空间关系及模糊性
模糊的本质是外延不明确,在空间关系上,目前我所知道的,有两种类别:一,空间语义的模糊性,即我们自然语言或者头脑概念的空间关系的模糊性,比如在XX附近,在XX西面等;二,地理现象本身的模糊性,比如不同土壤类别的地块范围.
地理现象本身的模糊性,根据研究对象的特征,可以采用一种连续的隶属度函数来刻画这种模糊性,但空间语义的模糊性,这样的隶属度函数相对比较难找,很难事先给定一个函数来模拟和刻画.需要结合特征进行统计训练和学习.
下面以道路与街区或者POI点的关系来说明.城市道路也有不同的等级,大的主干道构成了城市的主体交通骨架,主干道影响辐射范围显然要比下一等级的道路要大,这里我们用街区对道路的隶属度来描述,不同等级的道路,就拥有不同的隶属度函数,落实到空间上往往是用空间距离作为隶属度函数的自变量,但如果仅仅以到道路的直线距离作为自变量,也是不科学的,比较适用的距离,应该是以实际的道路可达性距离作为隶属度函数的自变量的值. 而如何求得这个隶属度函数,可能是徒劳的,也有可能是能找到的,来模拟这个关系,但可以尝试用"机器学习"的方法,用样本训练.可能比较好地模拟出道路与街区或者POI点的空间紧密关系.这种关系往往是符合人脑中的空间模糊关系的.
以上观点还不成熟,属于自己没事时候的随想,望批评指正!