能保持原模型的整体结构特征和连通性，综合结果适合多种用途。特别是，它能建立不同层次路网模型元素之间的对应关系，可用来实现多尺度路网数据传递式自动更新。本申请拟实现这一路网模型自动综合技术和基于它的多尺度路网数据库技术，并通过它们在个人化制图服务与分层网络分析中的应用来评估该技术。

城市道路系统是城市交通系统的重要组成部分，置身于城市这个巨大的复杂系统中，城市道路的发展受到种种因素的制约，如：城市规模、社会经济水平、机动车保有量、出行方式、土地利用模式、对外交通设施布局、静态交通设施分布、环境资源承载能力、设计速度、道路横断面形式、车道宽度等等。

这些路网密度影响因素都可以归纳为从影响交通需求与交通供给能力，来影响道路网密度；然而，经济因素很特殊，既影响交通需求又影响交通供给能力。因此根据影响因素的作用角度不同，将路网密度影响因素分为三个层次：交通需求因素、交通供给因素和经济因素。

供水管网是城市重要的基础设施，承担着将自来水按质保量的从净水厂输配给用户的任务。对供水管网性能进行综合评价与多目标更新优化的研究，一方面对城市供水系统的安全输配具有重要的理论意义，另一方面可保障供水管网的可持续健康发展。 课题首先调研天津供水企业，选定研究对象，基于开源的EPANET水力水质模拟平台，对供水管网实现模型校验并进行动态模拟，进而为管网性能进行评价提供状态数据。 其次，选定水力可靠性、水质安全性、结构稳定性、系统节能性以及系统经济性这五项评价指标，并在此基础上结合改进的AHP（The Analytic Hierarchy Process）层次分析法构建供水管网性能评价体系，用于评估管网的综合性能。 再次，分别基于极限爆管率和管网综合性能评价，建立管网优先更新管段的模型，参考供水部门提供的管道更换预算，确定待更新管段集合。 最后，结合待更新管段数据集合，建立投资运行费用最低、可靠性高的多目标更新优化模型。在该多目标更新优化模型中，创新地增加了最少碳排放量的目标。模型求解基于GPU并行计算技术和NSGA-II算法，并通过工程实例验证了多目标更新优化模型和算法的可行性。 关键词：供水管网；性能综合评价；多目标；更新；优化 2100433B

基本内容

层次网络模型是概念结构理论的一种，除此之外较为公认的还有里伯的内隐学习理论，Bourne等人的特征表理论和Rosch的原型模型

Quillian和Collins1969年提出了第一个语义记忆模型（即概念的结构），层次网络模型(Hierarchical Network Model)。在这个理论中，概念是以结点（node）的形式储存在概念网络中，每个概念具有一定的特征，这些特征实际上也是概念。各类属概念按逻辑的上下级关系组织在一起，概念间通过连线表示它们的类属关系，这样彼此具有类属关系的概念组成了一个概念的网络。在网络中，层次越高的概念，其抽象概括的水平也越高。

每个概念的特征实行分层存储，即在每一层概念的结点上，只存储该概念的独有特征。而同层各概念共有的特征，则存储于上一层的概念结点上。如：当我们提到“金丝雀”、 “鸵鸟”、“燕子”时我们会说它们都“会飞”，因此这一特征便存储在“鸟”这一概念结点上。而 “金黄色”、“大块”、“黑色”是分别是上述三种鸟的独有特征（相对这三种而言），这些特征便存储在自己的结点上。