亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多源矢量空間數(shù)據(jù)融合處理技術(shù)研究進展

        2017-10-26 08:56:39
        測繪學報 2017年10期
        關(guān)鍵詞:語義特征融合

        孫 群

        信息工程大學地理空間信息學院,河南 鄭州 450052

        多源矢量空間數(shù)據(jù)融合處理技術(shù)研究進展

        孫 群

        信息工程大學地理空間信息學院,河南 鄭州 450052

        矢量空間數(shù)據(jù)既是人類社會與地理環(huán)境信息的重要組成部分,也是相關(guān)社會信息的重要載體,在國民經(jīng)濟和國防現(xiàn)代化建設(shè)中起著非常重要的作用。多源矢量空間數(shù)據(jù)融合處理技術(shù)是解決多源數(shù)據(jù)在幾何位置、屬性特征等方面不一致性問題的有效方法,近年來相關(guān)的技術(shù)和應(yīng)用得到了深入發(fā)展。本文在分析二維矢量空間數(shù)據(jù)應(yīng)用所面臨問題的基礎(chǔ)上,綜述和評價了二維矢量空間數(shù)據(jù)幾何特征融合、屬性特征融合等相關(guān)理論、算法和技術(shù)的研究現(xiàn)狀,并根據(jù)目前的研究展望了其理論和應(yīng)用未來的重點研究方向。

        矢量空間數(shù)據(jù);同名實體匹配;屬性特征;數(shù)據(jù)融合

        矢量空間數(shù)據(jù)是指與地理和空間分布有關(guān)的、反映現(xiàn)實世界各種現(xiàn)象及其變化的一類帶有空間坐標的數(shù)據(jù),包含了地理空間實體的幾何位置信息、空間形態(tài)信息、空間關(guān)系信息以及屬性語義信息等。當前隨著矢量空間數(shù)據(jù)獲取與處理技術(shù)的迅猛發(fā)展,矢量空間數(shù)據(jù)日益增多。矢量空間數(shù)據(jù)在廣泛應(yīng)用的同時,也伴隨著一系列亟待解決的問題:

        (1) 矢量空間數(shù)據(jù)生產(chǎn)時采用的地理信息標準和數(shù)據(jù)處理要求不同,造成了矢量空間數(shù)據(jù)存在許多差異性,給矢量空間數(shù)據(jù)應(yīng)用帶來諸多不便。國民經(jīng)濟眾多部門從各自需要出發(fā),生產(chǎn)了為數(shù)眾多的矢量空間數(shù)據(jù),由于這些數(shù)據(jù)生產(chǎn)時執(zhí)行各自的地理信息標準和數(shù)據(jù)處理要求,采用了特定的空間數(shù)據(jù)模型和空間數(shù)據(jù)存儲格式,給地理信息應(yīng)用帶來不便,給不同部門之間的矢量空間數(shù)據(jù)共享帶來極大困難,加大了數(shù)據(jù)生產(chǎn)成本,造成人力、物力的極大浪費。

        (2) 矢量空間數(shù)據(jù)獲取的途徑和時間不同,使矢量空間數(shù)據(jù)在內(nèi)容詳細程度和現(xiàn)勢性方面也有很大差別,導致所生產(chǎn)的矢量空間數(shù)據(jù)在尺度、版本、幾何位置和形狀等方面存在不一致性,影響了矢量空間數(shù)據(jù)的質(zhì)量和現(xiàn)勢性。再加上矢量空間數(shù)據(jù)生產(chǎn)周期較長,矢量空間數(shù)據(jù)的更新還達不到持續(xù)、高效、動態(tài)和準確的要求。矢量空間數(shù)據(jù)的多樣、新舊不一和內(nèi)容詳略不同給數(shù)據(jù)應(yīng)用也帶來不小的困難。

        多源矢量空間數(shù)據(jù)融合理論和方法是解決上述問題的有力工具,它能對多源矢量空間數(shù)據(jù)進行空間基準、數(shù)學基礎(chǔ)、尺度、內(nèi)容和空間關(guān)系的一致性處理,保證數(shù)據(jù)的一致性。基本思路是先進行多源數(shù)據(jù)的收集和評定,對可用的數(shù)據(jù)先進行集成,也就是采用空間基準變換、數(shù)據(jù)格式轉(zhuǎn)換以及屬性編碼對應(yīng)等手段將多源多尺度矢量空間數(shù)據(jù)集成在一起,初步完成點位位置、圖形形狀和內(nèi)容詳略的統(tǒng)一與協(xié)調(diào),然后分析多源矢量空間數(shù)據(jù)在尺度、屬性和空間關(guān)系上的聯(lián)系與區(qū)別,進行矢量空間數(shù)據(jù)幾何和屬性匹配,對相關(guān)數(shù)據(jù)進行幾何形狀和屬性信息的修改更新,從而完成矢量空間數(shù)據(jù)幾何信息、屬性信息、空間關(guān)系的融合和一致性處理,經(jīng)檢查無誤后得到融合后的新的矢量空間數(shù)據(jù)。

        多源矢量空間數(shù)據(jù)融合屬于地球空間數(shù)據(jù)融合的范疇,地球空間數(shù)據(jù)的融合研究始于20世紀60年代,地理信息系統(tǒng)的出現(xiàn)和應(yīng)用以及多源數(shù)據(jù)的使用推動了空間數(shù)據(jù)融合研究及其應(yīng)用[1]。本文針對二維矢量空間數(shù)據(jù)的融合處理,從幾何特征融合處理、屬性特征融合處理等方面分析多源矢量空間數(shù)據(jù)融合的理論與技術(shù)發(fā)展現(xiàn)狀,并結(jié)合其面臨的機遇和挑戰(zhàn),對多源矢量空間數(shù)據(jù)融合的未來發(fā)展做出展望。

        1 幾何特征融合處理技術(shù)

        幾何特征融合是多源矢量空間數(shù)據(jù)集成融合的核心內(nèi)容。幾何特征融合是解決同名地物在不同數(shù)據(jù)庫中地理位置不一致問題的關(guān)鍵技術(shù),通常包括同名實體的識別和匹配后的調(diào)整變換兩個過程。其中,同名實體匹配就是利用相同地理實體在幾何特征、拓撲關(guān)系和語義信息等方面的相似性,識別不同數(shù)據(jù)庫中的同一地物,是矢量空間數(shù)據(jù)融合必然要解決的問題。匹配后的調(diào)整變換實際是進行數(shù)據(jù)更新、編輯加工的過程,可以使空間數(shù)據(jù)內(nèi)容和質(zhì)量準確可靠。

        1.1 同名實體匹配

        多源矢量空間數(shù)據(jù)融合的主要任務(wù)之一就是解決多源數(shù)據(jù)在幾何位置上的不一致性,主要手段就是進行同名實體的數(shù)據(jù)匹配。同名實體匹配是依據(jù)一定的地理實體特征,計算相同地理實體在不同數(shù)據(jù)源中的相似度和差異度[2-3],從而對其進行識別的過程。這些特征包括地理實體的幾何特征、拓撲特征和語義特征等,當前的同名實體匹配方法均是圍繞上述某個或某幾個特征展開的。同名實體匹配研究最早始于美國人口調(diào)查局和地質(zhì)測量局合作開發(fā)的地圖自動合并系統(tǒng)[4]。隨著研究的不斷深入,各種新穎的算法與智能算法思路的引入層出不窮,大大提高了算法結(jié)果的精度。

