張新長(zhǎng)，何顯錦，孫 穎，黃健鋒，張志強(qiáng)

1. 廣州大學(xué)地理科學(xué)與遙感學(xué)院，廣東 廣州 510006; 2. 北部灣環(huán)境演變與資源利用教育部重點(diǎn)實(shí)驗(yàn)室，廣西 南寧 530001; 3. 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510006; 4. 中山大學(xué)大氣科學(xué)學(xué)院，廣東 珠海 519082; 5. 華北水利水電大學(xué)測(cè)繪與地理信息學(xué)院，河南 鄭州 450046

多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的目的是在有效解決更新信息尺度間傳遞的同時(shí)，大量減少更新過(guò)程數(shù)據(jù)的重復(fù)采集和更新時(shí)間，通過(guò)結(jié)合人工智能、地圖綜合等方法聯(lián)動(dòng)實(shí)現(xiàn)更新信息從大比例尺數(shù)據(jù)庫(kù)向小比例尺數(shù)據(jù)庫(kù)傳遞的過(guò)程。

根據(jù)聯(lián)合國(guó)報(bào)告，2009—2050年，預(yù)計(jì)全球的城市化水平將從50%上升至69%[1]。當(dāng)前，我國(guó)仍處于快速城市化發(fā)展階段，城市變化日新月異，建成區(qū)快速擴(kuò)張，建筑物、道路等新建、拆除或改建隨處可見(jiàn)。正確理解和認(rèn)識(shí)城市空間分布場(chǎng)景則需要及時(shí)更新地理信息系統(tǒng)(geographic information system，GIS)中的多個(gè)尺度的空間數(shù)據(jù)庫(kù)。所謂的多尺度空間數(shù)據(jù)庫(kù)(multi-representation database，MRDB)就是同一地區(qū)不同比例尺的空間數(shù)據(jù)庫(kù)[2]。數(shù)據(jù)的現(xiàn)勢(shì)性直接關(guān)系到地理信息系統(tǒng)的可持續(xù)應(yīng)用和發(fā)展。特別是“數(shù)字城市地理空間框架”和“地理國(guó)情監(jiān)測(cè)”工程的建設(shè)需要現(xiàn)勢(shì)性好、適用性強(qiáng)的多尺度地理空間數(shù)據(jù)作為支撐。多尺度空間數(shù)據(jù)作為GIS的“血液”，其現(xiàn)勢(shì)性更是保持GIS活力的源泉[3]。然而，傳統(tǒng)的多尺度空間數(shù)據(jù)的生產(chǎn)周期較長(zhǎng)，生產(chǎn)速度往往滯后于城市發(fā)展速度，更新速度更是落后于生產(chǎn)速度[4]。因此，作為支撐國(guó)民經(jīng)濟(jì)建設(shè)的多尺度空間數(shù)據(jù)的持續(xù)、快速更新就顯得十分重要。

目前，多尺度空間數(shù)據(jù)最理想的更新策略是根據(jù)多尺度空間數(shù)據(jù)中同名實(shí)體(同一實(shí)體在不同尺度上的表達(dá))間的關(guān)聯(lián)關(guān)系，只針對(duì)發(fā)生變化的數(shù)據(jù)進(jìn)行更新，首先更新大比例尺數(shù)據(jù)，然后自動(dòng)將更新信息傳遞給各小比例表達(dá)，最后智能完成小比例尺更新表達(dá)，即多尺度空間數(shù)據(jù)的聯(lián)動(dòng)更新[5]。多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新是一項(xiàng)復(fù)雜的系統(tǒng)工程，其過(guò)程包括空間實(shí)體匹配、更新信息檢測(cè)、更新信息傳遞、沖突檢測(cè)與處理等。國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新進(jìn)行了大量深入的研究，但目前還未能有一種普適的方法來(lái)解決聯(lián)動(dòng)更新中的所有問(wèn)題。本文將從聯(lián)動(dòng)更新策略、關(guān)鍵技術(shù)及其智能化發(fā)展進(jìn)行闡述，并結(jié)合地圖自動(dòng)綜合進(jìn)一步探討聯(lián)動(dòng)更新的發(fā)展趨勢(shì)。

1 多尺度空間數(shù)據(jù)更新

1.1 多尺度空間數(shù)據(jù)更新框架

空間數(shù)據(jù)更新是國(guó)際學(xué)術(shù)組織感興趣的重要課題，國(guó)際地圖協(xié)會(huì)(ICA)和國(guó)際攝影測(cè)量與遙感學(xué)會(huì)(ISPRS)早在1999年成立了“增量空間數(shù)據(jù)更新與數(shù)據(jù)庫(kù)版本研究”聯(lián)合工作組，并組織了專(zhuān)題委員會(huì)。此外，ICA中的“Generalization and Multiple Representation”委員會(huì)中不少報(bào)告是關(guān)于多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新研究的討論(http:∥generalization.icaci.org)。在國(guó)內(nèi)，特別是在數(shù)字城市地理空間框架、地理國(guó)情普查等重大工程建設(shè)需求的推動(dòng)下，有關(guān)空間數(shù)據(jù)動(dòng)態(tài)更新的研究成也為了GIS的一個(gè)熱點(diǎn)，并且受到了越來(lái)越多的關(guān)注[6-8]?？傮w上，多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新是在建立多尺度空間實(shí)體匹配關(guān)系的基礎(chǔ)上，首先利用現(xiàn)狀數(shù)據(jù)進(jìn)行更新信息檢測(cè)提取更新信息；然后根據(jù)匹配信息，結(jié)合地圖綜合方法進(jìn)行更新信息尺度間的傳遞；最后對(duì)更新結(jié)果進(jìn)行空間沖突檢測(cè)和處理，以保證同名實(shí)體在多個(gè)尺度表達(dá)上的一致性，其過(guò)程如圖1所示。

圖1 多尺度空間數(shù)據(jù)更新框架

1.2 多尺度空間數(shù)據(jù)更新策略

為適應(yīng)不同的應(yīng)用與數(shù)據(jù)管理需求，地理空間數(shù)據(jù)常按不同比例尺進(jìn)行存儲(chǔ)與維護(hù)。顯然，根據(jù)不同尺度數(shù)據(jù)的成圖要求，分別進(jìn)行外業(yè)測(cè)量與制圖處理將會(huì)產(chǎn)生大量的重復(fù)投入，并造成數(shù)據(jù)更新效率低下的問(wèn)題，難以滿(mǎn)足GIS的應(yīng)用需求[6]。因此，研究人員嘗試以大比例尺地圖數(shù)據(jù)作為數(shù)據(jù)，進(jìn)行小比例尺空間數(shù)據(jù)的增量更新，以提高數(shù)據(jù)更新管理的效率[9]。此外，多尺度空間數(shù)據(jù)的動(dòng)態(tài)更新需要考慮不同比例尺同名實(shí)體之間的關(guān)聯(lián)關(guān)系，并以此為基礎(chǔ)結(jié)合地圖綜合進(jìn)行更新信息傳遞，這已成為多尺度數(shù)據(jù)模型與地圖綜合研究的新方向與新挑戰(zhàn)[10]。根據(jù)現(xiàn)有文獻(xiàn)分析，多尺度空間數(shù)據(jù)的更新策略主要有3種，即地圖縮編更新、增量制圖綜合更新和聯(lián)動(dòng)更新，如圖2所示。

