1．综合的DLM(数字景观模型)观

因为综合子过程多种多样，我们可把它们“再综合”为两类，DLM类和DCM类。第一类包括信息变换算子；第二类包括图形再现算子(数字/图形转换)，它原则上不涉及信息量的改变。基于这一观点，我们可把核心问题集中于研究改变地图内容及其细节的第一类算子。所谓的模型综合、数据库综合与DLM综合，它们是完全等价的。综合的对象是DLM，而不是表示它们的符号DCM本身。

2．地图数据库对自动综合的支持

地图数据库对自动综合的支持体现在：综合对象的支持——DLM(数字景观模型)，它是地图数据库的用户观点；数据关系支持——语义关系，空间关系和拓扑关系；为综合所需的基于布尔集合运算的多准则数据检索；综合结果(多尺度，多文件)结果的存储与管理。

3．非线性综合思想的提出

非线性综合的思想体现在以下两个主要问题中：(1)在结构化综合中，地图载负量的变化是遵循s形(非线性)模型，它是一种受限生长模型或逻辑斯蒂(Logistic)模型；(2)作者提出了扩展分维模型及其在综合中的应用，其中强调指出了通常分维(线性，常量，单参数和自相似)与扩展分维(s形，函数，双参数和非自相似)的本质差别。作者的观点是，综合在宏观上应遵循非自相似原则，即非线性原则。自相似犹如函数的导数或曲线的切线那样，只存在于函数或曲线的无穷小邻域。关键问题是如何建立多分辨率与多比例尺之间的合理的对应关系。

4．结构化地图综合

GIS与地图信息的结构化综合通过三级结构模式来实现：(1)总体构思子模型，它执行项目的设计任务，遵循国家系列比例尺地图载负量变化的一般非线性(逻辑斯蒂)规律确定地图的载负量，其主要问题是要确定在新设计地图上要表示“多少物体”。(2)结构实施子模型，它的任务是要确定用“哪些物体”来构成已确定的“多少物体”，此处可用的辅助手段是确定和利用必要的语义关系、几何关系和拓扑关系等，即通过结构关系来选定所需数量的物体，或者说这是一个由多种关系来制导的过程。(3)实体塑造子模型，它的任务是以已选定物体个体为对象，对其细节进行综合，把原物体雕塑成具有新面貌的新对象。

5．上述综合原理在四类几何形体综合中的体现

上述综合原理已在下述四类几何形体中得到初步实现：

点群目标综合的实现步骤为：(1)生成凸壳层的多层嵌套；(2)通过层数的减少或合并进行全局结构上的综合；(3)最后对位于各层(多边形)上的点状物体进行取舍，这一步骤犹如进行一般的曲线综合一样，因此，此方法的实现，意味着方法论上的变换，即将点群目标(面状目标)的综合转换为壳层(线状目标)上点状物体(曲线上的顶点)的综合。

线群目标(以河系为例)综合的实现步骤为：(1)建立河系的等级树(非自然树)结构；(2)根据各条河流在树结构中的地位和它所拥有汇水面积来确定它的重要性，汇水面积可作为统计意义上的河系线状目标的Voronoi图来建立。

面群目标(以居民地建筑物为例)综合的实现步骤为：(1)确定两邻近面状物体的重心连线，并以此作为引力方向；(2)根据两相向侧面的形状特点进行不同方式的合并。

地貌形态结构化综合的实现步骤为：(1)生成地貌骨架线(山脊线与谷底线)的等级树结构；(2)犹如河系综合那样，此处对谷底线按其在树结构中的地位和它所拥有的统计汇水面积来确定它的相对重要性，从而决定取舍。因为这里谷底线被看成是谷地的“替身”，所以它的取舍意味着与它相关的一组等高线弯曲的去留。因此，这里发生的是等高线弯曲的成组综合。

