矢量點狀數(shù)據(jù)抽稀方法的研究與實現(xiàn)

薄成

(沈陽市勘察測繪研究院有限公司，遼寧 沈陽 110000)

1 引 言

隨著電子地圖的廣泛應(yīng)用，基礎(chǔ)電子地圖與城市各部門專題數(shù)據(jù)的結(jié)合變得越來越深入，通常為了瀏覽方便，將基礎(chǔ)底圖數(shù)據(jù)疊加部門專題數(shù)據(jù)發(fā)布成地圖切片服務(wù)，以其作為各部門地理信息系統(tǒng)的基礎(chǔ)底圖服務(wù)。城市部件數(shù)據(jù)的點位準(zhǔn)確度以及優(yōu)化顯示成為電子地圖美觀實用的關(guān)鍵因素，電子地圖的多尺度特點決定了不同比例尺下顯示城市部件數(shù)據(jù)量是有區(qū)別的，研究如何有效抽稀城市部件數(shù)據(jù)以滿足電子地圖的需求已成為地圖展示的重要內(nèi)容[1]。近幾年，國內(nèi)外學(xué)者針對點狀數(shù)據(jù)抽稀方法展開了一系列研究，提出了Maplex智能標(biāo)注、點距離(點緩沖距離)方法、規(guī)則格網(wǎng)法以及隨機序列法，因隨機序列法應(yīng)用范圍局限以及理論依據(jù)不充分[2～5]，這里不做討論。本文針對上述其他方法進行深入研究并分析其優(yōu)缺點，針對普遍無法保留數(shù)據(jù)源密度特征的這一缺點，本文提出了一種基于規(guī)則格網(wǎng)法改進的自適應(yīng)格網(wǎng)法，該方法不僅滿足點狀數(shù)據(jù)抽稀的要求，同時很好地保留了數(shù)據(jù)源的密度特征。

2 矢量點數(shù)據(jù)抽稀方法

2.1 Maplex智能標(biāo)注引擎

基于ArcGIS的Maplex高級智能標(biāo)注拓展模塊能夠有效地創(chuàng)建高質(zhì)量的動態(tài)標(biāo)記，優(yōu)化地圖標(biāo)記的數(shù)量和質(zhì)量[2]，其能夠精確地減小注記間的沖突，Maplex對矢量點數(shù)據(jù)抽稀的原理是自動解決標(biāo)注沖突[3]。為了滿足Maplex的要求，需要將點符號制作成點標(biāo)注，利用牽引線動態(tài)標(biāo)注在每個點上。Maplex的優(yōu)點是自動化程度高，缺點是數(shù)據(jù)量過大的情況下，動態(tài)標(biāo)注刷新速度過慢，無法保留數(shù)據(jù)源密度特征，并且符號位置與數(shù)據(jù)真實位置有偏差。

2.2 點距離抽稀法

基于點距離的抽稀算法原理是嚴(yán)格控制兩點距離不小于距離閾值，在不同比例尺條件下按一定的比例因子對數(shù)據(jù)進行抽稀。在數(shù)據(jù)抽稀處理過程中，需要對每個點進行緩沖范圍的計算，在緩沖區(qū)范圍內(nèi)的點刪除，超出緩沖區(qū)范圍的點則保留。點距離抽稀的理論簡單，易實現(xiàn)，缺點是抽稀后的數(shù)據(jù)失去了數(shù)據(jù)源的密度特征，呈現(xiàn)均勻分布的狀態(tài)。

2.3 規(guī)則格網(wǎng)法

規(guī)則格網(wǎng)法的原理是在相同比例尺下，將數(shù)據(jù)范圍劃分為大小相同的規(guī)則格網(wǎng)，在格網(wǎng)單元中，如果有一個及一個以上的點，則保留距離格網(wǎng)中心最近的點，其他點全部刪除[4]。規(guī)則格網(wǎng)法雖然能夠?qū)?shù)據(jù)起到抽稀作用，但其弊端與點距離抽稀法相同，就是無法保留數(shù)據(jù)源的密度特征。

本文采用以規(guī)則格網(wǎng)為基礎(chǔ)進行改進的自適應(yīng)格網(wǎng)法，其原理是首先根據(jù)數(shù)據(jù)范圍生成規(guī)則格網(wǎng)，然后根據(jù)數(shù)據(jù)的密度特征對局部格網(wǎng)單元進行加密處理，生成規(guī)格大小不一的格網(wǎng)單元覆蓋數(shù)據(jù)范圍，并對加密后未包含數(shù)據(jù)的格網(wǎng)單元刪除，再根據(jù)自適應(yīng)格網(wǎng)對數(shù)據(jù)進行抽稀。利用自適應(yīng)格網(wǎng)對數(shù)據(jù)抽稀不僅保證了數(shù)據(jù)抽稀的有效性，提高了數(shù)據(jù)抽稀效率，并且解決了無法保留數(shù)據(jù)密度特征的問題。

