基于多節點距離測量的地理信息數據庫更新方法研究

楊艷靜

（新疆兵團勘測設計院（集團）有限責任公司，新疆 烏魯木齊 830000）

0.引言

隨著路網建設規模的不斷擴大，對地理信息數據庫更新實時性提出了更高的要求，需要通過地理信息數據，在網絡組網環境下進行地理信息數據庫構造，并植入國家GIS地理信息數據系統中，通過實時測量和測繪方法，進行地理信息數據庫的動態監測，在提高地理測繪的精準度的同時，為路網建設和地圖更新建設提供數據基礎。研究地理信息數據庫更新方法，在促進地理信息和測繪信息發展方面具有重要意義[1]。

在地理信息數據庫更新設計中，通過實時信息編碼和控制方法，采用遙感測繪技術，進行地理信息數據庫的優化構造和設計，建立地理信息數據庫監測和信息管理模型，采用全局地圖構造的方法，實現地圖信息更新。傳統方法中，對地理信息數據庫更新的方法主要采用全局地圖尋優方法、遙感測量方法、激光測繪方法等[2]，文獻[3]中采用一種面向高精度城市測繪的激光緊耦合地理信息數據庫測繪更新方法，通過對大范圍城市場景空間數據采集，結合視覺里程計實現地理信息測量和更新，該方法存在累積誤差較大的問題。文獻[4]中采用融合點云和多視圖的車載激光點云路側多目標識別方法進行地理信息數據庫更新，采用多視圖信息跟蹤，實現分組更新，但該方法對地理信息測量的準確度不高。

針對上述問題，本文提出基于多節點距離測量的地理信息數據庫更新方法。首先采用高精度遙感測繪和激光測量技術，獲取高精度的三維空間地理位置信息，然后分析地理信息空間分布單元網格內不同階段的路網分量，采用道路網絡中心性指標參數分析和多參量節點融合的方法，實現地理信息數據庫更新。最后進行實測分析，展示了本文方法在提高地理信息數據庫更新能力方面的優越性能。

1.地理信息數據庫結構模型分析

1.1 地理信息數據庫更新總體架構

對數據庫的更新是建立在地理信息數據庫特征分析和多節點測量數據融合基礎上，采用地理信息數據庫多節點測量的方法，通過數據結構特征分析，建立地理信息數據庫的特征分析模型；采用幾何圖元法、紋理可視化方法，進行地理信息數據的熵結構分析，定量描述矢量場變化信息，分析地理信息數據的點云分布和遙感特征分布；采用三維動態時空數據分析的方法，構建地理信息數據庫的三維時空信息知識圖譜，根據數據庫的全局方向變化信息；采用可視化的在線信息交互，建立知識表達模型，得到測繪基準圖。由此得到地理位置信息的底層信息參數，從而實現數據庫更新[5]。技術流程圖（如圖1所示）：

圖1 關鍵技術路線圖

根據圖1可知：采用高精度遙感測繪和激光測量技術，獲取高精度的三維空間地理位置信息，在此基礎上，進行時空大數據模型的構建，采用三維實體模型表達和點云數據融合的方法，建立地理位置信息的GIS空間信息庫，應用人工智能技術進行地理位置信息的自動化獲取，通過幾何語義一體化的智能處理，實現攝影測量、遙感、人工智能、大數據處理[6]。

1.2 地理信息數據庫模型參數分析

基于數據稀疏頻繁集檢測方法，采用最大概率密度檢測，得到地理信息數據的初始聚類目標函數滿足lift(X→Y)＞1，表明X和Y是正相關的，意味著相同子空下挖掘數據的離散度具有穩態性；如果lift(X→Y)＜1，則表明X和Y是負相關的，那么原始地理信息數據與分頁查詢的遙感數據具有動態關聯性；如果lift(X→Y)=1，表明X和Y是獨立的，原始地理信息數據與分頁查詢的數據之間沒有相關性。由此，構建全局統一的格網密度進行結構特征描述參數分布集，得到地理信息數據的空間變化特征的紋理可視化分布結構（如圖2所示）:

