張大騫，劉善磊，楊 錦

（1.江蘇省基礎(chǔ)地理信息中心，江蘇 南京 210013）

網(wǎng)絡(luò)電子地圖中含有大量有價值的POI信息，這些POI數(shù)據(jù)對于人們的日常生活與工作具有重大參考意義。將現(xiàn)勢性較強的POI數(shù)據(jù)作為基礎(chǔ)地理信息更新參考數(shù)據(jù)，可在一定程度上減少人工核實工作量，簡化部分基礎(chǔ)地理信息要素更新的作業(yè)流程[1-4]。針對高德數(shù)據(jù)與地理國情監(jiān)測數(shù)據(jù)兩類異源矢量空間數(shù)據(jù)，本文在對數(shù)據(jù)進行預(yù)處理和質(zhì)量檢查的基礎(chǔ)上，研究了一種基于多特征組合的點實體匹配技術(shù)，實現(xiàn)部分城市點狀要素數(shù)據(jù)的融合更新。

1 方法

為實現(xiàn)與地理國情監(jiān)測中點狀要素數(shù)據(jù)的融合更新，需將POI數(shù)據(jù)通過相關(guān)技術(shù)從互聯(lián)網(wǎng)爬取。本文基于FME搭建模板實現(xiàn)高德POI數(shù)據(jù)的爬取，針對獲取的POI數(shù)據(jù)，經(jīng)數(shù)據(jù)預(yù)處理后進行實體匹配操作，最后對匹配結(jié)果進行驗證與分析評價，具體技術(shù)流程見圖1。

圖1 技術(shù)流程圖

2 POI數(shù)據(jù)獲取與預(yù)處理

2.1 數(shù)據(jù)獲取

利用FME研究基于API接口，解析JSON數(shù)據(jù)，分割提取數(shù)據(jù)的屬性和位置信息，轉(zhuǎn)換成空間數(shù)據(jù)。利用該技術(shù)可以零代碼快速爬取互聯(lián)網(wǎng)POI數(shù)據(jù)，具體的實現(xiàn)方法如下[5]：①前期準備。準備目標范圍矢量文件、獲取網(wǎng)站的密鑰、API密鑰列表文件等。②提取格網(wǎng)。由于單次僅可爬取400條記錄，需要對過大區(qū)域進行格網(wǎng)分割，用分割后的區(qū)域范圍循環(huán)發(fā)起爬取請求。讀取目標范圍矢量文件，構(gòu)建合適大小格網(wǎng)，提取與目標范圍相交的格網(wǎng)。③構(gòu)建搜索范圍參數(shù)。逐一將格網(wǎng)圖形轉(zhuǎn)換為JSON數(shù)據(jù)，提取JSON中格網(wǎng)圖形的左下角與右上角經(jīng)緯度坐標，按照API中boundary參數(shù)要求拼接參數(shù)。④構(gòu)建隨機API key參數(shù)。讀取存儲API key的文件，給格網(wǎng)數(shù)據(jù)增加APIkey數(shù)據(jù)列，平均分配賦值。⑤獲取數(shù)據(jù)并解析。構(gòu)建HTTP請求獲取數(shù)據(jù)，提取有用數(shù)據(jù)部分，解析數(shù)據(jù)。⑥創(chuàng)建地理要素與輸出。構(gòu)建圖形，將圖形和屬性寫入矢量文件。

2.2 坐標糾偏

針對爬取獲得的POI數(shù)據(jù)，需進行坐標糾偏，本文采取了一種網(wǎng)格逼近方法[6]，通過FME的Python-Caller編寫坐標糾偏算法，將高德的GCJ－02糾偏為CGCS2000經(jīng)緯度數(shù)據(jù)。

2.3 數(shù)據(jù)清洗

數(shù)據(jù)清洗主要包括對數(shù)據(jù)的完整性、唯一性、合法性等進行檢查與處理。通過多種轉(zhuǎn)換器組合一次性實現(xiàn)數(shù)據(jù)的多方面檢查與處理。

數(shù)據(jù)完整性的檢查與處理：利用AttributeCreator、AttributeManager等轉(zhuǎn)換器進行屬性創(chuàng)建與設(shè)置；利用AttributeValidator轉(zhuǎn)換器進行屬性驗證；利用AttributeSplitter轉(zhuǎn)換器進行屬性分離；利用AttributeRemover、BulkAttributeRemover等轉(zhuǎn)換器實現(xiàn)屬性刪除；利用AttributeRenamer、BulkAttributeRenamer等轉(zhuǎn)換器實現(xiàn)屬性重命名；利用FeatureMerger、FeatureReader、NeighborFinder等轉(zhuǎn)化器實現(xiàn)屬性的掛接補充。