        1.1.1 基于幾何特征的匹配方法

        基于地理要素的幾何特征進行同名實體匹配的算法,是所有匹配算法中最基本和最常用的算法,利用幾何特征進行同名實體匹配的原理是:通過度量地理要素的一個或幾個幾何特征的相似度,利用先前設(shè)置的閾值來判斷是否屬于同名地理要素。不同方法之間的差異主要體現(xiàn)在幾何特征與匹配單位的選擇以及相似度的判斷方式等方面。

        常見的幾何特征包括地理要素之間的距離、形狀描述、方向趨勢等,不同匹配算法對這些幾何特征的數(shù)學描述上面略有差異。如點實體匹配多采用距離(歐幾里得距離)指標量衡量匹配對象間的相似度,如位置最近算法[5]、相互位置最近算法[6]等。線實體常用的匹配幾何相似度指標包括距離、長度、方向、最大弦、組成面積等。其中空間距離是進行線實體匹配最常用的指標,如文獻[7—9]采用Hausdorff距離,文獻[10]采用L2距離,文獻[11—13]采用Fréchet距離,如圖1所示;面實體匹配則多利用面要素的形狀特征進行,主要包括面積、曲率、轉(zhuǎn)折點、不變距與實心度等。

        圖1 Fréchet距離的定義Fig.1 The definition of Fréchet distance

        在相似度的計算和度量方面,可以將不同的相似度計算轉(zhuǎn)換為概率計算[14],也可以將不同路段相似性度量轉(zhuǎn)換為結(jié)點到路段的距離[15],還有的是基于典型地物與待匹配點空間關(guān)系的匹配算法[16]。

        此外,在進行線要素的匹配時,有基于緩沖區(qū)重疊的方式,即以匹配線段為基準建立緩沖區(qū),以待匹配的線段落入該緩沖區(qū)范圍的長度判斷兩者是否為同名實體,利用緩沖區(qū)增長法進行了道路網(wǎng)匹配[17-20]。在匹配基本單位的選擇方面,大部分學者都使用以“節(jié)點-弧段”的方式進行匹配[15,21-24];而有些學者則提出了基于全局一致性的匹配思路,摒棄了結(jié)點或弧段作基本匹配單元的做法,根據(jù)道路網(wǎng)結(jié)構(gòu),以道路stroke作為基本單元[25];還有學者是將道路數(shù)據(jù)劃分為路徑、路段和線段3個等級分別進行匹配[7]。隨著智能仿真算法的發(fā)展,也有學者將其應(yīng)用到同名實體匹配中,利用蟻群智能算法,將道路網(wǎng)匹配問題轉(zhuǎn)換為全局尋優(yōu)的數(shù)學優(yōu)化問題,在度量目標間的相似性時利用了距離和拓撲結(jié)構(gòu)[26];還有個別學者提出了利用多元Logistic回歸模型匹配算法[27]。

        面實體匹配是近些年來同名實體匹配研究的熱點和難點,引起了國內(nèi)外學者的廣泛關(guān)注。面實體匹配的方法很多,如基于影像的面狀水體提取方法和基于模糊理論的面實體匹配方法[28-29];從降維和傅里葉變化的角度出發(fā),通過提取能反映居民地主要特征的骨架線,把多源面狀居民地之間的匹配轉(zhuǎn)化為線的匹配方法[30];采用不變矩的矢量面目標匹配方法[31];通過綜合多種面實體幾何相似度指標,如位置、形狀、大小、方向等,進而加權(quán)評分計算總相似度對面實體進行匹配[32-35];采用拓撲匹配與空間相似性匹配相結(jié)合的方法,將兩種方法進行順序、雙向和循環(huán)運用,有效解決實體對象1∶1、1∶M、N∶M等的匹配方法[36];將中誤差引入面實體匹配的過程,利用面實體的空間臨近關(guān)系,通過兩次匹配優(yōu)化面實體匹配結(jié)果的方法[37]。綜合上面所提到的面實體匹配方法,都可歸納成為以下4類:基于位置鄰近度的相似性匹配方法、基于疊置面積的相似性匹配方法、基于形狀的相似性匹配方法、綜合因素的面實體匹配方法。

        1.1.2 基于拓撲特征的匹配方法

        拓撲匹配是以目標實體與待匹配實體之間的拓撲特征相似度作為匹配依據(jù)。拓撲關(guān)系是最基本的空間關(guān)系,具有在幾何變換下不變的特點和性質(zhì)。常見的拓撲關(guān)系主要包括:鄰接、關(guān)聯(lián)、包含等,在同名實體匹配中可以利用這些拓撲信息。例如,在線實體匹配過程中,可以先進行節(jié)點匹配,再確定與節(jié)點相關(guān)聯(lián)弧段的匹配關(guān)系[38-39]。由于拓撲關(guān)系的特點,拓撲匹配通常與幾何匹配結(jié)合在一起使用,很少獨立使用?;诳臻g關(guān)系相似性的面狀居民地匹配算法[40],以初始匹配居民地為參照物對目標面狀居民地與待匹配面狀居民地之間的拓撲關(guān)系、方向關(guān)系和距離關(guān)系進行形式化表達,提出了由于該方法是依據(jù)已匹配對象確定未匹配對象,因此,初始匹配居民地的選擇是此方法的關(guān)鍵。利用拓撲和空間相似性的面實體匹配方法[41],它綜合考慮了面實體的拓撲特征與幾何特征,與僅利用拓撲特征或者幾何特征的相似性匹配方法相比,該方法不僅能夠解決一對多、多對多的匹配問題,而且具有較好的匹配效果。該方法的不足之處是匹配方法涉及的閾值和權(quán)重的設(shè)置存在主觀性因素。

        1.1.3 基于屬性特征的匹配方法

        此外,還有基于地理要素的屬性信息進行同名實體匹配的方法,其原理是利用不同數(shù)據(jù)源對相同地理現(xiàn)象的基本性質(zhì)描述相同或相近的特點。例如,在同一區(qū)域的海圖和陸圖數(shù)據(jù)中,兩個三角點名稱的屬性值都是“西蟹峙”,僅利用三角點的名稱就可以確定兩者為同名實體。文獻[42]設(shè)計實現(xiàn)了一個土地利用的地理本體,用于計算屬性之間的相似度。文獻[43]采用中文近似字符串匹配算法BPM-BM進行了地名數(shù)據(jù)匹配。文獻[44]針對傳統(tǒng)地名匹配算法的不足,提出了漢字地名專名相似度計算方法與漢語地名通名語義相似度計算方法。由于不同數(shù)據(jù)源屬性信息可能存在較大的差別或?qū)傩孕畔㈦y以保證完整性,因此基于屬性信息的匹配方法并不多用,很多時候是作為一個匹配特征同幾何特征與拓撲特征共同使用。

        1.2 幾何位置調(diào)整

        幾何位置調(diào)整是對多源數(shù)據(jù)進行選取、化簡、更新、關(guān)系協(xié)調(diào)等操作在內(nèi)的加工整合,最終得到新的、質(zhì)量更高的數(shù)據(jù)。矢量空間數(shù)據(jù)經(jīng)過數(shù)據(jù)集成和匹配,不同來源的數(shù)據(jù)之間并沒有發(fā)生實質(zhì)的相互作用,仍保持著其各自的數(shù)據(jù)特征。要使空間數(shù)據(jù)產(chǎn)生“質(zhì)”的飛躍,必須進行數(shù)據(jù)調(diào)整變換。目前關(guān)于匹配后的位置調(diào)整等融合處理操作的研究不多,主要的方法如下。

