天地圖·福建平臺道路數據融合中的空間目標匹配技術

許業輝

福建省基礎地理信息中心 福建 福州 350001

天地圖由國家、省、市共同建設的地圖公共服務平臺，隨著天地圖應用接入逐漸增多，更新數據資源成為了天地圖平臺建設的重要工作。天地圖省市節點之間所采取的數據源方式各有不同，出現了數據資源不同步的問題，整體性能不突出。因此，很有必要將各種途徑獲取的數據進行融合更新，提高天地圖的數據現勢性。數據融合是提高數據現勢性的最佳手段，可以實現更深層次的資源聚合。數據融合按照一定的建設原則，形成通用性強、覆蓋面廣的天地圖數據源，以解決省、市的數據精度不統一的問題，保證數據的準確性與權威性。本項研究以天地圖·福建為例開展數據融合工作，將其作為天地圖·福建的主要數據來源。

1.天地圖數據融合技術

天地圖數據融合是對不同節點、不同結構、不同精度的地理數據進行比較，從中選取出精度高的數據進行融合，并對融合后的結果進行處理，使融合后的信息能夠時刻保持新鮮度。天地圖數據融合中，矢量數據融合是以全省最新的數據信息為基礎，對省、市級的數據進行融合；影像數據融合采用全省0.5m的分辨率；POI數據融合以國家節點數據為主，對行政地名數據進行融合，具體融合技術流程如圖1所示。

圖1 數據融合技術流程圖

1.1 道路數據融合

以國家主節點路網數據為基礎，結合0.5m的矢量數據，在不改變路網關系的前提下，對省市節點的路網信息進行整合。采用國家主節點道路的路網數據融合方法進行整合，讓部分道路相交，再結合0.5m的影響，對主節點路網進行道路空間關系檢查，其流程如圖2所示。

圖2 道路數據融合流程圖

1.2 水系數據融合

以省級節點為基點，根據現有的數據情況，對省級節點水系數據與其他數據要素之間的沖突信息進行檢查，并處理數據之間的沖突，完成數據的實時更新。結合0.5m影像，對重要的水系進行空間位置檢查，增補水系要素，合理處理水系與其他要素之間的位置關系，最后完成水系的數據融合。

1.3 鐵路數據融合

以省節點為基本數據，根據天地圖的數據格式，對鐵路信息要素的屬性進行充值，并增加一些相關聯的屬性，結合0.5m分辨率影響，處理各個節點之間的空間關系。

1.4 POI數據融合

POI是指所有可以被抽象為節點的實物，對多元POI數據進行整合后，形成一套位置精確度較高的數據信息。POI數據融合需要根據數據的基本特點對數據進行抽取，并采用“屬性與空間融合”對比的方式實現查重去冗。

1.5 天地圖數據融合的實現

天地圖數據融合需要借助數據模型、軟件干預的方式，對整合的數據進行認真分析，才能夠得到一個滿意的融合數據效果。

2.空間目標匹配方法及具體應用

在使用空間目標匹配之前，對于多源道路數據變化要素的提取，需要依靠空間分析工具輔助完成。省市節點道路的現勢性較好，國家主節點導航道路數據會生成緩沖區，利用緩沖區將省市節點道路數據清除，將剩余的道路作為省市節點的主道路，并完成新增道路與國家主節點數據的融合。反之，省市節點道路緩沖區會將國家主節點道路的數據清除，并對其進行屬性處理，最后完成道路數據的融合。

2.1 空間目標匹配

目標匹配在生活中經常見到，如醫學影響、人臉識別等，隨著天地圖、數字化建設等信息數據庫項目的建設，空間數據的更新速度成為了信息行業面臨的一大難題。基于此，提出了一種基于空間目標匹配的方法，在不斷的研究中證明了空間目標匹配技術在地圖融合及合并、數據庫集成與共享中的應用價值。

2.2 距離匹配算法

線狀地物的匹配算法中，存在一定的限制，容易受到空間目標的影響，由于道路數據在融合的過程中存在的數據信息量較大，如國家主節點的道路有上百萬條，福建省1：10000 DLG數據中，其道路數據就有127萬條[4]，因此在使用空間目標匹配算法進行計算時，需要考慮到匹配的精度與效率。對于不同數據的兩條道路是否可以表示同一條道路信息，其匹配的基本思路為：將兩條道路設為A和B，將道路匹配解釋為距離問題，即道路A的節點離散點集為S，計算點集S到線路B的最短距離，得到距離集合R，如果最短距離小于最大距離閾值，則道路A和道路B匹配。利用這種思路，將道路匹配問題轉化為距離問題，可以極大的提高計算的效率。