數(shù)據(jù)唯一性與合法性的檢查與處理：Tester轉(zhuǎn)換器可以實現(xiàn)單一條件過濾；TestFilter轉(zhuǎn)換器可以實現(xiàn)多個條件過濾；AttributeFilter轉(zhuǎn)換器可以實現(xiàn)屬性過濾；GeometryFilter轉(zhuǎn)換器可以實現(xiàn)幾何過濾；Geometry Validator轉(zhuǎn)換器可以實現(xiàn)幾何驗證；SpatialRelactor、SpatialFilter等轉(zhuǎn)換器可以實現(xiàn)空間關(guān)系判斷等。

3 基于多特征組合的點實體匹配

本文綜合利用實體的位置、屬性（語義）及環(huán)境特征，提出了基于距離、屬性（語義）與環(huán)境等多個相似特征組合的匹配方法來解決點實體匹配問題[7-15]。

當匹配數(shù)據(jù)集覆蓋程度很弱時，距離參數(shù)無法作為匹配依據(jù)，此時基于要素屬性進行點實體匹配，但不同點實體可能具有相似屬性，難以保證匹配的查準率。

數(shù)據(jù)整體呈現(xiàn)為強覆蓋，數(shù)據(jù)密集的局部區(qū)域（單位面積內(nèi)實體數(shù)目較多）出現(xiàn)弱覆蓋現(xiàn)象（因為誤差大于該區(qū)域的點之間的平均距離），或由于點實體的重復(fù)數(shù)字化（兩次采集的點位可能不一樣）、點實體自重疊等（但只有一個實體含有屬性）錯誤，導(dǎo)致相互接近的兩個點實體不一定是同名實體。對于這些情況下的點實體匹配問題，本文綜合考慮點實體的距離、屬性及環(huán)境等多個相似特征來解決匹配問題（前提是至少存在部分屬性項匹配），有效地提高了匹配的查全率和查準率。

采用基于距離、屬性與環(huán)境等多個相似特征的點實體匹配方法對點實體數(shù)據(jù)集進行實驗，基本過程是：先用統(tǒng)計的方法計算出匹配的距離閾值，然后針對其中一個點數(shù)據(jù)集中的每個實體，利用其緩沖區(qū)在另一個點數(shù)據(jù)集中搜索在緩沖區(qū)內(nèi)的候選匹配實體（緩沖區(qū)半徑為距離閾值）；若只搜索到一個實體，則將其視為當前實體的匹配實體，如果存在多個候選匹配實體，則根據(jù)式（1）計算相似度，將相似度值最大的候選匹配實體視為當前實體的最佳匹配實體。

式中，d為候選匹配實體與當前實體之間的距離；r為搜索目標實體緩沖區(qū)半徑；MSa，b為源實體a與目標實體b的屬性相似度；pEa，b為源實體a與目標實體b的環(huán)境相似度；A、β、γ為權(quán)重，可根據(jù)具體情況設(shè)定，但必須滿足A+β+γ=1。

本文選擇樣本數(shù)據(jù)遵循了以下2個原則：①盡可能選擇點分布均勻的區(qū)域范圍；②選擇范圍內(nèi)的源數(shù)據(jù)與目標數(shù)據(jù)具有較大的重疊度，即源數(shù)據(jù)中的實體幾乎都能在目標數(shù)據(jù)中找到同名實體。

1）為保證點實體質(zhì)量，利用DuplicateFilter轉(zhuǎn)換器去除重名的點實體，同時利用Tester轉(zhuǎn)換器去除不符合命名規(guī)則要求的點實體。

2）針對其中一個點數(shù)據(jù)集，利用Bufferer轉(zhuǎn)換器建立緩沖區(qū)，利用PointOnAreaOverlayer轉(zhuǎn)換器在另一個點數(shù)據(jù)集緩沖區(qū)內(nèi)搜索候選匹配實體。

3）通過Tester轉(zhuǎn)換器將初始匹配結(jié)果分離出，接著通過PythonCaller編寫代碼計算它們的屬性相似度，將相似度值最大的候選匹配要素視為當前點實體的最佳匹配要素。

4）輸出點實體的最終匹配結(jié)果，根據(jù)匹配類型，設(shè)計了“完全匹配”、“屬性不匹配”（空間同一而屬性不匹配）、“高德有”和“國情有”字段，“完全匹配”、“屬性不匹配”通過PythonCaller輸出，“高德有”和“國情有”則通過AttributeCreator輸出。