        1.2.1 基于同名點三角剖分的地物調(diào)整方法

        1988年,Saalfeld首次提出了基于同名點三角剖分的地物調(diào)整方法[45-46]。該算法首先使用基于點實體匹配算法所得的匹配點分別在首先將同一地區(qū)不同來源的圖形數(shù)據(jù)中建立拓撲同構(gòu)的Delaunay三角網(wǎng),然后在各個三角形子區(qū)域內(nèi)建立坐標轉(zhuǎn)換方程,再根據(jù)頂點坐標求解相關(guān)參數(shù)后將三角形內(nèi)所有點進行坐標變換。但是由于同一個頂點可能存在于多個三角形中,該點需要在每一個三角形中都經(jīng)過上述變換,會出現(xiàn)節(jié)點處扭曲的問題。針對該問題,文獻[47]提出了帶邊界約束的三角網(wǎng)剖分和帶權(quán)重的三角網(wǎng)剖分等改進算法。文獻[48]分別在影像數(shù)據(jù)和矢量數(shù)據(jù)中建立Delaunay三角網(wǎng),然后通過匹配同名特征點的方法建立兩種數(shù)據(jù)的位移關(guān)系,如圖2所示。

        1.2.2 基于拓撲關(guān)系的合并變換算法

        該算法將點實體分為“已調(diào)整點”和“待調(diào)整點”,其中“已調(diào)整點”是成功匹配到同名點的數(shù)據(jù),其坐標由相應(yīng)的同名點確定(加權(quán)平均坐標或直接調(diào)整到對應(yīng)點),“待調(diào)整點”是未匹配到同名點的點。其算法認為“待調(diào)整點”的幾何位置變換關(guān)系受“已調(diào)整點”的影響,因此該算法的重點就是確定“待調(diào)整點”受哪些“已調(diào)整點”的影響及其影響大小。很顯然,該算法重點在于“待調(diào)整點”的位置坐標變換,但其根本在于“已調(diào)整點”的位置精度,但其“已調(diào)整點”的位置變換則過于簡單[49-50]。

        1.2.3 基于平差原理的地物調(diào)整方法

        該算法首先將同一地區(qū)不同來源的圖形數(shù)據(jù)分為“調(diào)整圖”和“參照圖”,然后根據(jù)“調(diào)整圖”和“參照圖”中的同名匹配點對建立坐標位移變換方程[51]。為了計算其中的坐標調(diào)整量(即平差改正數(shù)),算法設(shè)計了坐標移位方程、形狀方程、相對位移方程和其他方程(面積方程、平行線方程、線段長度方程、鄰近實體距離方程等),然后采用約束違反定權(quán)法確定相應(yīng)約束的違反值,最后聯(lián)立方程組,采用按照間接平差的最小二乘解法求得坐標調(diào)整量。

        在大學英語教學改革的浪潮下,大學英語后續(xù)課程已經(jīng)成為眾多高校的課程建設(shè)目標,尤其是重點大學。大學英語后續(xù)課程是大學英語基礎(chǔ)階段(一、二年級)的延伸和拓展,是學校根據(jù)學生需求和社會需求給四級后的學生開設(shè)的各類大學英語應(yīng)用提高階段的課程[3]。為了順應(yīng)時代發(fā)展,符合學生個性化發(fā)展,滿足學生自我需求,地方本科院校對大學英語后續(xù)課程進行需求分析是必然之路。本文將從實證角度出發(fā),基于學生需求探討本科院校大學英語后續(xù)課程建設(shè)的必要性,從而為后續(xù)課程建設(shè)提供參考依據(jù)。

        1.2.4 基于多評價因素的調(diào)整變換算法

        該算法選擇要素對周圍地物的影響度、要素位置的準確度和要素在不同來源數(shù)據(jù)中的重要性對地物要素進行綜合評價并確定影響權(quán)重,然后為了綜合不同評價因素的影響,采用加權(quán)平均的方法實現(xiàn)同名要素的合并變換[52-53]。

        由以上幾個調(diào)整變換算法可以看出,空間實體調(diào)整變換通常是根據(jù)實體匹配結(jié)果,將整個待調(diào)整區(qū)域劃分為幾個子區(qū)域,然后在各個子區(qū)域內(nèi)建立局部的坐標變換關(guān)系,進而實現(xiàn)不同來源空間實體對象的調(diào)整變換。此外,文獻[54]根據(jù)“數(shù)據(jù)同化”的思想,提出了基于最優(yōu)插值的點集合并算法和線要素合并算法,效果顯著。

        2 屬性特征融合處理技術(shù)

        多源矢量空間數(shù)據(jù)屬性特征融合的研究重點是不同語義之間的匹配問題,即發(fā)現(xiàn)或計算不同來源數(shù)據(jù)的語義映射關(guān)系或相似度。對于語義匹配而言,其匹配算法的核心是計算屬性信息之間的相似度,包括基于字符串的方式和基于詞典的方式,后者主要利用已有的詞典識別出詞與詞之間是否近義或存在上下文關(guān)系等。在屬性內(nèi)容融合方面,矢量數(shù)據(jù)間的屬性融合主要通過屬性字段的映射轉(zhuǎn)換進行,常用的方法有基于轉(zhuǎn)換規(guī)則的方法和基于語義匹配的轉(zhuǎn)換方法。

        2.1 基于映射轉(zhuǎn)換規(guī)則的屬性融合

        該方法主要通過建立不同源數(shù)據(jù)間的要素分類分級映射規(guī)則和屬性特征項轉(zhuǎn)換規(guī)則,實現(xiàn)語義層次上的屬性特征關(guān)系映射和源數(shù)據(jù)集到目標數(shù)據(jù)集的屬性特征項轉(zhuǎn)換,進而完成數(shù)據(jù)屬性融合。文獻[55]在深入了解Shapefile數(shù)據(jù)和地理信息交換數(shù)據(jù)的屬性表結(jié)構(gòu)以及屬性數(shù)據(jù)內(nèi)容特點后,建立了包含實體間編碼和屬性字段對應(yīng)關(guān)系的邏輯控制模型,實現(xiàn)了Shapefile數(shù)據(jù)和地理信息交換數(shù)據(jù)的屬性數(shù)據(jù)轉(zhuǎn)換與融合。文獻[56]在介紹國外空間數(shù)據(jù)語義差異的基礎(chǔ)上,提出了基于外部控制表的語義轉(zhuǎn)換方法,能夠解決同一存儲格式不同語義編碼的數(shù)據(jù)轉(zhuǎn)換。文獻[57]根據(jù)標準地理數(shù)據(jù)格式建立了地理要素重分類分層與編碼轉(zhuǎn)換映射表,實現(xiàn)了CASS DWG數(shù)據(jù)的“無損轉(zhuǎn)換”和標準化轉(zhuǎn)換入庫?;谟成滢D(zhuǎn)換的方法,需要制圖專家的參與,協(xié)助制定這些轉(zhuǎn)換規(guī)則,是屬于半自動化的轉(zhuǎn)換。