3 數(shù)據(jù)抽稀實現(xiàn)原理

3.1 數(shù)據(jù)抽稀質(zhì)量標(biāo)準(zhǔn)

數(shù)據(jù)抽稀完成后，應(yīng)遵循以下幾點要求[5]：數(shù)據(jù)在抽稀過程中不能刪除原始數(shù)據(jù)或者破壞原始數(shù)據(jù)結(jié)構(gòu)；遵守數(shù)據(jù)繼承原則，地圖級別低則顯示的要素數(shù)量越少，地圖級別高則顯示的要素數(shù)量越多，高地圖級別要繼承低地圖級別顯示的要素；從視覺效果上看，任意比例尺級別下顯示的要素不能出現(xiàn)相互壓蓋、重疊等現(xiàn)象；在一定程度上保證制圖效果的視覺平衡，盡量避免某一區(qū)域出現(xiàn)數(shù)據(jù)空白的現(xiàn)象。

3.2 自適應(yīng)格網(wǎng)生成

規(guī)則格網(wǎng)模型采用長寬規(guī)格相等的矩形格網(wǎng)剖分?jǐn)?shù)據(jù)范圍的方式進行構(gòu)建，不能根據(jù)數(shù)據(jù)的密度特征自動調(diào)整格網(wǎng)單元大小[6]，因此本文采用基于四叉樹算法改進的自適應(yīng)格網(wǎng)模型[7]。首先將數(shù)據(jù)范圍分割為長寬規(guī)格相等的格網(wǎng)單元，格網(wǎng)區(qū)域要能夠完全覆蓋數(shù)據(jù)范圍，并且適當(dāng)大于數(shù)據(jù)范圍，基于局部自適應(yīng)策略，根據(jù)格網(wǎng)單元的點數(shù)量閾值，對格網(wǎng)單元進行加密操作[8]。格網(wǎng)單元的點數(shù)量閾值T要能夠反映所有格網(wǎng)單元包含點數(shù)量的平均水平，所以本文T是按照所有格網(wǎng)單元包含點數(shù)量的平均值進行設(shè)定，公式如(1)所示。

T=S/N

(1)

式中，S表示點數(shù)量的總和，N表示規(guī)則格網(wǎng)數(shù)量的總和。自適應(yīng)規(guī)則格網(wǎng)生成步驟如下：

(1)對數(shù)據(jù)范圍進行R*C(R和C均為正整數(shù))的格網(wǎng)劃分，格網(wǎng)要能夠完全覆蓋并適當(dāng)大于數(shù)據(jù)范圍。

(2)根據(jù)T計算公式，計算格網(wǎng)單元閾值，并依照閾值T對局部格網(wǎng)單元進行自適應(yīng)格網(wǎng)加密。如果格網(wǎng)單元包含的點數(shù)量不大于閾值T，則不需要加密；如果格網(wǎng)單元包含的點數(shù)量大于閾值T，則對格網(wǎng)進行2×2分割，如果分割后格網(wǎng)單元包含的點數(shù)量依然大于閾值T，則繼續(xù)對其分割，直至滿足閾值要求為止。

(3)判斷格網(wǎng)單元中是否存在“空白格網(wǎng)”(未包含數(shù)據(jù)的格網(wǎng)單元)，若存在，則刪除。

雖然數(shù)據(jù)抽稀涉及的地圖級別較多，但不是每一級別都需要按照上述方法建立自適應(yīng)格網(wǎng)，本文數(shù)據(jù)抽稀的初始地圖級別的自適應(yīng)格網(wǎng)按照上述方法建立，其他地圖級別的自適應(yīng)格網(wǎng)可根據(jù)其上一級進行建立，為了操作方便，對上一級的格網(wǎng)單元進行2×2分割組成本級格網(wǎng)，按照此方法，對所有需要進行數(shù)據(jù)抽稀的地圖級別建立自適應(yīng)格網(wǎng)。自適應(yīng)格網(wǎng)建立過程如圖1所示：

圖1 自適應(yīng)格網(wǎng)建立過程示意圖

3.3 點數(shù)據(jù)抽稀

點數(shù)據(jù)抽稀的實質(zhì)就是點數(shù)據(jù)的重新選取，在當(dāng)前地圖級別下，選取不同類別中能夠呈現(xiàn)數(shù)據(jù)密度特征并且符號化后互不壓蓋的點群數(shù)據(jù)，同時為了保證電子地圖要素顯示的連續(xù)性，對下一級別的要素選取做出區(qū)域限定。介于實際需求，電子地圖的顯示級別是從9級～20級，17級～20級能夠很好顯示所有的城市部件點狀數(shù)據(jù)，這四個地圖級別下的數(shù)據(jù)不需要進行抽稀，所以本文數(shù)據(jù)抽稀的初始地圖級別為9級，終止地圖級別為16級。