圖2 多尺度空間數(shù)據(jù)更新的3種策略

1.2.1 地圖縮編更新

地圖縮編更新，即利用制圖綜合方法將現(xiàn)勢(shì)性強(qiáng)的大比例尺地圖進(jìn)行綜合后，對(duì)小比例尺舊數(shù)據(jù)進(jìn)行全局替換[8]。在更新模式方面，文獻(xiàn)[11]歸納了縮編更新的4種模式，并認(rèn)為在目前新舊數(shù)據(jù)疊加縮編的更新模式最為實(shí)用。世界上各國(guó)的國(guó)家基礎(chǔ)地理數(shù)據(jù)庫(kù)是典型的多尺度數(shù)據(jù)庫(kù)，地圖縮編的方法在維護(hù)該類(lèi)數(shù)據(jù)的尺度一致性方面發(fā)揮了重要的作用[12-13]。此外，這種方法還在土地利用現(xiàn)狀更新、導(dǎo)航電子地圖更新等方面都有較廣泛的應(yīng)用[14-16]，并逐步朝著自動(dòng)化與智能化的方向發(fā)展[17]。地圖縮編更新方法工作目標(biāo)明確、邏輯清晰。然而，在地圖綜合未能全自動(dòng)化的情況下，由于縮編工作面向更新范圍內(nèi)的所有要素，沒(méi)有對(duì)發(fā)生變化的要素與不變要素進(jìn)行區(qū)分，且需要對(duì)更新范圍邊界裁剪要素進(jìn)行制圖拼接，導(dǎo)致地圖縮編更新的工作量比較大，且造成歷史數(shù)據(jù)冗余，降低歷史回溯效率。

1.2.2 增量制圖綜合更新

增量制圖綜合方法是為了把更新信息融入目標(biāo)比例尺數(shù)據(jù)庫(kù)中，而對(duì)更新信息的增量對(duì)象進(jìn)行制圖綜合完成尺度變換。由于這種方式只是針對(duì)更新信息，而無(wú)須對(duì)所有要素進(jìn)行制圖綜合處理[18]，能夠提高更新的效率，并有助于保證不同比例尺數(shù)據(jù)之間的一致性。文獻(xiàn)[18]結(jié)合制圖綜合進(jìn)行增量更新主要有兩種方案，一是對(duì)更新后的大比例尺地圖重新執(zhí)行制圖綜合操作，稱(chēng)為重綜合(re-generalization)處理；二是把更新的要素直接引進(jìn)小比例尺地圖，然后根據(jù)制圖規(guī)則進(jìn)行調(diào)整，稱(chēng)為創(chuàng)建(construction)處理方法。如何確定鄰近要素是增量制圖綜合的前提，文獻(xiàn)[19]研究不同種類(lèi)更新對(duì)象的作用范圍，設(shè)計(jì)了以影響域漸進(jìn)擴(kuò)展為基礎(chǔ)的增量制圖綜合算法，確保制圖綜合后不會(huì)引入新的空間沖突。文獻(xiàn)[20]把道路的單位影響范圍作為選取標(biāo)準(zhǔn)對(duì)新增數(shù)據(jù)進(jìn)行取舍，這種以獨(dú)立影響區(qū)域?yàn)榛A(chǔ)的道路線自動(dòng)制圖綜合方法，有助于減少地圖綜合的工作量。文獻(xiàn)[10]把制圖綜合的操作劃分成獨(dú)立的功能單元，提出記錄制圖綜合操作的日志模型，為地圖增量更新與更新信息傳遞提供支持。受環(huán)境約束，網(wǎng)絡(luò)環(huán)境下的制圖綜合或者移動(dòng)設(shè)備地圖顯示都會(huì)應(yīng)用增量制圖綜合技術(shù)[21]。增量制圖綜合方法以發(fā)生變化的要素為中心，搜索鄰近要素并進(jìn)行局部的制圖綜合，相對(duì)縮編更新能有效地提高數(shù)據(jù)數(shù)據(jù)管理與更新的效率。雖然增量制圖綜合更新取得了不少成果，但今后的研究重點(diǎn)仍集中在多尺度匹配、增量對(duì)象到目標(biāo)比例尺的綜合及空間關(guān)系和空間沖突的解決等方面。

1.2.3 聯(lián)動(dòng)更新

上述兩種更新策略并不需要建立多尺度空間數(shù)據(jù)中同名實(shí)體間的關(guān)聯(lián)關(guān)系，可以直接進(jìn)行單一或多個(gè)尺度空間數(shù)據(jù)更新。聯(lián)動(dòng)更新(亦稱(chēng)級(jí)聯(lián)更新)的整體思路則是通過(guò)影像對(duì)比、實(shí)測(cè)、新舊矢量數(shù)據(jù)匹配等方法在大比例尺空間數(shù)據(jù)中找到發(fā)生變化的對(duì)象，并根據(jù)同名實(shí)體關(guān)聯(lián)關(guān)系尋找與大比例尺對(duì)象關(guān)聯(lián)的小比例尺對(duì)象，綜合考慮更新信息類(lèi)型與制圖綜合規(guī)則，對(duì)關(guān)聯(lián)的小比例尺對(duì)象進(jìn)行修改，以更新小比例尺空間數(shù)據(jù)庫(kù)[22]。多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的基礎(chǔ)是不同尺度同名實(shí)體之間的關(guān)聯(lián)關(guān)系，并根據(jù)這些關(guān)聯(lián)關(guān)系實(shí)現(xiàn)更新信息從大比例數(shù)據(jù)庫(kù)向小比例尺數(shù)據(jù)庫(kù)傳遞[23]。該方法通過(guò)把大比例尺更新要素映射到對(duì)應(yīng)的小比例地圖上，然后通過(guò)制圖綜合進(jìn)行聯(lián)動(dòng)更新，在有效實(shí)現(xiàn)增量更新的同時(shí)，保持了更新對(duì)象的映射關(guān)系。然而，由于更新信息傳遞過(guò)程中涉及多類(lèi)信息(如大比例尺更新信息、同名實(shí)體關(guān)聯(lián)關(guān)系、制圖綜合規(guī)則等)的整合與相互作用，且受到不同更新場(chǎng)景的影響，更新類(lèi)型與處理方式較為復(fù)雜，具有較高的挑戰(zhàn)性[22]。

2 聯(lián)動(dòng)更新的關(guān)鍵技術(shù)

多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的關(guān)鍵技術(shù)包括多尺度空間實(shí)體匹配、更新信息檢測(cè)、更新信息傳遞和空間沖突檢測(cè)與處理等?？臻g實(shí)體匹配，即通過(guò)實(shí)體特征測(cè)度建立同名實(shí)體在不同尺度間的關(guān)聯(lián)關(guān)系，匹配方法也可用于更新信息的發(fā)現(xiàn)；更新信息檢測(cè)是通過(guò)影像對(duì)比、實(shí)測(cè)、新舊矢量數(shù)據(jù)匹配等方法，在大比例尺數(shù)據(jù)中發(fā)現(xiàn)并提取更新信息；更新信息傳遞即在分析更新信息及其鄰近對(duì)象空間分布結(jié)構(gòu)的基礎(chǔ)上，利用制圖綜合方法(如刪除、合并、化簡(jiǎn)、位移等)將更新信息綜合到小比例尺數(shù)據(jù)庫(kù)中；更新信息在尺度間傳遞完成后需要對(duì)新的綜合對(duì)象進(jìn)行空間沖突檢測(cè)與處理，即檢測(cè)其是否存在拓?fù)浣Y(jié)構(gòu)、屬性、幾何等沖突，并將錯(cuò)誤進(jìn)行修改處理。聯(lián)動(dòng)更新中的更新信息通常包括刪除、新增、修改等信息。