        2.2 基于地理本體的屬性融合

        基于地理本體的屬性特征融合是近年來該問題的研究重要之一,涌現(xiàn)出了許多成果。該方法通過本體來描述異構(gòu)數(shù)據(jù)源間的語義,包括單一本體、多本體和混合本體等方式[58]。文獻[59]利用字符串和語義詞典相結(jié)合的方法進行語義匹配,對Schema中元素的名稱進行分詞、去詞綴、擴展縮寫等處理,在處理過程中以詞典作為參考,然后通過字符串比較計算相似度。文獻[60]提出了一個面向一般圖的語義相似度計算算法。文獻[61]研究了地理本體的概念映射、語義互操作、形式化概念分析及概念格等多個方面。文獻[62]比較了描述層次的XML、謂詞邏輯層次的CML以及更復雜、形式化程度更高的只是交換格式KIF等本體語言。文獻[63]通過地理本體實現(xiàn)了不同數(shù)據(jù)間的屬性信息融合,并以水系要素中的“干出灘”類為例進行了實例研究。文獻[64]利用支持雙向映射的混合本體模式來解決全局本體與各應(yīng)用本體之間的沖突,實現(xiàn)數(shù)據(jù)的語義集成,有效克服了數(shù)據(jù)間語義異質(zhì)性問題。文獻[65]利用本體模型通過karma工具對不同來源的結(jié)構(gòu)化地理信息進行語義映射及異構(gòu)性消除,然后對數(shù)據(jù)中不同特征進行相似度計算,利用機器學習方法行訓練,進而實現(xiàn)多源數(shù)據(jù)的融合。文獻[66]采用多本體模式構(gòu)建了一種基于本體的地理信息集成框架,通過等級和角色的使用。該地理本體模式有效表達了現(xiàn)實世界的等級結(jié)構(gòu)和地理實體的不同特征,實現(xiàn)了不同細節(jié)層次之間和不同領(lǐng)域本體網(wǎng)絡(luò)之間的聯(lián)系。

        在語義匹配領(lǐng)域,也取得了很多成果。文獻[67]提出了一種面向?qū)ο蟮钠ヅ浞椒ǎ帽倔w進行地理信息建模,不僅能夠維持空間對象拓撲關(guān)系,還考慮了語義的一致性。文獻[68]提出了一種基于網(wǎng)格服務(wù)的語義匹配方法,通過建立相關(guān)領(lǐng)域的本體庫從而為服務(wù)功能的語義匹配提供支持。文獻[69]提出了語義相似度的計算方法,并利用模糊層次聚類的方法得出匹配的最終結(jié)果,文獻[70]提出了顧及通名語義的漢語地名相似度匹配算法??傮w來講,目前語義匹配的研究多是基于地理本體的相關(guān)研究內(nèi)容而展開,并取得了許多實用成果。

        隨著互聯(lián)網(wǎng)技術(shù)和移動通信技術(shù)的發(fā)展,具有地理標識的非傳統(tǒng)空間數(shù)據(jù)(如簽到數(shù)據(jù)、社交媒體數(shù)據(jù)、新聞文本數(shù)據(jù)、多媒體數(shù)據(jù)等)大量產(chǎn)生,開始發(fā)揮著越來越重要作用,如果將位置作為一種空間維度標準與現(xiàn)有矢量數(shù)據(jù)進行融合,將極大豐富空間數(shù)據(jù)的屬性內(nèi)涵。

        3 多源矢量空間數(shù)據(jù)融合面臨的挑戰(zhàn)

        多源矢量空間數(shù)據(jù)融合技術(shù)是利用多源數(shù)據(jù)進行地圖生產(chǎn)與更新的有效手段。但是,隨著數(shù)據(jù)獲取方式的發(fā)展、數(shù)據(jù)形式的變化、地圖生產(chǎn)與更新需求的改進,多源矢量空間數(shù)據(jù)融合技術(shù)的發(fā)展面臨著一系列新的問題,需要進一步的研究。

        (1) 基礎(chǔ)理論研究需要進一步加強。多源矢量空間數(shù)據(jù)融合的理論和方法處于起步研究階段,還有大量工作需要研究。如上面所述,其主要研究的是多源空間數(shù)據(jù)在屬性和幾何位置上更深層次的相互印證、相互補充、相互關(guān)聯(lián)和相互匹配處理。而當前無論是從理論還是實踐上來看都還沒有形成完整的理論和技術(shù)體系。研究者們對矢量空間數(shù)據(jù)差異性的具體表現(xiàn)和產(chǎn)生的地學根源很少研究;對于矢量空間數(shù)據(jù)集成與融合處理過程中所遵循的各種規(guī)則和標準研究的不斷深入。

        (2) 技術(shù)手段需要交叉融合。多源矢量空間數(shù)據(jù)融合處理研究主要包括空間數(shù)據(jù)幾何信息,屬性信息融合處理的規(guī)則、算法研究,多源空間數(shù)據(jù)尺度的融合處理研究等。當前的研究往往集中在上述的某一個方面,而沒有從整體和全局的角度去研究空間數(shù)據(jù)融合,各個研究部分之間缺乏聯(lián)系與配合,整個過程缺乏有效的控制。另外,目前空間實體的幾何相似性度量模型還不是很完善,大多數(shù)模型沒有考慮空間數(shù)據(jù)多尺度的特點;多尺度空間數(shù)據(jù)匹配的規(guī)則目前還沒有深入的研究;語義相似性度量模型大多是基于語義距離的模型,其主要問題是邊權(quán)值的確定還沒有一個具體的標準。

        (3) 需要開展多源矢量空間數(shù)據(jù)尺度融合處理研究。描述空間實體幾何形狀或者屬性信息的詳細程度在地學領(lǐng)域則被稱之為“尺度”或者“分辨率”,在地圖學領(lǐng)域?qū)⑵浞Q之為“比例尺”。本文中,“尺度”的概念擴展到屬性信息表達的詳細程度,即空間數(shù)據(jù)尺度融合處理的不僅包括幾何形狀的融合處理,而且包括屬性信息的融合處理。多源矢量空間數(shù)據(jù)尺度融合處理研究主要包括兩個方面的內(nèi)容:①利用自動制圖綜合技術(shù)來解決多源矢量空間數(shù)據(jù)在幾何尺度上的差異性,這是由大比例尺數(shù)據(jù)派生小比例尺數(shù)據(jù)所不可避免的問題。重點研究實用性較好、效率較高的線與面化簡算法、雙線中軸線的提取算法、面轉(zhuǎn)化為點的算法、面合并的算法等;②研究具有不同尺度矢量數(shù)據(jù)中屬性信息(即描述空間實體的屬性信息采用不同的詳細程度)融合的方法。主要解決兩個層面的問題:一是當空間數(shù)據(jù)的幾何尺度發(fā)生變化后,就有可能需要對原有的某些屬性信息進行聚類、歸并和重新修改填補;二是當多個空間數(shù)據(jù)集的幾何尺度基本一致,而屬性信息的詳細程度不一致時,就需要通過幾何匹配和屬性匹配技術(shù)找到同名實體,然后進行屬性信息的相互印證和相互補充。通過行之有效的多源矢量空間數(shù)據(jù)幾何特征融合、屬性特征融合以及尺度融合處理研究,檢測矢量空間數(shù)據(jù)的局部變化,有效實現(xiàn)矢量空間數(shù)據(jù)的持續(xù)和快速更新。

        4 結(jié)束語

        隨著各種地理信息服務(wù)的普及化和大眾化,地理信息數(shù)據(jù)的制作門檻在不斷降低,可用的數(shù)據(jù)資料變得數(shù)量越來越多、種類越來越繁雜。為了能夠使地理信息數(shù)據(jù)在保持精準的同時,還能夠做到“與時俱進”,需要能夠科學合理地利用數(shù)據(jù)資料,博采眾家之長。多源矢量空間數(shù)據(jù)融合處理技術(shù)必須加快發(fā)展,迎接挑戰(zhàn)。本文基于對近年來多源矢量空間數(shù)據(jù)融合處理關(guān)鍵技術(shù)研究的總結(jié),對幾何特征融合處理、屬性特征融合處理等所涉及的理論問題、技術(shù)算法等方面作了分析和總結(jié),最后指出了多源矢量空間數(shù)據(jù)融合存在的問題及發(fā)展趨勢。

        [1] 陳換新, 劉棟永, 徐明世, 等. 空間數(shù)據(jù)融合的框架流程及發(fā)展現(xiàn)狀研究[J]. 地理信息世界, 2013, 20(5): 26-31.