圖2 地理信息數據的空間變化特征的紋理可視化分布結構

2.數據庫更新方法優化實現

2.1 地理信息數據庫更新的多節點距離測量

獲取高精度的三維空間地理位置信息，在地理覆蓋范圍最大約束控制下，采用移動測量和SLAM標定的方法[7]，得到定量描述矢量方向的空間變化特征，用P(u)表示，地理信息數據庫多節點測量數據的樣條曲線，如式（1）、式（2）所示：

式（1）、式（2）中，u為時間函數；x(u),y(u),z(u)分別為三維地理信息測量的空間分布坐標參數；Px(u)、Py(u)、Pz(u)分別為樣條曲線的矢量場信息評估量曲線，由此得到地理信息的多節點測量曲線（如圖3所示）:

圖3 地理信息的多節點測量曲線

沿采樣點矢量正向和逆向對稱積分生成地理信息數據庫的測量參數分布擬合模型，如式（3）所示：

式（3）中，w1、w2和w3分別為矢量場紋理分布權重；Si為地理信息數據庫的變分辨率；Hi為特征聚焦函數；Vi為特征壓縮的維數。由此建立地理信息數據庫的實時更新狀態參數模型，根據矢量道路網變化信息分布，通過多節點距離測量的方法，分析地理信息空間道路信息。

2.2 地理信息數據庫更新輸出

分析地理信息空間分布單元網格內不同階段的路網容量，采用道路網絡中心性指標參數分析和多參量節點融合的方法，采用多層級特征進行提取和累積轉換，地理信息空間的數據更新控制目標函數，如式（4）所示：

式（4）中，α1、α2、α3、α4分別為不同階空間特征信息參數；T(i,j)為坐標卷積信息融合參數；C(i,j)為數據庫檢索的自相關分量；E(i,j)為不同方向各個尺度的局部結構參數，提取小渦流等小尺度特征進行數據庫更新，得到數據庫訪問傳輸負載，如式（5）所示：

式（5）中，Ci為前像素點的輸出紋理參數；Di為多頻噪聲融合分量；Mi為量化指標參數集；Ni為模糊指向性聚類參數，當滿足以下關系，如式（6）所示：

式（6）中，Ri為矢量場范圍內的最小值；N為數據維數，建立統計概率模型，得到取地理信息的多節點測量輸出特征，如式（7）所示：

式（7）中，v為以矢量方向分布概率的多普勒二階梯度；vi(x)為方向變化信息；N為數據空間點數，采用多點參數距離測量的方法，輸出的信息響應特征，如式（8）所示：

式（8）中，C1為地物特征；b為目標地物的形態參數；ws為高分辨率遙感影像分布集；Ci為地理空間的耕地形態信息；c2為街道信息；SIZEi為數據大小。通過上述處理，采用分區分層的地理學思想，建立地理信息空間分布模型，采用道路網絡中心性指標參數分析和多參量節點融合的方法，實現地理信息數據庫更新[8]。

3.實驗測試

為了驗證本文方法在實現地理信息數據庫實時更新的應用性能，進行實驗測試。實驗測試中，選擇街道、梯田、坡耕地、林草區、林間耕地等地理場景為測試對象，訓練樣本數據來自我國西南的山地區域的遙感信息，遙感監測的經緯度參數分布（如表1所示）:

表1 地理信息遙感監測的經緯度參數 單位:°

由表1可知：采用3塊1000×1000像素大小的區域作為地理信息庫的更新驗證集，得到原始的地理信息數據庫采樣的遙感影像數據（如圖4所示）:

圖4 原始的地理信息數據庫采樣的遙感影像數據

圖5 數據更新結果

采用本文方法，進行數據庫更新，得到更新后的數據（如圖5所示）:分析圖5可知：本文方法有效實現了地理信息數據庫的實時更新。測試更新的實時性，對比結果（如表2所示）。分析表2可知：用本文方法進行地理信息數據庫更新的實時性較好，精準度較高。

表2 數據更新實時性對比 單位：s

4.結束語

本文在分析傳統地理信息數據庫更新所存在的實時性和準確性不高的情況下，提出了基于多節點距離測量的地理信息數據庫更新路線，并對該技術的總體架構和路線進行詳細的分析；其次，通過真實的實驗數據驗證了該方法的應用性能較高，即能夠顯著提升地理信息數據庫的更新效率（實時性高）和精準性，在數字城市和智慧城市項目建設過程中，具有很大的應用價值。