道路折線之間的匹配關系較多，如1：0、1：1、1：n、m：m等。其中，1：1與1：n的匹配精度較高，m：n的匹配難度較大，耗時最長。在匹配的過程中，將m：n的情況分段進行，將其轉換成1：n的方式進行線路匹配。在進行匹配的過程中，計算每一條道路的緩沖區，在緩沖地帶進行查詢，根據查詢的結果進行計算，以提高匹配的效率。還可以將道路折線凸包，計算折線的角度。如果道路A和道路B的角度小于設定的閾值，則可以進行匹配計算，否則容易出現數據冗余，增加計算量。

2.3 空間目標匹配算法實現

道路空間匹配流程如圖3所示。

圖3 空間匹配流程圖

可以將更新道路作為參考的外部道路數據，以“天地圖·福建”現有道路圖層為基礎，展示更新道路的現勢性，利用空間目標匹配的過程完成道路更新，并提取出屬性變化的道路。將更新道路與原始道路作為原始數據，利用更新道路中的道路折線，將其生成緩沖區，再利用緩沖區對原始道路進行查詢，將查詢結果用F表示，如果查詢結果F返回為空，則道路折線為新增道路，如果更新道路的空間查詢結果為空，則需要刪除道路信息；如果查詢的結果不為空，則需要進行匹配計算，道路折線如果可以與查詢結果的道路相匹配，則需要對數據進行屬性變化的判斷，如果查詢結果中沒有道路數據與道路折線相匹配，則道路折線是可變化的帶路。分別對更新道路與原始道路進行正向與反向匹配，可以得到新增、刪除的屬性變化道路結果。

天地圖·福建數據融合利用ArcGIS平臺，對道路數據進行數據更新、數據融合、數據管理等內容處理。因此，在Visual Studio2015軟件中進行空間目標匹配算法計算，使用ArcGIS Engine進行系統開發。其中，可以直接使用ITopologicalOperator和IProximityOperator接口進行緩沖區生成和空間查詢，提高計算效率。同時，為了提高空間查詢的效率，在匹配之前需要建立空間索引，以保證數據量具有較高的查詢效率。在采用空間目標匹配算法對每一條道路進行遍歷時，都需要按照指定的方式生成緩沖區，然后將緩沖器定義為幾何圖形，對其進行空間相交查詢，得到查詢的結果。

3.實驗分析

為了驗證上述算法的匹配精度，對福建漳州城區的道路進行空間匹配實驗，通過人工判斷的方式對其進行精度檢驗。如圖4所示[7]。其中，a道路199條，b道路1100條，新增道路900條，刪除道路40條，提取結果如圖5所示。遺漏3條未刪除，按照匹配精度公式，表示人工提取的個數；表示匹配結果的個數。根據上述的統計結果，得到匹配精度為93.5%[8]。

圖5 匹配結果

本文采用的算法在跨比例尺道路數據匹配中，其精度達到93.5%。試驗中1：10000道路、1：500道路存在對應關系，數據差距明顯，對匹配精度的計算難度較大。在主節點道路中有明確的比例尺，且主節點道路與省級核心要素的道路較為接近，因此空間目標匹配的精度較高。

綜上所述，空間目標匹配對于跨區域多尺度道路數據進行目標匹配時，線狀地物空間目標匹配精度容易受到比例尺差異的影響，如果比例尺的差距較大，則匹配精度會降低，反之則會提高。

結束語：

空間目標匹配技術可以解決人工提取時所存在的多源、多尺度道路數據融合困難的問題。空間目標匹配算法不僅可以應用在道路匹配領域中，在水系線讓等線狀地物中同樣可以起到較好的匹配效果。在天地圖·福建矢量數據的建設過程中，對空間數據的匹配要求越來越高，為了可以實現對天地圖·福建矢量數據快速準確的更新，不僅需要對重要地物的變化進行監測，同時還需要依靠多種技術手段實現數據的快速融合。嚴格按照天地圖的相關規范要求，結合福建省天地圖的建設要求，在應急測繪保障能力建設的基礎之上，解決多源、多尺度數據協調性的問題。結果證明，空間目標匹配在天地圖項目建設領域中所發揮的應用價值極高。