POI离群点现象与挑战
POI通常泛在分布于道路两旁，大范围地理实体常采用少量点表示
在空间上呈现显著的离群分布特征（如住宅区、高校、机场、旅游景点）
缺乏明确的空间范围属性，影响功能识别、活动预测等下游应用
现有方法的三大局限
参数敏感性强
需设置固定半径、密度阈值等参数，难以统一设定稳健参数
自适应不足
难以适配个体离群点，缺乏面向单点的空间范围刻画机制
多源数据依赖
过度依赖多源数据融合，增加数据获取成本
核心概念：自适应晶核
晶核定义
以离群点为核心，由各向邻域中的Steiner点依方向连接而形成的、能包围离群点的封闭多边形结构
晶核特征
• 晶核顶点即Steiner点
• 形态根据邻域POI分布自适应确定
• 分布均匀时趋于规则多边形
• 作为约束边构建Delaunay三角网
Steiner点
• 在离群点邻域中插入的辅助点
• 优化邻域配置
• 捕捉可表征邻域信息的边界控制点
• 提升空间结构完整性
方法框架与技术流程
离群点探测
基于Delaunay三角网构建，测度交叉K近邻距离
• 计算交叉K近邻距离方差比IK
• 若IK > 1，表现出显著局部集聚特征
• 根据边长约束指标探测离群点及离群簇
星型拓扑构建与Steiner点插入
以离群点为中心构建星型拓扑结构，优化邻域配置
星型拓扑
离群点与邻域POI连接形成放射状结构
Steiner点
在邻域中插入辅助点优化邻接关系
自适应晶核生成
根据邻域POI分布特征动态调整晶核形态
• 晶核顶点数根据扇区数目自适应确定
• 邻域分布均匀时形成规则多边形
• 形成能包围离群点的封闭多边形结构
约束型Delaunay三角网构建
以晶核边作为约束边，构建CDT三角网
• 将晶核顶点纳入原始点集
• 晶核边作为强制约束
• 依序联结与晶核关联的邻域点
多约束边界优化
融合自然障碍、POI类型、语义关联等因素
自然障碍
道路、河流等约束
POI类型
功能分类约束
语义关联
邻域要素相关性