2.1 空間實(shí)體匹配

多尺度空間數(shù)據(jù)需要保存同一實(shí)體在不同尺度表達(dá)間的關(guān)聯(lián)關(guān)系，建立與動(dòng)態(tài)維護(hù)同名實(shí)體關(guān)聯(lián)關(guān)系是保證更新信息能夠聯(lián)動(dòng)傳遞的關(guān)鍵[24]。然而，基礎(chǔ)地理空間數(shù)據(jù)庫(kù)的建庫(kù)過(guò)程都是分別建庫(kù)的，沒(méi)有建立同一實(shí)體不同尺度表達(dá)間的關(guān)聯(lián)關(guān)系。因此，多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的首要任務(wù)是建立多尺度空間數(shù)據(jù)中同名實(shí)體的關(guān)聯(lián)關(guān)系，即空間實(shí)體匹配。從1988年第1個(gè)地理空間實(shí)體匹配方法被提出[25]，經(jīng)過(guò)了30多年的發(fā)展，地理空間實(shí)體匹配在理論方法與技術(shù)應(yīng)用上取得了長(zhǎng)足的進(jìn)步。下文從匹配策略和匹配特征兩個(gè)方面闡述地理空間實(shí)體匹配研究的進(jìn)展情況。

2.1.1 匹配策略

空間實(shí)體匹配策略可以概括為直接匹配和間接匹配兩類(lèi)，前者直接利用空間實(shí)體特征對(duì)比進(jìn)行匹配，后者則將空間實(shí)體進(jìn)行轉(zhuǎn)換、分解、抽象等，再進(jìn)行匹配。如在1∶1的匹配關(guān)系研究中，文獻(xiàn)[25]利用距離、連通度及蜘蛛網(wǎng)編碼來(lái)尋找可能匹配的點(diǎn)；也有研究利用待匹配對(duì)象的頂點(diǎn)或節(jié)點(diǎn)之間的距離及待匹配線段之間的距離來(lái)進(jìn)行線要素的匹配。緩沖區(qū)增長(zhǎng)法是將實(shí)體逐步增長(zhǎng)緩沖區(qū)來(lái)獲取候選匹配對(duì)象，通過(guò)區(qū)域統(tǒng)計(jì)來(lái)確定匹配閾值，通過(guò)優(yōu)勢(shì)函數(shù)來(lái)確定匹配對(duì)象[26]。緩沖區(qū)重疊面積法亦被廣泛應(yīng)用于地理空間實(shí)體的匹配，通過(guò)計(jì)算候選匹配對(duì)象之間的緩沖區(qū)面積重疊度，選取重疊度最大的對(duì)象作為匹配對(duì)象應(yīng)用于線狀實(shí)體及面狀實(shí)體的匹配[27-29]。融合地物多特征相似性的匹配策略在多尺度空間實(shí)體匹配上也被廣泛應(yīng)用[30]。有學(xué)者在此基礎(chǔ)上進(jìn)行了改進(jìn)，針對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)及弧段的相似性，提出了人機(jī)交互式的綜合匹配閾值確定方法[31]。上述研究都屬于直接要素匹配策略。

間接匹配策略中，有研究人員提出采用實(shí)體分層的形式進(jìn)行匹配，如將道路匹配定義為分解、基本、抽象3個(gè)層次，分別采用線段、路段、路徑結(jié)合緩沖區(qū)、拓?fù)潢P(guān)系、屬性特征進(jìn)行層級(jí)匹配[32]。該方法在多尺度道路數(shù)據(jù)的匹配中取得了較高的精度，能夠識(shí)別一對(duì)多、多對(duì)多的匹配關(guān)系?；趯哟位臻g關(guān)系的道路節(jié)點(diǎn)匹配方法，在對(duì)節(jié)點(diǎn)拓?fù)漕?lèi)型進(jìn)行細(xì)分的基礎(chǔ)上，依靠距離、連通度、弧段方向，層次遞進(jìn)地進(jìn)行匹配關(guān)系識(shí)別，能有效用于多尺度道路網(wǎng)的匹配[33]。上述匹配精度受到閾值的影響較大。有學(xué)者提出了基于模糊集拓?fù)浞诸?lèi)的面狀實(shí)體匹配方法，該方法能夠在一定程度上避免閾值的選取[34]。隨后有學(xué)者對(duì)該方法進(jìn)一步優(yōu)化，將成分關(guān)聯(lián)區(qū)域的相似度度量因子引入空間目標(biāo)匹配，雖然避免了匹配閾值的精確選取，但計(jì)算量較大，且對(duì)各匹配指標(biāo)權(quán)重較為敏感[35].概率松弛也是一種常用匹配方法，從早期的攝影測(cè)量同名地物匹配到GIS數(shù)據(jù)匹配[36-38]。

空間實(shí)體匹配過(guò)程由于需要進(jìn)行大量的空間檢索，面臨計(jì)算量大、耗時(shí)長(zhǎng)的問(wèn)題，學(xué)者們對(duì)此提出了一些改進(jìn)方法。如文獻(xiàn)[39]基于城市形態(tài)學(xué)原理，在通過(guò)道路網(wǎng)、水系形成的閉合區(qū)間將城市空間進(jìn)行劃分的基礎(chǔ)上，發(fā)展了一種新的空間數(shù)據(jù)層次索引方法來(lái)提升檢索速度。文獻(xiàn)[40]依據(jù)拓?fù)潢P(guān)系對(duì)道路實(shí)體進(jìn)行分類(lèi)，將其劃分為匹配層與非匹配層，通過(guò)迭代的方式對(duì)非匹配層進(jìn)行重新分類(lèi)后，只對(duì)少量沒(méi)有確定匹配關(guān)系的道路進(jìn)行全局遍歷匹配，有效提高了匹配的效率。此外，利用標(biāo)記信息輔助空間對(duì)象的匹配是實(shí)體匹配研究中的另一種思路。文獻(xiàn)[41]提出利用已標(biāo)記的地物作為參考地標(biāo)，依靠環(huán)境相似度來(lái)識(shí)別面狀實(shí)體的匹配關(guān)系。文獻(xiàn)[42]提出了一種多層次蔓延匹配算法，該方法通過(guò)語(yǔ)義信息確定初始匹配道路單元并將其標(biāo)記，利用已標(biāo)記的對(duì)象構(gòu)建多層次的蔓延單元來(lái)實(shí)現(xiàn)道路增量信息的提取。

為減少人工干預(yù)，提高空間實(shí)體匹配的自動(dòng)化水平，近年來(lái)出現(xiàn)了各種基于機(jī)器學(xué)習(xí)的匹配方法，各種分類(lèi)算法如支持向量機(jī)、神經(jīng)元網(wǎng)絡(luò)、邏輯回歸、決策樹(shù)等先后引入研究工作[43-46]。該類(lèi)方法的基本思想是依靠機(jī)器學(xué)習(xí)從分類(lèi)樣本中獲取決策知識(shí)，從而對(duì)候選匹配對(duì)象進(jìn)行判別?；跈C(jī)器學(xué)習(xí)的方法避免了指標(biāo)權(quán)值及匹配閾值的人工設(shè)定，有效提升了匹配工作的智能化水平。但是這類(lèi)方法也面臨著樣本選取與標(biāo)記工作量較大等問(wèn)題。

