Automatic Generalization of Residential Areas Based on “Paradigm” Theory and Big Data

Abstract

“Paradigm” theory is an important ideological and practical tool for scientific research. The research means and methods of Geographic Information Science follow the laws of four paradigms. Automatic cartographic generalization is not only the key link of map making, but also a recognized difficult and hot issue. Based on large-scale map data and deep learning technology, an automatic cartographic generalization problem-solving model is proposed in this paper. According to the key and difficult problems faced by residential area selection and simplification, residential area selection models and simplification models based on big data and deep learning are constructed respectively, which provides new ideas and schemes to solve the key and difficult problems of residential area selection and simplification.

Generalização Cartográfica: Desafios e Perspectivas

“…Isso pode acarretar dificuldades quando se muda o BDG primário e as suas características geométricas e/ou estatísticas não refletem o conjunto anteriormente analisado. Fator que influencia diretamente nos desenvolvimentos científicos recentes e na evolução dos métodos de generalização digital que buscam entender como implementar transformações, independentemente do corpus geoespacial que se deseja generalizar (SUN et al, 2016;SESTER;THIEMANN, 2018;DUO;YU et al, 2020;YANG et al, 2022).…”

“…Os desafios inseridos no âmbito digital associados ao avanço tecnológico recente apresentam aspectos multidisciplinares e atrai pesquisadores de diferentes áreas, como os especialistas em BDG e modelagem ontológica, em geometria computacional e análise espacial, informática e designer de interface, serviços de web, modelagem baseada em agentes e em grande parte profissionais da Cartografia. Observa-se, na Figura 3, que na categoria denominada de Geografia (que na plataforma WoS se subdivide em Geografia e Geografia Física) concentram-se o maior número de publicações, seguido pelas áreas de Ciências da Computação que engloba a generalização no âmbito computacional, aspectos de armazenamento em BDG (BILJECKI et al, 2016) e o desenvolvimento de operadores de generalização a partir da implementação de algoritmos heurísticos (MARTÍN et al, 2009, ZHANG;LOKHAT, 2021), genéticos (SUN et al, 2016) e de Inteligência Artificial (SESTER; FENG; THIEMANN, 2018;DUO;ZHENG et al, 2021), do termo em inglês, Artificial Intelligence (AI).…”

“…Dentre as iniciativas recentes, algoritmos computacionais são desenvolvidos e aprimorados para a materialização computacional de operadores de generalização (processos relacionados a geometria computacional e análise espacial), como simplificação de feições lineares (COURTIAL; TOUYA; ZHANG, 2021; Zheng et al, 2021) e simplificação e agregação de edificações (COURTIAL; TOUYA; SESTER;DUO et al, 2021) por meio de AI. Estes algoritmos são aplicados para a compilação de cartas topográficas e para materializá-los é necessário que se tenha um conjunto de dados amostral relativamente extenso para treinar o modelo AI de forma adequada.…”