根據(jù)初始地圖級別的自適應(yīng)格網(wǎng)對數(shù)據(jù)進行首次抽稀，首次抽稀的數(shù)據(jù)量較小，主要選取距離格網(wǎng)單元中心最近的點。由于城市部件所采用的是不依比例尺符號，并且符號大小是統(tǒng)一的，為了防止由于處在不同格網(wǎng)單元的兩點間距過近而導(dǎo)致符號壓蓋問題，首先對格網(wǎng)單元中的點進行篩選，以格網(wǎng)單元中心為原點、格網(wǎng)單元邊長的二分之一作為半徑，對格網(wǎng)單元內(nèi)的點進行初次篩選，然后從篩選得到的點集中選取距離格網(wǎng)單元中心最近的點。

初始地圖級別的數(shù)據(jù)抽稀完成后，每個格網(wǎng)單元內(nèi)必定存在一個距離格網(wǎng)單元中心最新的點數(shù)據(jù)，下一地圖級別的數(shù)據(jù)抽稀中將此點數(shù)據(jù)直接保留，若與其他3個格網(wǎng)單元篩選的點出現(xiàn)壓蓋或者重疊的情況，則重新篩選。例如，初始地圖級別中ID為1的格網(wǎng)單元保留點為給水井蓋，那么下一地圖級別中，包含在此格網(wǎng)單元的4個格網(wǎng)單元中，必定有一個會保留這個給水井蓋點，但如果發(fā)現(xiàn)保留點與其他3個格網(wǎng)單元篩選點發(fā)生壓蓋沖突的話，則重新選取其他3個格網(wǎng)單元的篩選點。按照此方法，完成下一地圖級別的數(shù)據(jù)抽稀，直至終止地圖級別。數(shù)據(jù)抽稀過程如圖2所示：

4 程序?qū)崿F(xiàn)

4.1 程序開發(fā)

本文以Visual Studio 2010和ArcGIS Engine 10.1作為開發(fā)平臺，以C#為開發(fā)語言，采用地圖控件應(yīng)用程序作為基本框架，利用ArcGIS Engine for .NET API開發(fā)了實現(xiàn)城市部件點狀矢量數(shù)據(jù)自動抽稀的應(yīng)用程序。程序主體分為兩大模塊，分別是建立自適應(yīng)格網(wǎng)和數(shù)據(jù)自動抽稀。建立初始地圖級別規(guī)則格網(wǎng)要根據(jù)數(shù)據(jù)范圍的大小來確定，本文示例數(shù)據(jù)范圍是沈陽市四環(huán)內(nèi)，介于對數(shù)據(jù)抽稀效果的考慮，設(shè)定規(guī)則格網(wǎng)間距大小為 4 892 m，規(guī)則格網(wǎng)建立完畢后，計算格網(wǎng)單元的點數(shù)量閾值T，并對局部格網(wǎng)單元進行加密處理，建立初始地圖級別的自適應(yīng)格網(wǎng)完畢后，建立下一地圖級別的格網(wǎng)。

所有地圖級別自適應(yīng)格網(wǎng)建立完畢后，針對不同地圖級別進行數(shù)據(jù)抽稀。為了操作方便，對數(shù)據(jù)添加“Weight”字段，字段值是當(dāng)前記錄所顯示地圖級別，由于每個點記錄顯示的地圖級別不唯一，所以字段值可采用“/”對多值進行區(qū)分。首先對初始地圖級別的數(shù)據(jù)進行抽稀，保留下來的數(shù)據(jù)記錄“Weight”字段賦值，針對一下級別進行數(shù)據(jù)抽稀，遍歷上一級別所有格網(wǎng)單元，并找到每個格網(wǎng)單元所包含的本級別4個格網(wǎng)單元，首先找到保留點所在的格網(wǎng)單元，此格網(wǎng)單元不參與本級別的數(shù)據(jù)抽稀，用距離最小原則篩選其他3個格網(wǎng)的點數(shù)據(jù)，若保留點與某個篩選點存在壓蓋或重疊情況，則重新篩選，篩選完畢后，統(tǒng)一對數(shù)據(jù)記錄“Weight”字段中追加賦值，直至本級別所有格網(wǎng)處理完畢。同法處理余下所有地圖級別。