最后，作者对下述与空间对象的分析和表达有关的问题也进行了研究：(1)斜轴抛物线光滑插值，它确保曲线的最大曲率点(结构点，转弯点)位于原始数据点上；(2)S形分布的数据拟合数学模型研究；(3)I)TM主要因子生成的密集窗口等高线束方法；(4)保留全部原始数据点的不规则四边形DEM生成方法；(5)二次有理插值与逼近，这里有四种实现途径：最小二乘法、五特征点法、五分段和值法以及基于给定结点的插值法。二次有理方法的优点是：多项式次数低(二次)、计算简单和自由度高(五度)。当然，不可忘记，它是不便于驾驭的。

《GIS与地图信息综合基本模型与算法》可供地理、地质、林业、水利、测绘、石油、环境保护、资源开发、管理与规划等部门的专业人员参考应用，同时，也可作为地图和GIS相关专业的本科生、硕士研究生与博士研究生的学习参考书。当前，各国又在大力上马“数字地球”、“数字城市”等，地理信息的多尺度或多分辨率表达已经成为热点，本书对此也有参考价值。

2100433B

《GIS与地图信息综合基本模型与算法》是作者毋河海完成的国家自然科学基金项目、国家测绘局科研项目和教育部高校博士学科点专项基金项目等地图综合问题研究成果的集成，书中研究的仅是在地图数据库或GIS空间数据库中存储的地图空间信息。

铁路超限超重货物运输优化模型与算法内容简介

雷定猷编著的《铁路超限超重货物运输优化模型与算法》从信息化角度来论述超限超重运输优化问题，提出了一系列超限超重运输优化模型与算法，探索更好地解决超限超重货物运输组织和运输安全问题的途径。全书共七章节，内容包括铁路超限超重货物运输评价、铁路建筑限界综合、铁路超限超重货物装载决策、铁路超限超重货物运输径路优化等。

铁路超限超重货物运输优化模型与算法作者简介

中南大学交通运输工程学院教授，博士，博士生导师，中南大学综合交通系统研究所所长。从1993年开始一直从事交通运输组织的教学和科研工作。国内外发表学术论文60余篇，国际三大检索论文40余篇。主持了国家自然科学基金项目“铁路超限超重货物运输组织理论研究”和系列“超限超重货物运输和货物装载布局”的铁道部重点课题；开发了C/S和B/S两种模式的站段级、铁路局级和铁道部级三个层次的超限超重货物运输决策软件，软件目前全路使用，并获得了广铁集团公司科学技术进步一等奖，铁道部科学技术进步二等奖。

《货物装载布局模型与算法》将货物重量在容器中的均衡分布作为装载优化布局的前提，以装载空间与能力大化为优化目标，建立平衡装载布局问题的数学模型，设计相应的布局方法。重点探讨一车多件货物平衡装载、多车多件货物平衡装载、带轴重约束平衡装载、带集重约束平衡装载和多阶段带时间约束装载布局问题。

预测控制的算法有几十种，其中具有代表性的主要有模型算法控制(MAC)、动态矩阵控制(DMC)和广义预测控制(GPC)等。

(1)模型算法控制

模型算法控制的原理结构图与图8—7相似。模型算法控制的结构包括四个计算环节．即内部模型、反馈校正、滚动优化及参考轨迹。

这种算法的基本思想为：首先预测对象未来的输m状态．再以此来确定当前时刻的控制动作，即先预测再控制。由于它具有一定的预测性，使得它明显优于传统的先输出后反馈冉控制的PID控制系统。

模型算法控制的具体算法很多，有单步模型算法控制、多步模型算法控制、单值模型算法控制和增量型模型算法控制等，这里不再详述。

(2)动态矩阵控制

动态矩阵控制与模型算法控制的不同之处在于内部模型上。该算法采用的是工程上易于测取的对象阶跃响应做模型。其算法较简单，计算量少且鲁棒性强，在石化工业中得到了广泛的应用。

(3)广义预测控制

广义预测控制是在前面几种预测算法的基础上，引入了自适应控制的思想。一般的预测控制算法主要通过反馈来补偿系统误差，再加上滚动优化技术，使模型能对因时变、干扰等造成的影响及时进行补偿。但这种说法是相对的，如果内部模型的准确性很差．则仍会对系统的稳定性造成严重的影响。广义预测控制就是面向此类问题的解决方案。