        CHEN Huanxin, LIU Dongyong, XU Mingshi, et al. Research on the Flowline and Status of Spatial Data Fusion[J]. Geomatics World, 2013, 20(5): 26-31.

        [2] 郝燕玲, 唐文靜, 趙玉新, 等. 基于空間相似性的面實體匹配算法研究[J]. 測繪學報, 2008, 37(4): 501-506.

        HAO Yanling, TANG Wenjing, ZHAO Yuxin, et al. Areal Feature Matching Algorithm Based on Spatial Similarity[J]. Acta Geodaetica et Cartographica Sinica, 2008, 37(4): 501-506.

        [3] 趙彬彬, 鄧敏, 徐震, 等. 多尺度地圖面目標匹配的統(tǒng)一規(guī)則研究[J]. 武漢大學學報(信息科學版), 2011, 36(8): 991-994.

        ZHAO Binbin, DENG Min, XU Zhen, et al. Development of General Rules for Matching Multi-scale Area Objects[J]. Geomatics and Information Science of Wuhan University, 2011, 36(8): 991-994.

        [4] SAALFELD A. Conflation Automated Map Compilation[J]. International Journal of Geographical Information Systems, 1988, 2(3): 217-228.

        [5] 張橋平, 李德仁, 龔健雅. 地圖合并技術(shù)[J]. 測繪通報, 2001(7): 6-8.

        ZHANG Qiaoping, LI Deren, GONG Jianya. Map Conflation[J]. Bulletin of Surveying and Mapping, 2001(7): 6-8.

        [6] BEERI C, KANZA Y, SAFRA E, et al. Object Fusion in Geographic Information Systems[C]∥Proceedings of the Thirtieth International Conference on Very Large Data Bases. [S.l.]: VLDB Endowment, 2004: 816-827.

        [7] 胡云崗, 陳軍, 趙仁亮, 等. 地圖數(shù)據(jù)縮編更新中道路數(shù)據(jù)匹配方法[J]. 武漢大學學報(信息科學版), 2010, 35(4): 451-456.

        HU Yungang, CHEN Jun, ZHAO Renliang, et al. Matching of Roads under Different Scales for Updating Map Data[J]. Geomatics and Information Science of Wuhan University, 2010, 35(4): 451-456.

        [8] TONG Xiaohua, LIANG Dan, JIN Yanmin. A Linear Road Object Matching Method for Conflation Based on Optimization and Logistic Regression[J]. International Journal of Geographical Information Science, 2014, 28(4): 824-846.

        [9] MIN D, ZHILIN L, XIAOYONG C. Extended Hausdorff Distance for Spatial Objects in GIS[J]. International Journal of Geographical Information Science, 2007, 21(4): 459-475.

        [10] SAALFELD A. Automated Map Conflation[D]. Washington: University of Maryland, 1993.

        [11] 邵世維, 劉輝, 肖立霞, 等. 一種Frechet距離的復雜線狀要素匹配方法[J]. 武漢大學學報(信息科學版), 2016. DOI: 10.13203/j.whugis20150677.

        SHAO Shiwei, LIU Hui, XIAO Lixia, et al. An Complicated Linear Element-matching Algorithm Using Frechet Distance[J]. Geomatics and Information Science of Wuhan University, 2016. DOI: 10.13203/j.whugis20150677.

        [12] 孫群. 空間數(shù)據(jù)相似性研究的若干基本問題[J]. 測繪科學技術(shù)學報, 2013, 30(5): 439-442.

        SUN Qun. Research on Some Fundamental Issues of Spatial Data Similarity[J]. Journal of Geomatics Science and Technology, 2013, 30(5): 439-442.

        [13] SONG X F, RAGHAVAN V, YOSHIDA D. Matching of Vehicle GPS Traces with Urban Road Networks[J]. Current Science, 2010, 98(12): 1592-1598.

        [14] 童小華, 鄧愫愫, 史文中. 基于概率的地圖實體匹配方法[J]. 測繪學報, 2007, 36(2): 210-217.

        TONG Xiaohua, DENG Susu, SHI Wenzhong. A Probabilistic Theory-based Matching Method[J]. Acta Geodaetica et Cartographica Sinica, 2007, 36(2): 210-217.

        [15] 陳玉敏, 龔健雅, 史文中. 多尺度道路網(wǎng)的距離匹配算法研究[J]. 測繪學報, 2007, 36(1): 84-90.

        CHEN Yumin, GONG Jianya, SHI Wenzhong. A Distance-based Matching Algorithm for Multi-scale Road Networks[J]. Acta Geodaetica et Cartographica Sinica, 2007, 36(1): 84-90.

        [16] 溫伯威, 闞映紅, 馬京振. 利用地標空間關(guān)系約束的點實體匹配方法[J]. 測繪科學技術(shù)學報, 2015, 32(3): 326-330.

        WEN Bowei, KAN Yinghong, MA Jingzhen. Point Entity Matching Method Based on Spatial Relation Constraint of Landmark[J]. Journal of Geomatics Science and Technology, 2015, 32(3): 326-330.

        [17] 安曉亞, 孫群, 肖強, 等. 一種形狀多級描述方法及在多尺度空間數(shù)據(jù)幾何相似性度量中的應(yīng)用[J]. 測繪學報, 2011, 40(4): 495-501.

        AN Xiaoya, SUN Qun, XIAO Qiang, et al. A Shape Multilevel Description Method and Application in Measuring Geometry Similarity of Multi-scale Spatial Data[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(4): 495-501.

        [18] MANTEL D, LIPECK U. Matching Cartographic Objects in Spatial Databases[C]∥ISPRS Vol. XXXV, ISPRS Congress, Commission. Istanbul, Turkey: ISPRS, 2004.

        [19] ZHANG Meng, SHI Wei, MENG Liqiu. A Generic Matching Algorithm for Line Networks of Different Resolutions[C]∥Proceedings of the 8th ICA Workshop on Generalization and Multiple Representation. A Corua, Spain: Computering Faculty of A Coruna, 2005.

        [20] 劉海龍, 錢海忠, 黃智深, 等. 采用Stroke層次結(jié)構(gòu)模型的道路網(wǎng)匹配方法[J]. 測繪科學技術(shù)學報, 2013, 30(6): 647-651, 657.

        LIU Hailong, QIAN Haizhong, HUANG Zhishen, et al. Road Network Matching Method with Stroke-hierarchical Model[J]. Journal of Geomatics Science and Technology, 2013, 30(6): 647-651, 657.