2.1.2 特征測(cè)度

無(wú)論采用何種匹配策略，都離不開(kāi)空間實(shí)體特征的測(cè)度?？臻g實(shí)體特征的測(cè)度是空間實(shí)體匹配過(guò)程中的重要部分，研究人員從幾何、空間關(guān)系、語(yǔ)義等方面對(duì)空間實(shí)體的特征進(jìn)行測(cè)度研究。在空間距離度量方面，經(jīng)典的歐幾里得距離、Hausdorff距離、Fréchet距離被廣泛應(yīng)用于空間實(shí)體匹配研究。例如，為降低實(shí)體形狀對(duì)距離測(cè)度的敏感度，文獻(xiàn)[47]對(duì)這些經(jīng)典距離描述方法進(jìn)行了改進(jìn)，提出中值Hausdorff距離用于度量實(shí)體主要部分的位置關(guān)系，避免了實(shí)體次要部分或異常值對(duì)距離度量的影響，從而提升道路距離測(cè)度的穩(wěn)定性?？臻g實(shí)體幾何形狀的定量化描述是GIS面臨的難題之一，文獻(xiàn)[48]從實(shí)體的范圍、邊界、結(jié)構(gòu)入手開(kāi)展了多種形狀度量方法研究。其中，傅里葉變換在面狀實(shí)體的相似性測(cè)度中發(fā)揮了重要的作用。例如，針對(duì)建筑物，基于傅里葉變換的形狀描述方法利用周期函數(shù)來(lái)近似表達(dá)多邊形的邊界，通過(guò)系數(shù)向量的距離來(lái)比較待匹配要素與給定模板間的相似度[49-50]。文獻(xiàn)[51]基于彎曲度半徑復(fù)函數(shù)的傅里葉形狀描述子來(lái)度量面狀實(shí)體的形狀相似度。而針對(duì)帶空洞的復(fù)雜面狀實(shí)體，文獻(xiàn)[52]構(gòu)建了基于位置圖與傅里葉描述子的形狀相似性度量模型。幾何矩、轉(zhuǎn)向角函數(shù)也被用于描述面狀居民地的形狀相似度[53-54]。對(duì)于線要素的形狀相似性度量，常采用夾角鏈碼[55]、角度差值積分[56]等方法。文獻(xiàn)[57]提出將線實(shí)體的首尾連接做鏡面對(duì)偶生成面實(shí)體，以生成的面實(shí)體的傅里葉形狀描述子為其形狀向量[57]。

在空間關(guān)系相似性測(cè)度方面，文獻(xiàn)[58]提出了基于對(duì)象圓錐模型、投影模型、方向矩陣模型、Voronoi方向模型、統(tǒng)計(jì)模型、方向距離模型等定量與定性的描述模型。面向?qū)ο笕旱姆较蜿P(guān)系度量方法可以適應(yīng)復(fù)雜方向關(guān)系評(píng)價(jià)[59]；描述重疊與包含區(qū)域的方向關(guān)系模型，可以對(duì)線-線、面-面、線-面等不同維度實(shí)體之間的方向關(guān)系測(cè)度[60]；多特征綜合測(cè)度方面，基于多特征約束的語(yǔ)義相似性度量模型在構(gòu)建實(shí)體間語(yǔ)義特征對(duì)應(yīng)關(guān)系的基礎(chǔ)上引入屬性特征熵的概念，計(jì)算不同特征的權(quán)重值，進(jìn)而綜合多特征相似性來(lái)度量空間實(shí)體的整體語(yǔ)義相似程度[61-62]。

語(yǔ)義信息是空間實(shí)體信息的一部分，也是度量空間實(shí)體相似度的重要特征?？臻g實(shí)體屬性信息的綜合相似度計(jì)算模型是常用的方法[63]。其中，語(yǔ)義相似度分類(lèi)方法通過(guò)構(gòu)建特征模型來(lái)描述離散化的特征，并采用集合論來(lái)計(jì)算相似度[64]。地名地址是空間實(shí)體的重要屬性信息，文獻(xiàn)[65—67]提出了數(shù)字地名相似性的度量方法。近年來(lái)，領(lǐng)域本體也被用于GIS領(lǐng)域的語(yǔ)義相似度研究[68]。為滿(mǎn)足志愿者地理信息集成的需要，地理空間語(yǔ)義相似度由面向?qū)嵗难芯肯蛎嫦蚋拍畹摹⒊橄蠡难芯堪l(fā)展。

隨著多尺度空間關(guān)系理論的發(fā)展，相似關(guān)系已經(jīng)成為空間基本關(guān)系之一[69]，但其研究還屬于初級(jí)階段?？臻g相似關(guān)系的定義為在某一個(gè)特定的空間比例尺及專(zhuān)題內(nèi)容下被認(rèn)為相似的兩個(gè)區(qū)域[70]。文獻(xiàn)[58]面向多尺度地圖表達(dá)，基于集合論提出了空間相似關(guān)系的定義。空間相似關(guān)系理論的發(fā)展將有助于空間實(shí)體匹配中相似性測(cè)度方法的改進(jìn)。

2.2 更新信息檢測(cè)

更新信息檢測(cè)是空間數(shù)據(jù)庫(kù)更新信息傳遞的前提。更新信息檢測(cè)的任務(wù)是通過(guò)比較不同時(shí)間段的數(shù)據(jù)，獲取更新對(duì)象并確定對(duì)應(yīng)的更新類(lèi)型。由于地理空間數(shù)據(jù)采集與共享的方式不同，更新信息檢測(cè)的數(shù)據(jù)來(lái)源也不同，可以從外業(yè)測(cè)量獲取的矢量數(shù)據(jù)、遙感影像數(shù)據(jù)、自發(fā)地理信息(volunteered geographic information，VGI)等數(shù)據(jù)源中獲取更新信息。更新信息檢測(cè)方法方面，可綜合應(yīng)用幾何指標(biāo)評(píng)價(jià)、拓?fù)潢P(guān)系檢測(cè)及概率統(tǒng)計(jì)、動(dòng)態(tài)規(guī)劃等多種數(shù)學(xué)計(jì)算方法發(fā)現(xiàn)更新信息。

(1) 從矢量數(shù)據(jù)中檢測(cè)與提取更新信息。通常是通過(guò)比較不同時(shí)期采集的矢量數(shù)據(jù)，綜合考慮其幾何特征、屬性特征與拓?fù)涮卣鳎R(shí)別出具體的變化對(duì)象與變化類(lèi)型[71]。新舊矢量空間數(shù)據(jù)的匹配是發(fā)現(xiàn)和提取變化信息的最主要方法[72]。該匹配過(guò)程可以采用上述多尺度空間數(shù)據(jù)匹配方法實(shí)現(xiàn)更新信息的發(fā)現(xiàn)。如新舊對(duì)象間的關(guān)系是0∶1，代表是新增對(duì)象；新舊對(duì)象間的關(guān)系是1∶0，則代表被刪除的對(duì)象。依據(jù)空間對(duì)象之間的拓?fù)潢P(guān)系也可以進(jìn)行更新信息檢測(cè)。例如，對(duì)于地籍?dāng)?shù)據(jù)，如果檢測(cè)界址點(diǎn)發(fā)生了變化，界址線及地塊的面積也會(huì)相應(yīng)發(fā)生變化。在利用實(shí)體對(duì)象間的中心距離、形狀相似性、方向相似性等多項(xiàng)檢測(cè)指標(biāo)時(shí)，為了避免精確閾值的人為確定，結(jié)合基于概率理論的多指標(biāo)匹配模型進(jìn)行更新信息檢測(cè)是一種不錯(cuò)的研究思路[73]。然而，計(jì)算效率卻成了瓶頸問(wèn)題，克服雙向匹配中的重復(fù)計(jì)算是提升效率的關(guān)鍵。在地籍?dāng)?shù)據(jù)庫(kù)的更新中，文獻(xiàn)[14]應(yīng)用基態(tài)-修正模型、時(shí)空快照模型等分類(lèi)模型以確定更新對(duì)象類(lèi)型。該類(lèi)方法以更新事件為驅(qū)動(dòng)因子，綜合考慮拓?fù)潢P(guān)系與語(yǔ)義特征進(jìn)行更新信息的判斷。在影像數(shù)據(jù)與矢量數(shù)據(jù)相結(jié)合的更新信息提取中，人工神經(jīng)網(wǎng)絡(luò)模型、專(zhuān)家系統(tǒng)、Snake模型等方法得到了應(yīng)用[74]。這些方法由于面向柵格數(shù)據(jù)，具有檢測(cè)效率高、實(shí)時(shí)性強(qiáng)的特點(diǎn)。但是，該方法提取的變化信息難以直接應(yīng)用于數(shù)據(jù)庫(kù)的更新中，與更新操作的結(jié)合仍需進(jìn)一步探究。