4.2 結(jié)果對比

打開程序自適應(yīng)格網(wǎng)建立模塊，加載沈陽市城市部件矢量數(shù)據(jù)，選擇數(shù)據(jù)抽稀的地圖級別范圍，點擊“開始生成”，初始地圖級別的規(guī)則格網(wǎng)與自適應(yīng)格網(wǎng)對比如圖3、圖4所示：

圖3 規(guī)則格網(wǎng)圖

圖4 自適應(yīng)格網(wǎng)圖

從圖3、圖4可看出，規(guī)則格網(wǎng)存在大量的“空白格網(wǎng)”，如果按照四叉樹算法進行分割的話，地圖級別越高則“空白格網(wǎng)”越多，會嚴(yán)重影響數(shù)據(jù)抽稀的運行效率。反觀自適應(yīng)格網(wǎng)，所有格網(wǎng)均非“空白格網(wǎng)”，并且格網(wǎng)單元是根據(jù)數(shù)據(jù)密度自適應(yīng)建立的，數(shù)據(jù)密度高的區(qū)域格網(wǎng)單元較小，數(shù)據(jù)密度低的區(qū)域格網(wǎng)單元較大，這樣做的好處是能夠提高格網(wǎng)分布的合理性，良好反映原始數(shù)據(jù)的密度特征，極大提升數(shù)據(jù)抽稀的運行效率。

針對本文提到的四種點狀數(shù)據(jù)抽稀方法分別進行了實驗，選取每種方法在初始地圖級別下的抽稀結(jié)果，結(jié)果對比如圖5～圖8所示：

圖5 Maplex智能標(biāo)注數(shù)據(jù)抽稀效果圖

圖6 點距離法數(shù)據(jù)抽稀效果圖

圖7 規(guī)則格網(wǎng)法數(shù)據(jù)抽稀效果圖

圖8 自適應(yīng)格網(wǎng)法數(shù)據(jù)抽稀效果圖

在實驗過程中，本文記錄了4種抽稀方法各自的技術(shù)指標(biāo)，作為評價自適應(yīng)格網(wǎng)法的依據(jù)，如表1所示。

實驗結(jié)果對比表 表1

由上表看出，Maplex智能標(biāo)注并沒有真正實現(xiàn)數(shù)據(jù)抽稀，所以其平均分級顯示時間非常長，并且其空間位置準(zhǔn)確度與密度特征都較差；點距離抽稀法與規(guī)則格網(wǎng)法在數(shù)據(jù)抽稀效率與顯示要素總數(shù)目上相差不大，相比而言點距離抽稀表現(xiàn)略好，但是兩者在密度特征的表現(xiàn)上一般；自適應(yīng)格網(wǎng)法重點抽稀數(shù)據(jù)密度大的區(qū)域，合理保證數(shù)據(jù)抽稀的資源分配，極大提高了數(shù)據(jù)抽稀效率，在符合用戶對分級顯示時間的要求下盡可能保留了要素，抽稀后的數(shù)據(jù)在空間位置準(zhǔn)確度與密度特征表現(xiàn)上明顯優(yōu)于其他方法。

5 結(jié) 語

目前，基礎(chǔ)電子地圖深入應(yīng)用到各行各業(yè)，城市部門的專題矢量數(shù)據(jù)嵌入到基礎(chǔ)電子地圖的需求也隨著應(yīng)用的深入不斷增強，如果能夠有效地解決矢量數(shù)據(jù)抽稀的問題，做到周期短、投入相對較少，自動化程度高，能在一定程度上節(jié)約成本，并有效地提高生產(chǎn)效率，城市部門的專題矢量數(shù)據(jù)嵌入到基礎(chǔ)電子地圖的需求就能夠有效地解決。本文基于格網(wǎng)構(gòu)建與點狀矢量數(shù)據(jù)抽稀方法的研究，實現(xiàn)了自適應(yīng)格網(wǎng)抽稀方法，并以Visual Studio 2010和ArcGIS Engine 10.1作為開發(fā)平臺，以C#為開發(fā)語言，實現(xiàn)了城市部件點狀數(shù)據(jù)的自動抽稀，并以沈陽市城市部件點狀數(shù)據(jù)為例，對數(shù)據(jù)從9級～16級進行了抽稀，并對抽稀后數(shù)據(jù)的密度特征進行了檢查。結(jié)果證明，采用自適應(yīng)格網(wǎng)抽稀方法抽稀后的點狀數(shù)據(jù)，不僅能夠保持?jǐn)?shù)據(jù)的密度特征，還很好地滿足數(shù)據(jù)抽稀的應(yīng)用需求，大大地節(jié)省了工作時間，提高工作效率。通過本文可以看出，自適應(yīng)格網(wǎng)法非常適合用于矢量點狀數(shù)據(jù)的抽稀，原理清晰，開發(fā)難度較小，用戶體驗良好。