# stack_number_automatic_matching

**Repository Path**: Morgenrot/stack_number_automatic_matching

## Basic Information

- **Project Name**: stack_number_automatic_matching
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2021-03-11
- **Last Updated**: 2022-10-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 结构说明
| project  
| - xxx.py  
| - basic_functions.py  基础的几何操作（如合并、分割、捕捉等）和异常  
| - settings.py  数据库连接、字段规范  
| - postgis.py  sql语句，增删查改等  


# 预处理部分的封装
- function_table(table, **params)  
输入为表名，在这一层用简单的sql提取出需要处理的路段的pk值
  
- function_workflow(pk_queue, **params)  
输入需要处理的路段的pk值（以list或queue的形式），在这一层描述整个处理流程，如出队入队、增删改等。

#关于postgis.py
- 使用了事务（with conn语句）  
例如在去除伪结点的时候，需要删除原线段和插入合并后的线段，
如果前一步出错导致执行中断，就会影响数据的完整性。
因此将它们作为一个执行单元，如果产生错误则回滚。  
相关文档：https://www.psycopg.org/docs/connection.html?highlight=context  
自动提交的函数，如postgis_add_column。特征为：  
```python
with conn:
    with conn.cursor() as cursor:
        sql = "XXXXX"
        conn.execute(sql)
```
  
需要手动提交的函数，如postgis_delete_by_attr（insert,update,delete等）。特征为：
```python
with conn.cursor() as cursor:
    sql = "XXXXX"
    conn.execute(sql)
```
提交方法：调用后执行conn.commit()，或在with conn语句中调用。

# 关于match_reverse
匹配条件：  

1. 缓冲区重叠度>0.7
2. 缓冲区重叠度在(0.5, 0.7]，且hausdorff距离<=60，且首尾方向角度差<=10°
3. 交点数>3  

满足以上任意条件则认为匹配成功。  
若某遥感路网成功匹配到多条上报路网，则取缓冲区重叠度最大的作为最终匹配结果。

# 关于match_postprocessing
匹配后处理，共分为3步：  
1.直接尝试合并（try_merge）；  
2.补充两端都匹配到同一上报路段的遥感路段（match_by_topology），并尝试合并（try_merge）；  
3.沿上报路网方向重建遥感路网，去除分叉，并尝试合并（remove_multi_match）  

## try_merge
```python
input: ldbm:路段编码, rp_geom:该路段的geom, rp_table:路段所在表名

match_df = 匹配到ldbm的所有遥感路段
# step 1 尝试合并
方法1（快速）：用linemerge合并。合并失败可能是由于容差或匹配的遥感路段无法构成简单线
方法2（较慢）：如果方法1失败了，用方法2再做一遍，以解决由于容差导致失败的问题

# step 2
重新计算匹配路段的相似度

match_df = 重新读取匹配到ldbm的所有遥感路段
if match_df.shape[0] == 1:  # 该上报路网对应的遥感路段唯一，合并成功
    # step 3
    调整匹配结果的方向，使与上报路网的方向一致
    return True
else:  # 合并失败，匹配的遥感路段无法构成简单线，进行后续处理
    return False
```

## remove_multi_match

```python
input: ldbm:路段编码, rp_geom:该路段的geom, rp_table:路段所在表名

QD = rp_geom的起点
next_coord = QD坐标
match_df = 匹配到ldbm的所有遥感路段
loop_count = 0（循环次数）
while not match_df.empty:
    计算match_df中所有遥感路段到next_coord的距离
    nearest_dist = 最短距离 + 容差（为了检测到分叉的情况）
    if loop_count > 0 and nearest_dist > 1:  # 前后不连续（第一段通常与上报路网相聚几米~几十米，不做要求）
        保存前一段pk_list和coord_list，开始新的一段pk_list和coord_list
        continue
    loop_count += 1
    next_df = match_df[match_df["dist"] <= nearest_dist]  # 把与next_coord距离最近的道路作为后续道路
    if next_df.shape[0] == 1:  # 后续道路唯一
        调整该遥感路段的方向，并加入当前pk_list和coord_list
        从match_df中弹出该路段
    else:  # 后续出现分叉
        next_df.score = next_df.buffer_similarity * next_df.length  # 毛刺等错误匹配路段通常重叠度较小、长度较短
        取score最大的路段，调整其方向，并加入当前pk_list和coord_list
        将其他分叉的match_road置为空
        从match_df中弹出所有分叉
    next_coord = 当前coord_list里的最后一个点
# end while
保存当前的pk_list和coord_list
删除所有pk_list里的路段（原来的短路段），插入所有coord_list里的新路段（合并后的长路段）
```