3.1 數(shù)據(jù)驗證

本文通過內(nèi)外業(yè)結(jié)合的核查方式來驗證各類高德數(shù)據(jù)對國情數(shù)據(jù)更新的補充作用，主要是針對匹配結(jié)果中帶“屬性不匹配”、“高德有”字段的不確定要素的核查，采用先內(nèi)后外的順序進行數(shù)據(jù)的驗證。

街景地圖作為一種全新的地圖服務(wù)方式，目前已經(jīng)廣泛嵌入到各大地圖網(wǎng)站，除了360°高分辨率、高質(zhì)量的實景照片能夠給用戶帶來身臨其境的場景體驗之外，作為一種全新的測繪成果，全景地圖，能夠以所見即所得的方式應(yīng)用于地理空間數(shù)據(jù)采集與更新。本文主要借助智慧江蘇時空云平臺矢量數(shù)據(jù)、百度地圖的街景成果[16]對不確定要素進行內(nèi)業(yè)核查。

在內(nèi)業(yè)核查驗證基礎(chǔ)上開展外業(yè)核查驗證工作，進行實地資料收集與整理。主要基于清華山維Eps、清華山維EpsField等內(nèi)外業(yè)一體化平臺核查數(shù)據(jù)的位置與名稱。內(nèi)外業(yè)一體化進行地理信息更新一般包含3個步驟：數(shù)據(jù)準備、外業(yè)調(diào)繪以及數(shù)據(jù)處理和整理，主要內(nèi)容如下[17]：

1）數(shù)據(jù)準備主要包括正射影像和地圖切片的制作，矢量數(shù)據(jù)主要包括專題要素提取和格式轉(zhuǎn)換。

2）在文件加密的基礎(chǔ)上，將柵格數(shù)據(jù)和矢量數(shù)據(jù)導(dǎo)入與內(nèi)外業(yè)平臺相同的調(diào)繪軟件，進行外業(yè)調(diào)繪。

3）將外業(yè)調(diào)繪得到的軌跡數(shù)據(jù)、草繪數(shù)據(jù)、矢量數(shù)據(jù)和拍照攝像等數(shù)據(jù)進行處理，最終形成成果數(shù)據(jù)。

3.2 實驗分析

以溧陽市為實驗樣區(qū)，基于地理國情的行政區(qū)劃和監(jiān)測數(shù)據(jù)，獲取高德POI數(shù)據(jù)和國情監(jiān)測數(shù)據(jù)。提取出溧陽城區(qū)學(xué)校、居民小區(qū)、醫(yī)院、村居委會四類城市要素的高德POI數(shù)據(jù)及國情數(shù)據(jù)（圖2），利用多特征組合的點實體匹配技術(shù)進行融合匹配，最后進行內(nèi)外業(yè)驗證，分析結(jié)果如表1所示。

圖2 實驗數(shù)據(jù)樣例

表1 點狀要素數(shù)據(jù)融合分析

分析表1可知，網(wǎng)絡(luò)獲取的POI數(shù)據(jù)對于地理國情監(jiān)測中典型城市點狀要素更新有一定的參考意義，如學(xué)校和小區(qū)數(shù)據(jù)具有較高的利用價值。但由于商業(yè)網(wǎng)絡(luò)電子地圖數(shù)據(jù)更多的是為位置導(dǎo)航做數(shù)據(jù)支撐，所提供的數(shù)據(jù)內(nèi)容與測繪地理信息部門采集的數(shù)據(jù)可能存在較大差異（如村居委會數(shù)據(jù)利用價值較低）。因此，應(yīng)綜合考慮數(shù)據(jù)實用價值，有效篩選對目標任務(wù)有價值的匹配數(shù)據(jù)。

4 結(jié)語

本文面向部分典型居民地要素，提出了一種基于網(wǎng)絡(luò)爬取與多特征點實體匹配的點狀要素更新方法，借助FME模板可以快速實現(xiàn)本文設(shè)計的技術(shù)流程，免去了大量代碼的編寫和調(diào)試工作，節(jié)省了時間和人力成本。通過FME模板實現(xiàn)網(wǎng)絡(luò)地圖POI數(shù)據(jù)與地理國情相關(guān)要素的融合，在一定程度上減少了內(nèi)外業(yè)工作量。后期將結(jié)合自然資源調(diào)查監(jiān)測工作中城市要素監(jiān)測需求，進一步提升多源實體匹配融合更新技術(shù)研究深度。