论文部分内容阅读
空间数据是国家基础信息资源的组成部分,是数字地球、智慧城市建设的重要内容。维护空间数据的准确性和现势性是国家基础地理信息数据库建设的主要任务。在空间数据生成过程中,不同部门根据自身的应用需求、行业标准,利用不同采集手段获取了同一地区或不同地区的大量异构空间数据,这些异构空间数据在精度、尺度、空间关系、语义表达、数据存储等方面存在较大不一致性,造成了数据重复采集而共享困难的矛盾局面。如何快速、有效地整合多源、多维异构空间数据成为困恼地理信息科学(GIS)领域的一个重大难题。近年来,随着传感器技术和移动互联网的快速发展,普通大众在移动测量终端和开放地图平台的软硬件支持下参与到了地理信息的创建和发布,形成了大量的众源地理空间数据(crowdsourcing geospatial data)。相比传统的专业测绘数据,众源地理空间数据具有丰富实时、更新速度快,可免费获取等特点,为基础地理信息的获取和更新开辟了一条高时效、低成本的可持续途径,广泛应用于智慧城市、智能交通、社会管理、应急响应等诸多领域。然而,由于非专业人员参与和生产过程缺乏规范化监督,众源地理空间数据与专业测绘数据在几何、语义、空间关系等方面表达差异较大,导致传统空间数据整合方法对尺度差异较大、关系复杂、语义模糊、精度不一的众源地理空间数据整合存在较大不确定性问题。因此,本文以典型的道路网与兴趣点(Point Of Interest, POI)为研究对象,探索多源道路网与兴趣点(尤其是专业与非专业来源)的一致性整合方法,为导航与移动位置服务提供丰富、准确、现势强的空间数据资源支撑,主要研究内容包括以下几个方面:(1)针对目前路网匹配方法难以准确完整识别不同来源道路网间1:0,M:N匹配问题,提出了一种多源道路网概率松弛匹配模型。该模型首先通过计算距离、形状、长度等几何相似性并综合得到初始的概率匹配矩阵,然后对邻近道路的兼容系数进行建模,启发式更新初始匹配矩阵使其收敛,最后通过设定规则从匹配矩阵中准确选取1:0,1:1,1:M,M:N匹配。(2)鉴于几何模式特征对提高空间数据匹配效率,消除数据间不一致性的重要意义,提出了基于语义关联和基于空间分布的兴趣点集几何模式提取方法。基于语义关联的几何模式提取方法利用兴趣点与道路的语义关联将兴趣点划分至不同集合,通过构建最小生成树和最大生成单树,提取兴趣点集的几何模式特征。基于空间分布的提取方法对兴趣点进行线性聚类,并对线性聚类内的兴趣点进行线性拟合和连接,提取兴趣点集的几何模式特征。兴趣点集几何模式提取的研究表明兴趣点与道路网之间存在相似的几何模式特征,为多源兴趣点与道路网一致性整合的后续研究提供理论支持。(3)在兴趣点集几何模式提取的研究基础上,提出了一种基于几何模式挖掘的兴趣点与道路网一致性整合方法,实现了多源兴趣点和道路数据间的位置整合和语义不一致性检测。通过挖掘兴趣点与道路网的几何模式关联特征,建立兴趣点与道路网的骨架图,将兴趣点与路网匹配问题转化为图匹配问题,建立兴趣点与道路数据的位置和目标匹配关系,将兴趣点准确地整合到道路网,并检测兴趣点与道路网数据间的语义不一致性,以辅助更新道路数据的语义属性。(4)利用不同来源的众源地理空间数据和专业导航数据,验证了本文提出的基于概率松弛法的道路网匹配模型和基于几何模式挖掘的兴趣点与道路网整合方法的有效性和可靠性。通过对不同实验结果的定性分析和定量精度评价,验证了本文方法能够正确识别多源道路网、异构兴趣点与道路网数据间的一致性对应关系。通过对本文算法参数的分析和探讨,说明了本文方法对不同实验参数或数据的可靠性。基于道路网匹配关系,完成了试验区OpenStreetMap数据的质量评价。通过兴趣点与道路的关联关系,实现了多源、多维兴趣点与道路数据的位置整合和属性丰富。