(2) 從遙感影像變化檢測(cè)中發(fā)現(xiàn)更新信息。遙感影像由于其采集周期短、更新速度快，學(xué)者也常利用遙感影像進(jìn)行變化檢測(cè)發(fā)現(xiàn)更新信息，并以提取結(jié)果更新空間數(shù)據(jù)庫(kù)[75]。變化檢測(cè)的數(shù)據(jù)源上，SAR影像、LiDAR影像由于幾何信息較精確，同時(shí)具有高程信息，在變化檢測(cè)與要素更新中也發(fā)揮了重要的作用[76]。此外，多種數(shù)據(jù)融合也可應(yīng)用在變化檢測(cè)任務(wù)上，可利用舊時(shí)相矢量圖與新時(shí)相影像進(jìn)行變化檢測(cè)[77]。檢測(cè)方法上，根據(jù)是否需要地面參考數(shù)據(jù)，經(jīng)典的變化檢測(cè)算法可以分為非監(jiān)督變化檢測(cè)和監(jiān)督變化檢測(cè)[78]。非監(jiān)督變化檢測(cè)在變化檢測(cè)過(guò)程中不需要提供樣本信息，旨在確定二類(lèi)變化信息，即變化與未變化[79]，也有少數(shù)學(xué)者在探測(cè)是否變化同時(shí)，識(shí)別變化的類(lèi)型[80]；監(jiān)督變化檢測(cè)通常需要利用全部或部分時(shí)相的地面參考數(shù)據(jù)進(jìn)行分類(lèi)從而獲取變化信息，又可以分為直接分類(lèi)和分類(lèi)后比較兩種方法。直接分類(lèi)法通過(guò)多時(shí)相遙感影像的疊加進(jìn)行分類(lèi)得到變化信息[81]，該類(lèi)方法較適合二類(lèi)變化檢測(cè)，對(duì)于多類(lèi)別變化檢測(cè)而言，難以選擇充足的樣本。分類(lèi)后比較法[82]則分別對(duì)多時(shí)相遙感影像分類(lèi)，因而可以通過(guò)“from-to”變化信息得到精細(xì)地物變化類(lèi)型[83]，從而很好地解釋土地覆蓋的變化，但多次分類(lèi)誤差的累計(jì)容易降低變化檢測(cè)的精度。從變化檢測(cè)的基元來(lái)看，可以分為基于像素、面向?qū)ο蠛蛨?chǎng)景3類(lèi)?；谙袼氐淖兓瘷z測(cè)中，高分辨率影像中各像素的空間依賴(lài)性較強(qiáng)，單個(gè)像素不能包含足夠的信息，傳統(tǒng)利用局部特征訓(xùn)練的分類(lèi)器難以適合于高分辨率影像。因此，充分挖掘高分辨率影像中的空間、光譜、形狀、紋理及上下文等特征并加入到變化檢測(cè)中得到了廣泛的關(guān)注[84-85]。然而，像素基元容易受到椒鹽效應(yīng)的影響，且當(dāng)兩期影像存在校準(zhǔn)誤差時(shí)，基于像素的變化檢測(cè)容易產(chǎn)生虛檢[86]。為此，面向?qū)ο蟊灰敫叻直媛首兓瘷z測(cè)中[87]。然而，對(duì)象的最優(yōu)分割尺度的確定和對(duì)象特征的表達(dá)一直是影響變化檢測(cè)的瓶頸。另外，遙感場(chǎng)景(指影像內(nèi)部的空間和結(jié)構(gòu)分布模式，如住宅、商業(yè)區(qū)等)變化檢測(cè)隨著場(chǎng)景識(shí)別的發(fā)展也開(kāi)始嶄露頭角[88]。近年來(lái)，深度學(xué)習(xí)得到了快速的發(fā)展，由于其無(wú)須先驗(yàn)特征提取，可以憑借其非線性網(wǎng)絡(luò)模仿大腦進(jìn)行低級(jí)到高級(jí)的抽象與不變特征提取，從而實(shí)現(xiàn)對(duì)地物的認(rèn)知，使得遙感變化檢測(cè)煥發(fā)了新的生機(jī)。如文獻(xiàn)[89]提出了一種多空間分辨率變化檢測(cè)框架，該方法采用了基于深層網(wǎng)絡(luò)的無(wú)監(jiān)督特征學(xué)習(xí)和基于映射的特征變化分析。文獻(xiàn)[90]提出了基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)方法，即首先利用深度網(wǎng)絡(luò)進(jìn)行差異圖的構(gòu)建，進(jìn)而對(duì)差異圖分析得到二類(lèi)變化結(jié)果。遙感影像變化檢測(cè)方法在發(fā)現(xiàn)更新信息方面發(fā)揮了重要作用，其提取結(jié)果適合用于精度要求不高的專(zhuān)題空間數(shù)據(jù)庫(kù)的更新，但由于其提取結(jié)果的不規(guī)則、不完整性，不能直接用于精度要求較高的空間數(shù)據(jù)庫(kù)更新。

(3) 從自發(fā)地理信息中檢測(cè)與提取更新信息。文獻(xiàn)[91]提出了關(guān)于自發(fā)地理信息更新的基本理念，即以在線協(xié)作的方式，使用者可以實(shí)現(xiàn)對(duì)空間信息的新建、修改與管理，使得地理信息的獲取方式從“按規(guī)范測(cè)量”開(kāi)始轉(zhuǎn)變?yōu)椤鞍葱枨鬁y(cè)量”。OpenStreetMap、Google Map Maker、維基地圖等都是VGI成功的范例，為地理信息數(shù)據(jù)的創(chuàng)新性應(yīng)用提供了重要的支持。隨后，不少學(xué)者利用VGI獲取更新信息進(jìn)行空間數(shù)據(jù)更新研究，如文獻(xiàn)[92]提出了基于數(shù)據(jù)融合技術(shù)的多源VGI集成框架，目的是更有效更新土地利用數(shù)據(jù)庫(kù)。文獻(xiàn)[93]針對(duì)自發(fā)地理信息的更新信息檢測(cè)與提取、數(shù)據(jù)有效性和多尺度更新等問(wèn)題，系統(tǒng)探索了基于VGI數(shù)據(jù)的空間數(shù)據(jù)變化發(fā)現(xiàn)與更新方法。利用VGI進(jìn)行地理空間數(shù)據(jù)庫(kù)的更新與維護(hù)，需要充分考慮到VGI數(shù)據(jù)的質(zhì)量問(wèn)題。文獻(xiàn)[94]提出了通過(guò)不同來(lái)源比對(duì)，以及社會(huì)評(píng)價(jià)及地理分析的方法對(duì)VGI進(jìn)行評(píng)價(jià)。此外，學(xué)者還提出了基于語(yǔ)言學(xué)的決策分析方法[95]、基于控制數(shù)據(jù)的方法[96]等用于分析VGI的質(zhì)量。