        [21] 趙東保, 盛業(yè)華. 全局尋優(yōu)的矢量道路網(wǎng)自動匹配方法研究[J]. 測繪學報, 2010, 39(4): 416-421.

        ZHAO Dongbao, SHENG Yehua. Research on Automatic Matching of Vector Road Networks Based on Global Optimization[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(4): 416-421.

        [22] 安曉亞, 孫群, 尉伯虎. 利用相似性度量的不同比例尺地圖數(shù)據(jù)網(wǎng)狀要素匹配算法[J]. 武漢大學學報(信息科學版), 2012, 37(2): 224-228, 241.

        AN Xiaoya, SUN Qun, WEI Bohu. Feature Matching from Network Data at Different Scales Based on Similarity Measure[J]. Geomatics and Information Science of Wuhan University, 2012, 37(2): 224-228, 241.

        [23] GABAY Y, DOYTSHER Y. Automatic Adjustment of Line Maps[C]∥Proceedings of GIS/LIS’94 Annual Convention. Phoenix, Arizona: American Congress on Surveying and Mapping, American Society for Photogrammetry and Remote Sensing, Association of American Geographers, Urban and Regional Information Systems Association, and AM/FM International, 1994: 333-341.

        [24] VOLZ S. An Interactive Approach for Matching Multiple Representations of Street Data[C]∥HAMPE M, SESTER M, HARRIE L. Proceedings of the Joint ISPRS Workshop on Multiple Representations and Interoperability of Spatial Data. Hannover, Germany: ISPRS, 2006, 36: 22-24.

        [25] 翟仁健. 基于全局一致性評價的多尺度矢量空間數(shù)據(jù)匹配方法研究[D]. 鄭州: 信息工程大學, 2011.

        ZHAI Renjian. Research on Automated Matching Methods for Multi-Scale Vector Spatial Data Based on Global Consistency Evaluation[D]. Zhengzhou: Information Engineering University, 2011.

        [26] 鞏現(xiàn)勇, 武芳, 姬存?zhèn)? 等. 道路網(wǎng)匹配的蟻群算法求解模型[J]. 武漢大學學報(信息科學版), 2014, 39(2): 191-195.

        GONG Xianyong, WU Fang, JI Cunwei, et al. Ant Colony Optimization Approach to Road Network Matching[J]. Geomatics and Information Science of Wuhan University, 2014, 39(2): 191-195.

        [27] 付仲良, 楊元維, 高賢君, 等. 利用多元Logistic回歸進行道路網(wǎng)匹配[J]. 武漢大學學報(信息科學版), 2016, 41(2): 171-177.

        FU Zhongliang, YANG Yuanwei, GAO Xianjun, et al. Road Networks Matching Using Multiple Logistic Regression[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 171-177.

        [28] 安曉亞, 孫群, 楊云, 等. 一種利用主動輪廓模型和矢量數(shù)據(jù)的遙感影像面狀水體提取方法[J]. 武漢大學學報(信息科學版), 2013, 38(10): 1152-1157.

        AN Xiaoya, SUN Qun, YANG Yun, et al. A Method for Extracting Area Water Body from Remote Sensing Images Using Active Contour Model and Vector Data[J]. Geomatics and Information Science of Wuhan University, 2013, 38(10): 1152-1157.

        [29] 葉亞琴, 萬波, 陳波. 基于成分關(guān)聯(lián)區(qū)域相似度的面實體模糊匹配算法[J]. 地球科學:中國地質(zhì)大學學報, 2010, 35(3): 385-390.

        YE Yaqin, WAN Bo, CHEN Bo. The Fuzzy Match Algorithm between Area Object Considering Associated Area Similarities[J]. Earth Science:Journal of China University of Geosciences, 2010, 35(3): 385-390.

        [30] 黃智深, 錢海忠, 王驍, 等. 基于降維技術(shù)的面狀居民地匹配方法[J]. 測繪科學技術(shù)學報, 2012, 29(1): 75-78.

        HUANG Zhishen, QIAN Haizhong, WANG Xiao, et al. Dimension Decrease-oriented Habitation Matching Method[J]. Journal of Geomatics Science and Technology, 2012, 29(1): 75-78.

        [31] 溫伯威, 孫群, 馬超, 等. 一種采用不變矩的矢量面目標匹配方法[J]. 測繪工程, 2017, 26(2): 5-8, 13.

        WEN Bowei, SUN Qun, MA Chao, et al. A Matching Method of Vector Area Object Using Invariant Moments[J]. Engineering of Surveying and Mapping, 2017, 26(2): 5-8, 13.

        [32] 郝燕玲, 唐文靜, 趙玉新, 等. 基于空間相似性的面實體匹配算法研究[J]. 測繪學報, 2008, 37(4): 501-506.

        HAO Yanling, TANG Wenjing, ZHAO Yuxin, et al. Areal Feature Matching Algorithm Based on Spatial Similarity[J]. Acta Geodaetica et Cartographica Sinica, 2008, 37(4): 501-506.

        [33] 陳換新, 孫群, 肖強, 等. 空間數(shù)據(jù)融合技術(shù)在空間數(shù)據(jù)生產(chǎn)及更新中的應(yīng)用[J]. 武漢大學學報(信息科學版), 2014, 39(1): 117-122.

        CHEN Huanxin, SUN Qun, XIAO Qiang, et al. Application of Spatial Data Fusion in the Production and Updating of Spatial Data[J]. Geomatics and Information Science of Wuhan University, 2014, 39(1): 117-122.

        [34] 汪匯兵, 唐新明, 邱博, 等. 運用多算子加權(quán)的面要素幾何匹配方法[J]. 武漢大學學報(信息科學版), 2013, 38(10): 1243-1247.

        WANG Huibing, TANG Xinming, QIU Bo, et al. Geometric Matching Method of Area Feature Based on Multi-weighted Operators[J]. Geomatics and Information Science of Wuhan University, 2013, 38(10): 1243-1247.

        [35] 郭黎, 崔鐵軍, 鄭海鷹, 等. 基于空間方向相似性的面狀矢量空間數(shù)據(jù)匹配算法[J]. 測繪科學技術(shù)學報, 2008, 25(5): 380-382.

        GUO Li, CUI Tiejun, ZHENG Haiying, et al. Arithmetic for Area Vector Spatial Data Matching on Spatial Direction Similarity[J]. Journal of Geomatics Science and Technology, 2008, 25(5): 380-382.

        [36] 鄭宇志, 張青年. 基于拓撲及空間相似性的面實體匹配方法研究[J]. 測繪科學技術(shù)學報, 2013, 30(5): 510-514.

        ZHENG Yuzhi, ZHANG Qingnian. An Approach to Identical Areal Entity Matching Based on Topology and Spatial Similarity[J]. Journal of Geomatics Science and Technology, 2013, 30(5): 510-514.

        [37] 劉坡, 張宇, 龔建華. 中誤差和鄰近關(guān)系的多尺度面實體匹配算法研究[J]. 測繪學報, 2014, 43(4): 419-425. DOI: 10.13485/j.cnki.11-2089.2014.0062.

        LIU Po, ZHANG Yu, GONG Jianhua. Root Mean Square Error and Neighbouring Relation Matching Approach for Multi-scale Areal Feature[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(4): 419-425. DOI: 10.13485/j.cnki.11-2089.2014.0062.

        [38] XIONG Demin, SPERLING J. Semiautomated Matching for Network Database Integration[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2004, 59(1-2): 35-46.

