基于排名学习和多源信息的地图匹配方法

融合多源信息能有效提高地图匹配的准确率。已有的地图匹配方法依赖于数学模型,当引入新类型的数据时, 需要重新设计数学模型或调整模型参数。为解决该问题,提出了一种端到端的数据驱动地图匹配方法。该方法不需要建立具体的数学模型，只需从匹配结果已知的数据中学习候选道路的评分函数：选出某GPS点的候选道路，利用评分函数对所有候选道路进行打分，选择分数最高的道路作为地图匹配结果。实验结果表明,该方法能直接利用新类型的数据提高地图匹配的准确率，能在数据缺失时避免准确率急剧降低。此外，具有与基于HMM方法相近的准确率和与基于夹角特征和距离特征方法相当的速度。     

基于拉伸特征的B-Rep→CSG转换算法及其应用

边界表示（boundary representation，B-Rep）法和构造实体几何（construction solid geometry，CSG）法是目前应用最广泛的两种实体表示法，B-Rep→CSG转换也备受关注。B-Rep→CSG转换算法为一种半空间分割法，完全依赖三维造型引擎中的布尔运算，计算量大且不稳定。实际应用中已有大量具有拉伸特征的B-Rep模型：可将整个模型或模型的一部分看作由二维图形沿一定方向拉伸而成。通过将三维模型的B-Rep→CSG转换问题变为二维图形的B-Rep→CSG转换问题，从而避免对布尔运算的依赖，为此，提出基于拉伸特征的B-Rep→CSG转换算法。首先，得到拉伸边具有相互平行性、首尾相连性、方向相反性、唯一连接性4个拉伸特征，然后，基于这些特征提出基于平行边连接图的拉伸特征识别算法，最后，结合拉伸特征识别算法、基于环收缩的模型分割算法和基于顶点可见的多边形分割算法，提出具有拉伸特征的三维模型的B-Rep→CSG转换整体解决方案。将本文算法集成至自主研发的粒子输运可视建模（COSINE visual modelling of particle transport，cosVMPT）软件，并基于cosVMPT对3个专门构造的例题和1个实际应用实例进行了测试，测试结果证明了本文算法的有效性和优越性。