2.3 更新信息傳遞—地圖綜合

地圖綜合是在分析數(shù)據(jù)空間分布模式的基礎(chǔ)上，采用一定的綜合操作(如合并、化簡(jiǎn)、刪除、位移等)在保持主要空間特征的情況下解決基態(tài)(大比例尺)表達(dá)隨尺度變換產(chǎn)生的矛盾(如壓蓋、擁擠等)而生成所需尺度(小比例尺)表達(dá)的過(guò)程。該過(guò)程可以概括為空間分布模式識(shí)別和綜合操作執(zhí)行。更新信息傳遞過(guò)程中，需要先對(duì)更新信息及其周邊對(duì)象進(jìn)行空間結(jié)構(gòu)分析，在此基礎(chǔ)上利用綜合操作將更新信息向目標(biāo)尺度進(jìn)行尺度變換。

(1) 空間分布模式識(shí)別?？臻g分布模式識(shí)別是地圖綜合的前提，主要是針對(duì)點(diǎn)狀或面狀對(duì)象(如居民地)，即采用一定的識(shí)別方法、根據(jù)對(duì)象的空間關(guān)系(如距離、方向、大小)識(shí)別出其所形成的、在視覺(jué)上可識(shí)別和語(yǔ)義上命名的排列或形式(如線性排列、網(wǎng)格排列)[98]。更新信息中的刪除信息會(huì)導(dǎo)致原有空間分布模式發(fā)生改變，而新增信息中如多個(gè)居民地、倉(cāng)房等則會(huì)產(chǎn)生新的空間分布模式。在空間分布模式識(shí)別過(guò)程中，首先需要計(jì)算鄰近對(duì)象的空間關(guān)系。最常用的空間關(guān)系主要包括拓?fù)潢P(guān)系和度量關(guān)系。其中，拓?fù)潢P(guān)系中的鄰近和鄰接關(guān)系研究與應(yīng)用非常廣泛[99-100]，這緣于探測(cè)鄰近關(guān)系或鄰接關(guān)系是一項(xiàng)必需的基礎(chǔ)工作。該工作主要是通過(guò)拓?fù)浞治黾敖⒓s束三角網(wǎng)來(lái)實(shí)現(xiàn)[101]；距離關(guān)系是空間分布結(jié)構(gòu)識(shí)別中最常用的度量關(guān)系，包括最近距離[102]、平均距離[103]和可視距離[104]等。另外，空間對(duì)象的形狀、面積相似關(guān)系也常作為判斷它們能否形成模式的重要指標(biāo)[100]。識(shí)別方法上，目前常用的做法是將識(shí)別對(duì)象及其空間關(guān)系轉(zhuǎn)換為圖的數(shù)據(jù)結(jié)構(gòu)，即識(shí)別對(duì)象為圖的頂點(diǎn)，鄰近關(guān)系為圖的邊，空間關(guān)系大小為圖邊的權(quán)重，然后通過(guò)切割圖的邊進(jìn)行模式識(shí)別與劃分[105]。構(gòu)造的圖可以認(rèn)為是一種潛在模式，判斷其是否需要切割即判斷該潛在模式是否符合特定尺度要求，本質(zhì)上是一個(gè)分類(lèi)問(wèn)題。對(duì)于這類(lèi)問(wèn)題學(xué)者們提出了很多方法，例如采用經(jīng)驗(yàn)標(biāo)準(zhǔn)去評(píng)估模式，這種方法一般針對(duì)某些特定模式，比如直線排列模式[106]。機(jī)器學(xué)習(xí)方法由于其能夠根據(jù)樣本生成多個(gè)決策規(guī)則，可以識(shí)別不同類(lèi)型的空間分布模式，同時(shí)可以避免進(jìn)行大量的人工干預(yù)。文獻(xiàn)[107]采用支持向量機(jī)算法提取建筑物的空間分布模式；隨機(jī)森林分類(lèi)器已被證明適合于處理多個(gè)場(chǎng)景問(wèn)題。文獻(xiàn)[105]采用基于隨機(jī)森林的圖割方法提取了包括直線分布、規(guī)則分布、L型模式和高密度分布等的居民地空間分布模式。

(2) 綜合操作執(zhí)行。在對(duì)更新信息空間分布模式識(shí)別的基礎(chǔ)上，需要根據(jù)待更新尺度的制圖表達(dá)及地圖信息量要求，對(duì)其進(jìn)行刪除、合并、化簡(jiǎn)、位移等制圖綜合操作[108]。刪除操作根據(jù)應(yīng)用尺度可視化要求、重要程度等決定更新對(duì)象的去留，并對(duì)影響對(duì)象進(jìn)行重新綜合，執(zhí)行過(guò)程較為簡(jiǎn)單?；?jiǎn)與直角化屬于合并后的操作，針對(duì)單個(gè)對(duì)象，目前國(guó)內(nèi)外研究得較多且技術(shù)已很成熟[109-110]。合并操作即將構(gòu)成模式的所有對(duì)象融合為一個(gè)對(duì)象，是地圖生成過(guò)程中不可或缺的綜合操作，受到制圖研究者的廣泛關(guān)注[111-112]。在城市環(huán)境中，居民地因其分布復(fù)雜性導(dǎo)致其合并具有較高的挑戰(zhàn)性[113]。目前使用約束三角網(wǎng)作為鏈接對(duì)象合并群組對(duì)象的策略應(yīng)用最為廣泛[114]。約束三角網(wǎng)的構(gòu)造主要采用狄洛尼三角剖分方法，這種方法生成的三角網(wǎng)能夠提供鄰近對(duì)象間顯式的空間關(guān)系，并且能夠用于引導(dǎo)合并過(guò)程[111,115]。在應(yīng)用三角網(wǎng)進(jìn)行合并群組對(duì)象時(shí)，最為關(guān)鍵的是如何決定三角形的去留。這個(gè)過(guò)程涉及的參數(shù)有位置、角度、三角形的高、三邊的平均長(zhǎng)度等[116]。目前，對(duì)于地圖自動(dòng)綜合的相關(guān)研究，有較多學(xué)者作了進(jìn)展綜述[97,117-118]，本文不再作贅述。