        [39] SAFRA E, KANZA Y, SAGIV Y, et al. Efficient Integration of Road Maps[C]∥Proceedings of the 14th Annual ACM International Symposium on Advances in Geographic Information Systems. Arlington, Virginia: ACM, 2006: 59-66.

        [40] 許俊奎, 武芳, 錢海忠, 等. 一種空間關(guān)系相似性約束的居民地匹配算法[J]. 武漢大學學報(信息科學版), 2013, 38(4): 484-488.

        XU Junkui, WU Fang, QIAN Haizhong, et al. Settlement Matching Algorithm Using Spatial Similarity Relations as Constraints[J]. Geomatics and Information Science of Wuhan University, 2013, 38(4): 484-488.

        [41] 鄭宇志, 張青年. 基于拓撲及空間相似性的面實體匹配方法研究[J]. 測繪科學技術(shù)學報, 2013, 30(5): 510-514.

        ZHENG Yuzhi, ZHANG Qingnian. An Approach to Identical Areal Entity Matching Based on Topology and Spatial Similarity[J]. Journal of Geomatics Science and Technology, 2013, 30(5): 510-514.

        [42] 郭小菊, 陳俊杰. 基于地理本體的同名實體匹配技術(shù)研究[J]. 計算機應(yīng)用與軟件, 2015, 32(2): 66-68, 112.

        GUO Xiaoju, CHEN Junjie. Research on Identical Entity Matching Based on GIS Ontology[J]. Computer Applications and Software, 2015, 32(2): 66-68, 112.

        [43] 廖一蘭, 王勁峰, 馬家奇, 等. 基于BPM-BM算法的地名數(shù)據(jù)匹配[J]. 測繪通報, 2008(6): 22-25.

        LIAO Yilan, WANG Jinfeng, MA Jiaqi, et al. Placename Data Matching Based on BPM-BM Algorithm[J]. Bulletin of Surveying and Mapping, 2008(6): 22-25.

        [44] 程鋼, 盧小平. 顧及通名語義的漢語地名相似度匹配算法[J]. 測繪學報, 2014, 43(4): 404-410, 418. DOI: 10.13485/j.cnki.11-2089.2014.0060.

        CHENG Gang, LU Xiaoping. Matching Algorithm for Chinese Place Names by Similarity in Consideration of Semantics of General Names for Places[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(4): 404-410, 418. DOI: 10.13485/j.cnki.11-2089.2014.0060.

        [45] SAALFELD A. Conflation Automated Map Compilation[J]. International Journal of Geographical Information Science, 1988, 2(3): 217-228.

        [46] JENSEN J, SAALFELD A, BROOME F, et al. Spatial Data Acquisition and Integration[J]. Geomorphology, 2011, 41(2-3): 171-181.

        [47] KANG B. Analytical Conflation of Spatial Data from Municipal and Federal Government Agencies[D]. Ohio: Ohio State University, 2002.

        [48] 朱蕊. 一種面向道路要素更新的幾何位置一致性處理方法[J]. 測繪科學技術(shù)學報, 2014, 31(2): 190-193.

        ZHU Rui. A Method of the Consistency Processing in Geometric Position for Road Features Updating[J]. Journal of Geomatics Science and Technology, 2014, 31(2): 190-193.

        [49] 唐文靜, 趙玉新, 郝燕玲, 等. 數(shù)字地圖點狀要素合并變換算法研究[J]. 系統(tǒng)仿真學報, 2009, 21(5): 1399-1402.

        TANG Wenjing, ZHAO Yuxin, HAO Yanling, et al. Study of Point Feature Adjusting Algorithm in Digital Map[J]. Journal of System Simulation, 2009, 21(5): 1399-1402.

        [50] 安曉亞, 楊云, 劉平芝. 基于拓撲謂詞的空間拓撲關(guān)系相似性度量模型與應(yīng)用[J]. 地球信息科學學報, 2013, 15(2): 159-165.

        AN Xiaoya, YANG Yun, LIU Pingzhi. Similarity Measuring of Spatial Topological Relations Based on Topological Predication[J]. Journal of Geo-Information Science, 2013, 15(2): 159-165.

        [51] 童小華, 鄧愫愫, 史文中. 數(shù)字地圖合并的平差原理與方法[J]. 武漢大學學報(信息科學版), 2007, 32(7): 621-625.

        TONG Xiaohua, DENG Susu, SHI Wenzhong. A New Least Squares Adjustment Method for Map Conflation[J]. Geomatics and Information Science of Wuhan University, 2007, 32(7): 621-625.

        [52] 唐文靜, 郝燕玲, 趙玉新, 等. 基于多評價因素的線狀要素合并變換方法[J]. 大連海事大學學報, 2008, 34(4): 6-10, 18.

        TANG Wenjing, HAO Yanling, ZHAO Yuxin, et al. Linear Elements Adjusting Algorithm Based on Multi-evaluation Factors[J]. Journal of Dalian Maritime University, 2008, 34(4): 6-10, 18.

        [53] 郝燕玲, 唐文靜, 趙玉新. 基于多評價因素的面狀要素合并變換算法[J]. 計算機輔助設(shè)計與圖形學學報, 2009, 21(2): 237-242.

        HAO Yanling, TANG Wenjing, ZHAO Yuxin. Areal Elements Adjusting Algorithm Based on Multi-evaluation Factors[J]. Journal of Computer-Aided Design & Computer Graphics, 2009, 21(2): 237-242.

        [54] 安曉亞. 空間數(shù)據(jù)幾何相似性度量理論方法與應(yīng)用研究[D]. 鄭州: 信息工程大學, 2011.

        AN Xiaoya. Research on Theory, Methods and Applications of Geometry Similarity Measurement for Spatial Data[J]. Zhengzhou: Information Engineering University, 2011.

        [55] 肖強, 趙國成, 闞映紅. ShapeFile格式數(shù)據(jù)與地理信息交換格式數(shù)據(jù)轉(zhuǎn)換[J]. 測繪科學, 2010, 35(6): 82-83.

        XIAO Qiang, ZHAO Guocheng, KAN Yinghong. Transfer between ShapeFile Data and Geographic Information Exchange Format Data[J]. Science of Surveying and Mapping, 2010, 35(6): 82-83.

        [56] 陳換新, 肖強, 李明, 等. 國外空間數(shù)據(jù)的語義差異及轉(zhuǎn)換方法研究[J]. 測繪科學, 2014, 39(7): 83-86.

        CHEN Huanxin, XIAO Qiang, LI Ming, et al. Research on Semantic Difference and Transformation of Foreign Spatial Data[J]. Science of Surveying and Mapping, 2014, 39(7): 83-86.

        [57] 李志華. 面向標準格式的地理空間數(shù)據(jù)轉(zhuǎn)換方法研究——以DWG轉(zhuǎn)MDB數(shù)據(jù)為例[D]. 南昌: 東華理工大學, 2015.

        LI Zhihua. Research of Geographic Spatial Data Conversion Method Based on Standard Format: A Case Study of DWG and MDB Data[D]. Nanchang: East China Institute of Technology, 2015.

        [58] 蔡暢. 基于地理本體的空間數(shù)據(jù)集成研究[D]. 鄭州: 信息工程大學, 2008.

        CAI Chang. Research on Spatial Data Integration Based on Geo-Ontology[D]. Zhengzhou: Information Engineering University, 2008.