2.4 空間沖突檢測(cè)與處理

在地理空間數(shù)據(jù)的更新過(guò)程中，由于尺度的變化，更新信息向目標(biāo)尺度傳遞綜合通常會(huì)導(dǎo)致空間沖突的發(fā)生。這種沖突具體表現(xiàn)為空間對(duì)象的拓?fù)浣Y(jié)構(gòu)沖突、屬性沖突、幾何沖突等[119-121]。例如，對(duì)居民地圖層進(jìn)行更新，更新后發(fā)現(xiàn)新增居民地與其他居民地相交，或者居民地與道路出現(xiàn)相交現(xiàn)象；在管線數(shù)據(jù)更新的時(shí)候，管線沒(méi)有與管點(diǎn)實(shí)現(xiàn)閉合?？臻g沖突的檢測(cè)與處理需要綜合考慮到地物的空間分布特征、多圖層的拓?fù)潢P(guān)系及地物的重要性，是一個(gè)充滿(mǎn)挑戰(zhàn)性的課題，即使如此，不少學(xué)者提出了解決沖突方法。文獻(xiàn)[122]提出了基于拓?fù)滏湹木€-線空間關(guān)系模型建模方法，綜合考慮拓?fù)潢P(guān)系、順序關(guān)系及線段的幾何特征，實(shí)現(xiàn)線-線空間沖突的自動(dòng)檢測(cè)。文獻(xiàn)[123]從提高數(shù)據(jù)更新質(zhì)量和數(shù)據(jù)更新的自動(dòng)化程度等角度出發(fā)，探討了空間數(shù)據(jù)增量更新中空間沖突的自動(dòng)檢測(cè)和處理。文獻(xiàn)[124]為保證目標(biāo)群分布模式形態(tài)，構(gòu)建了在多因素影響下的移位場(chǎng)，實(shí)現(xiàn)了居民地面目標(biāo)組合的移位處理，且不會(huì)產(chǎn)生新的空間沖突。為了優(yōu)化空間沖突處理，研究人員使用了改進(jìn)模擬退火算法[125]、遺傳算法[126]等優(yōu)化算法，自動(dòng)消除制圖綜合產(chǎn)生的圖形沖突。為了提高沖突檢測(cè)效率，文獻(xiàn)[127]提出了將檢測(cè)區(qū)域限定在利用索引格子集表達(dá)的更新居民地對(duì)象的鄰近區(qū)域內(nèi)的檢測(cè)方法。上述研究側(cè)重于研究空間沖突的檢測(cè)與計(jì)算機(jī)自動(dòng)處理的方法，較少?gòu)亩喑叨嚷?lián)動(dòng)更新的角度研究空間沖突在不同尺度之間傳遞的機(jī)制。

3 聯(lián)動(dòng)更新的智能化發(fā)展

空間數(shù)據(jù)聯(lián)動(dòng)更新屬于地圖綜合領(lǐng)域一個(gè)重要研究熱點(diǎn)，伴隨著智能化技術(shù)和自動(dòng)地圖綜合的發(fā)展，聯(lián)動(dòng)更新的智能化水平也在不斷進(jìn)步，特別是各類(lèi)機(jī)器學(xué)習(xí)方法、優(yōu)化算法被廣泛運(yùn)用到空間數(shù)據(jù)聯(lián)動(dòng)更新的各個(gè)階段。

空間數(shù)據(jù)聯(lián)動(dòng)更新，由于其屬于增量更新，首先需要確定發(fā)生變化的信息。在對(duì)新、舊數(shù)據(jù)進(jìn)行對(duì)比，根據(jù)變化指標(biāo)，確定更新信息分類(lèi)的過(guò)程中，需要綜合考慮不同時(shí)間段、不同尺度下要素的幾何特征、語(yǔ)義特征與拓?fù)涮卣?。在不同的更新?chǎng)景中(如建筑密度差異、地圖載負(fù)量差異、路網(wǎng)密度差異等)，判斷參數(shù)的閾值需要進(jìn)行不斷地修改，才能更好地達(dá)到自動(dòng)判斷更新信息的效果。因此，在變化信息識(shí)別與提取階段，不少學(xué)者結(jié)合人工神經(jīng)網(wǎng)絡(luò)進(jìn)行研究。文獻(xiàn)[71]利用神經(jīng)網(wǎng)絡(luò)決策樹(shù)實(shí)現(xiàn)了居民地變化信息的快速發(fā)現(xiàn)。文獻(xiàn)[128]使用了空間句法、人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法進(jìn)行了道路更新信息的提取。隨著深度學(xué)習(xí)技術(shù)的不斷成熟，逐漸有學(xué)者利用深度學(xué)習(xí)模型對(duì)影像進(jìn)行探測(cè)變化發(fā)現(xiàn)更新信息。對(duì)于多尺度要素匹配方面，文獻(xiàn)[24]同樣利用了人工神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)居民地匹配中的指標(biāo)權(quán)重、匹配判定的總相似性閾值和各指標(biāo)相似性閾值進(jìn)行了準(zhǔn)確量化。在更新信息傳遞階段，空間模式識(shí)別引入了多種機(jī)器學(xué)習(xí)方法，包括支持向量機(jī)[107]、隨機(jī)森林[105]、人工神經(jīng)網(wǎng)絡(luò)[28]等。在更新信息綜合插入小比例尺數(shù)據(jù)中，重建小比例尺對(duì)象實(shí)際是對(duì)約束Delaunay三角網(wǎng)進(jìn)行合并，屬于組合優(yōu)化問(wèn)題。在此過(guò)程當(dāng)中，需要根據(jù)制圖綜合的規(guī)則對(duì)三角網(wǎng)進(jìn)行選擇與修改，三角形合并的順序?qū)⒂绊懙剿鶚?gòu)建對(duì)象的最終效果。因此，有學(xué)者提出采用局部搜索算法獲取合并三角形優(yōu)化組合[22]。在空間沖突檢測(cè)與處理階段，引入了各種智能優(yōu)化算法，包括改進(jìn)模擬退火算法[125]、遺傳算法[126]等。

根據(jù)上述分析，無(wú)論是傳統(tǒng)機(jī)器學(xué)習(xí)方法還是深度學(xué)習(xí)模型，以及各類(lèi)優(yōu)化算法僅在聯(lián)動(dòng)更新某個(gè)階段運(yùn)用，目前還未發(fā)現(xiàn)有學(xué)者將其運(yùn)用到聯(lián)動(dòng)更新整個(gè)過(guò)程，而實(shí)現(xiàn)聯(lián)動(dòng)更新的完全自動(dòng)化。這也說(shuō)明了多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新是一個(gè)復(fù)雜過(guò)程，其智能化發(fā)展還有很長(zhǎng)的路要走。多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新難以實(shí)現(xiàn)完全自動(dòng)化，主要緣于生產(chǎn)多尺度空間數(shù)據(jù)的過(guò)程沒(méi)有完全自動(dòng)化，導(dǎo)致生產(chǎn)的數(shù)據(jù)不統(tǒng)一，加大了聯(lián)動(dòng)更新的復(fù)雜性，如需要對(duì)沒(méi)有建立同名實(shí)體關(guān)聯(lián)關(guān)系的數(shù)據(jù)進(jìn)行空間實(shí)體匹配。

4 聯(lián)動(dòng)更新的幾點(diǎn)思考

多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新過(guò)程復(fù)雜，隨著地理空間大數(shù)據(jù)海量涌現(xiàn)和人工智能不斷發(fā)展，多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新研究也出現(xiàn)了諸多熱點(diǎn)議題。由于聯(lián)動(dòng)更新仍屬于地圖綜合范疇，下面結(jié)合地圖綜合智能化發(fā)展探討多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的發(fā)展趨勢(shì)。

4.1 聯(lián)動(dòng)更新主體的變化

當(dāng)前聯(lián)動(dòng)更新主要針對(duì)多尺度空間數(shù)據(jù)(如1∶1萬(wàn)、1∶2萬(wàn)、1∶5萬(wàn)等)，僅是有限尺度數(shù)據(jù)，而用戶(hù)常需要在連續(xù)尺度上對(duì)不同空間數(shù)據(jù)(如矢量、影像數(shù)據(jù))進(jìn)行瀏覽、切換與分析[21]。另外，隨著時(shí)空大數(shù)據(jù)海量出現(xiàn)，為了滿(mǎn)足不同的用戶(hù)需求，時(shí)空數(shù)據(jù)表達(dá)常存在任意尺度[117]。雖然存儲(chǔ)關(guān)鍵尺度數(shù)據(jù)庫(kù)也可以輸出連續(xù)表達(dá)，但是隨著應(yīng)用變化及數(shù)據(jù)庫(kù)的更新，關(guān)鍵尺度數(shù)據(jù)庫(kù)也可能發(fā)生改變。因此，理想的狀態(tài)仍然需要存儲(chǔ)連續(xù)尺度數(shù)據(jù)或連續(xù)尺度數(shù)據(jù)生成知識(shí)。對(duì)連續(xù)尺度空間數(shù)據(jù)進(jìn)行聯(lián)動(dòng)更新，一方面可以提高更新數(shù)據(jù)的精確度，這是由于尺度跨度小，更新尺度參數(shù)可以得到更好的量化，避免尺度參數(shù)選擇困難的問(wèn)題；另一方面，由于進(jìn)行了連續(xù)尺度空間數(shù)據(jù)生成，可以滿(mǎn)足不同使用者的需求，對(duì)其進(jìn)行統(tǒng)一聯(lián)動(dòng)更新，避免了各部門(mén)使用數(shù)據(jù)更新時(shí)間的不統(tǒng)一，提高了空間數(shù)據(jù)的使用效率。目前有關(guān)連續(xù)尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的研究鮮有報(bào)道，這是因?yàn)檫B續(xù)尺度空間數(shù)據(jù)的生成本身就是一個(gè)難題。

4.2 聯(lián)動(dòng)更新的橋梁

在多尺度空間地理數(shù)據(jù)庫(kù)中，構(gòu)建與動(dòng)態(tài)維護(hù)同名實(shí)體關(guān)聯(lián)關(guān)系是保證聯(lián)動(dòng)更新信息能夠傳遞的關(guān)鍵[131]。目前，大多地圖綜合方法僅針對(duì)單一尺度空間數(shù)據(jù)進(jìn)行尺度變換，并沒(méi)有建立原始尺度(大比例尺)數(shù)據(jù)與綜合結(jié)果(小比例尺)同名實(shí)體間的關(guān)聯(lián)關(guān)系，需要在后期進(jìn)行空間實(shí)體匹配建立更新信息的橋梁，導(dǎo)致空間數(shù)據(jù)聯(lián)動(dòng)更新仍停留在試驗(yàn)階段。為了提高聯(lián)動(dòng)更新的智能化水平，首先需要建立多尺度空間數(shù)據(jù)同名實(shí)體穩(wěn)健的關(guān)聯(lián)關(guān)系。有研究認(rèn)為基于自動(dòng)地圖綜合的尺度轉(zhuǎn)換模式是解決空間數(shù)據(jù)多尺度表達(dá)問(wèn)題的最基本方法，也是最終解決途徑[97]。鑒于此，解決多尺度空間數(shù)據(jù)同名實(shí)體關(guān)聯(lián)關(guān)系問(wèn)題可能也需要從其生產(chǎn)方式中突破，也就是在進(jìn)行多尺度空間數(shù)據(jù)生產(chǎn)過(guò)程中建立起同名實(shí)體間的關(guān)聯(lián)關(guān)系。理論上，通過(guò)地圖綜合方法獲得的關(guān)聯(lián)關(guān)系比上述匹配方法建立的關(guān)系更加精確和穩(wěn)健。然而，在地圖綜合未能完全智能化的情況下，通過(guò)其構(gòu)建同名實(shí)體關(guān)聯(lián)關(guān)系也將存在不少難題，如地圖綜合中的空間模式識(shí)別精度將直接影響關(guān)聯(lián)關(guān)系的精度。

4.3 大數(shù)據(jù)時(shí)代的聯(lián)動(dòng)更新

隨著大數(shù)據(jù)時(shí)代的到來(lái)，越來(lái)越智能化的工作和生活對(duì)空間數(shù)據(jù)要求進(jìn)一步提高，一是空間數(shù)據(jù)日異月更，用戶(hù)更需要現(xiàn)勢(shì)性高的空間數(shù)據(jù)；二是需要空間數(shù)據(jù)具備更豐富的語(yǔ)義信息。然而，現(xiàn)有的多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新研究主要面向矢量數(shù)據(jù)，基于矢量數(shù)據(jù)的幾何特征進(jìn)行更新信息的發(fā)現(xiàn)、傳遞[22]。然而，日常使用的空間數(shù)據(jù)大多需要提供語(yǔ)義信息，缺乏語(yǔ)義信息的空間數(shù)據(jù)將極大降低其實(shí)用性。隨著地理空間大數(shù)據(jù)的海量涌現(xiàn)，不斷有學(xué)者嘗試使用多源空間數(shù)據(jù)對(duì)建筑物的功能(如辦公、居住、商業(yè)和娛樂(lè)等)進(jìn)行識(shí)別，以滿(mǎn)足土地利用與規(guī)劃管理的需求[132-134]。地圖綜合研究中，已有學(xué)者通過(guò)挖掘多源空間數(shù)據(jù)在建筑物上的語(yǔ)義信息，進(jìn)行建筑物群組模式識(shí)別[135-136]。多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新可借鑒上述研究，先挖掘多源空間數(shù)據(jù)在空間數(shù)據(jù)(如建筑物)上體現(xiàn)的語(yǔ)義信息，為更新信息傳遞過(guò)程中的綜合提供約束條件，在提高信息傳遞準(zhǔn)確性的同時(shí)，為空間數(shù)據(jù)提供更加豐富的語(yǔ)義信息，提高空間數(shù)據(jù)的實(shí)用性。

5 結(jié)束語(yǔ)

隨著城市化進(jìn)程的不斷加快及人工智能技術(shù)的發(fā)展，多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新在策略、算法設(shè)計(jì)等方面都有了深入的探索。多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的最終目的，是實(shí)現(xiàn)完全的自動(dòng)更新。然而，由于多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新過(guò)程復(fù)雜，人工智能仍處于感知智能發(fā)展階段，導(dǎo)致聯(lián)動(dòng)更新的智能化水平還處于更新策略演變及其過(guò)程各階段的實(shí)驗(yàn)探索研究中[137]。例如，在更新策略上由工作量比較大的圖幅更新發(fā)展到了只對(duì)變化要素更新的聯(lián)動(dòng)增量更新，雖然節(jié)約數(shù)據(jù)的存儲(chǔ)空間，但是前提條件是需要建立穩(wěn)健的同名實(shí)體關(guān)聯(lián)關(guān)系，提高了聯(lián)動(dòng)更新的復(fù)雜性；雖然目前對(duì)于空間實(shí)體匹配研究較多，但仍無(wú)法實(shí)現(xiàn)百分百的匹配正確率，從而影響更新信息的傳遞效果。目前，深度學(xué)習(xí)對(duì)于變化檢測(cè)而言取得較為不錯(cuò)的成果，但仍需要大規(guī)模人工標(biāo)注的高質(zhì)量樣本數(shù)據(jù)，而且缺乏高級(jí)認(rèn)知能力，如推理、泛化能力等。

隨著大數(shù)據(jù)時(shí)代的到來(lái)，多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新的整個(gè)過(guò)程完全自動(dòng)化、無(wú)須人工干預(yù)仍然面臨著巨大挑戰(zhàn)?；谧詣?dòng)地圖綜合的尺度轉(zhuǎn)換模式是解決空間數(shù)據(jù)多尺度表達(dá)問(wèn)題的最基本方法，也是最終解決途徑。鑒于此，解決多尺度空間數(shù)據(jù)聯(lián)動(dòng)更新問(wèn)題或許可以從其生產(chǎn)方式中突破，包括連續(xù)尺度空間數(shù)據(jù)的生成、穩(wěn)健關(guān)聯(lián)關(guān)系的建立等。此外，聯(lián)動(dòng)更新中的更新信息從大比例尺向小比例尺傳遞的影響機(jī)制、作用機(jī)理、質(zhì)量評(píng)價(jià)方法以及在不同更新場(chǎng)景下誤差的分布特征等都有待于進(jìn)一步研究與完善。