        [59] MADHAVAN J, BERNSTEIN P A, RAHM E. Generic Schema Matching with Cupid[C]∥Proceedings of the 27th International Conference on Very Large Data Bases. San Francisco: Morgan Kaufmann Publishers Inc, 2001, 1: 49-58.

        [60] MELNIK S, GARCIA-MOLINA H, RAHM E. Similarity Flooding: A Versatile Graph Matching Algorithm and Its Application to Schema Matching[C]∥Proceedings of the 18th International Conference on Data Engineering. San Jose, CA: IEEE, 2002: 17-128.

        [61] KAVOURAS M, KOKLA M, TOMAI E. Comparing Categories among Geographic Ontologies[J]. Computers & Geosciences, 2005, 31(2): 145-154.

        [62] VISSER M, REHEUL D. Producing Native Seed of Stipa lagascae R. and Sch. in Presaharian Tunisia: High Yields, High Genetic Variation or Both?[J]. Genetic Resources and Crop Evolution, 2002, 49(6): 583-598.

        [63] 郭黎. 多源地理空間矢量數(shù)據(jù)融合理論與方法研究[D]. 鄭州: 信息工程大學, 2008.

        GUO Li. Theory and Method Research on Multi-sources Geospatial Vector Data Fusion[D]. Zhengzhou: Information Engineering University, 2008.

        [64] 趙彥慶, 肖如林. 基于本體的網(wǎng)絡(luò)地理空間數(shù)據(jù)集成[J]. 地球信息科學學報, 2012, 14(5): 584-591.

        ZHAO Yanqing, XIAO Rulin. Integration of Web Geospatial Data Based on Ontology[J]. Journal of Geo-Information Science, 2012, 14(5): 584-591.

        [65] 劉少文. 基于數(shù)據(jù)挖掘的地理信息集成方法研究[D]. 北京: 華北電力大學(北京), 2016.

        LIU Shaowen. An Approach of Data Mining Based Integration on Geographic Information[D]. Beijing: North China Electric Power University (Beijing), 2016.

        [66] FONSECA F T, EGENHOFER M J. Ontology-driven Geographic Information Systems[C]∥Proceedings of the 7th ACM International Symposium on Advances in Geographic Information Systems. Kansas City, Missouri: ACM, 1999: 14-19.

        [67] 陳佳麗. 基于本體的空間數(shù)據(jù)多重表達中的一致性研究[D]. 武漢: 華中師范大學, 2007.

        CHEN Jiali. Study on Consistency of Multi-expression of Spatial Data Based on Ontology[D]. Wuhan: Central China Normal University, 2007.

        [68] 張燕, 王鋒, 張睿. 基于本體的網(wǎng)格服務(wù)語義匹配方法[J]. 計算機工程, 2007, 33(7): 181-183.

        ZHANG Yan, WANG Feng, ZHANG Rui. Semantic Matching Method Based on Ontology for Grid Services[J]. Computer Engineering, 2007, 33(7): 181-183.

        [69] 劉青寶, 金燕, 鄧蘇, 等. 基于模糊聚類的屬性匹配算法[J]. 模糊系統(tǒng)與數(shù)學, 2006, 20(6): 96-102.

        LIU Qingbao, JIN Yan, DENG Su, et al. An Attribute Matching Algorithm Based on Fuzzy Clustering[J]. Fuzzy Systems and Mathematics, 2006, 20(6): 96-102.

        [70] 程鋼, 盧小平. 顧及通名語義的漢語地名相似度匹配算法[J]. 測繪學報, 2014, 43(4): 404-410, 418.

        CHENG Gang, LU Xiaoping. Matching Algorithm for Chinese Place Names by Similarity in Consideration of Semantics of General Names for Places[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(4): 404-410, 418.

        (責任編輯:宋啟凡)

        Research on the Progress of Multi-sources Geospatial Vector Data Fusion

        SUN Qun

        Institute of Geospatial Information, Information Engineering University, Zhengzhou 450052, China

        Geospatial vector data plays a crucial role in the national economy and the construction of the national defense modernization for it’s not only the important component of human social and geographical environment information, but also a key carrier of relevant social information. The technology of the multi-source geospatial vector data fusion is a valid method of solving the inconsistency questions of the multi-source data in geometric position, attribute feature, etc. In recent years, its relevant technology as well as its application also has deeply developed. Based on the analysis of the questions in the application of the two-dimensional geospatial vector data are facing, the research status of the theory, algorithm and technologies of geometric feature fusion and attribute feature fusion of the two-dimensional geospatial vector data are overviewed and evaluated, with the current research status, whose theory and application of the future focus of research are looked forward to in this paper.

        geospatial vector data;identical entity matching;attribute feature;data fusion

        The National Natural Science Foundation of China (No. 41571399)

        孫群.多源矢量空間數(shù)據(jù)融合處理技術(shù)研究進展[J].測繪學報,2017,46(10):1627-1636.

        10.11947/j.AGCS.2017.20170387.

        SUN Qun.Research on the Progress of Multi-sources Geospatial Vector Data Fusion[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1627-1636. DOI:10.11947/j.AGCS.2017.20170387.

        P208

        A

        1001-1595(2017)10-1627-10

        國家自然科學基金(41571399)

        2017-07-26

        修回日期: 2017-09-11

        孫群(1963—),男,博士,教授,博士生導師,研究方向為數(shù)字地圖制圖與地理信息處理。

        Author: SUN Qun(1963—),male,PhD,professor,PhD supervisor,majors in digital mapping and processing of geographical information.

        猜你喜歡
        語義特征融合
        村企黨建聯(lián)建融合共贏
        融合菜
        從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
        《融合》
        語言與語義
        如何表達“特征”
        不忠誠的四個特征
        當代陜西(2019年10期)2019-06-03 10:12:04
        抓住特征巧觀察
        “上”與“下”語義的不對稱性及其認知闡釋
        認知范疇模糊與語義模糊
        大香蕉视频在线青青草| 国产亚洲aⅴ在线电影| 小妖精又紧又湿高潮h视频69 | 久久精品亚洲乱码伦伦中文| 大学生被内谢粉嫩无套| 人妻中出精品久久久一区二| 久久蜜桃一区二区三区| 成人性生交大片免费入口| 亚洲精品无码av人在线播放| 亚洲欧美日韩一区在线观看| 国产精品,在线点播影院| 日本岛国一区二区三区| 中文字幕av人妻少妇一区二区| 精品久久久久久无码人妻蜜桃| 亚洲精品久久久久高潮| 国产成人AV乱码免费观看| 久久人妻中文字幕精品一区二区| 精品人妻大屁股白浆无码| 99蜜桃在线观看免费视频网站| 无码欧亚熟妇人妻AV在线外遇 | 美腿丝袜日韩在线观看| 欧美激情在线播放| 国产成人涩涩涩视频在线观看| 亞洲綜合無碼av一區二區| 国产精品亚洲精品日产久久久| 狠色人妻丝袜中文字幕| 精品国产拍国产天天人| 正在播放亚洲一区| 一二区视频免费在线观看| 少妇激情av一区二区三区| 在线精品一区二区三区| 国产精品中文第一字幕| 亚洲成人av一区二区| 国内精品久久久久久久97牛牛 | 精品一区二区三区中文字幕在线| 久久精品国产亚洲av高清三区 | 国产乱对白刺激视频| 中国精学生妹品射精久久 | 国产伦精品一区二区三区视| 在线视频亚洲一区二区三区 | 亚洲AV无码一区二区一二区色戒|