多尺度道路数据监督学习的匹配与选取更新方法

Automated map database updating is always a hot research topic in the field of Cartography. An ideal method for updating is to first obtain updated information at small-scale datasets with the updated large-scale dataset by map matching; and then to make the updated information represent appropriately at small-scale datasets by map generalization. Indeed, map matching and map generalization are two key steps in this process. This study focuses on updating road networks, and aims to propose automated, intelligent and adaptive approaches for road matching and road selection (one of the operators for road generalization). On the one hand, in order to decrease the errors on road matching, supervised learning methods are employed to adaptively acquire the most appropriate combination of various properties (or parameters) needed for road matching; On the other hand, in order to overcome the limitation that the existing approaches for road selection may not always produce an appropriate representation, supervised learning methods are also employed to adaptively determine the appropriate selection representation for road networks. The proposed approaches in this study may also be applied to update rivers, railways, contours, pip networks and other linear datasets automatically.

地图数据库自动更新一直是地图制图学研究的国际前沿。我国目前理想的更新模式为：首先通过地图匹配方法对同一地区不同比例尺的新旧数据叠加分析，获取更新信息；再运用地图综合方法对增量信息进行缩编，其中最关键的问题即地图数据的匹配与综合。本项目以道路网络为例，探讨地图更新中适用于道路数据自动匹配和自动选取的自动化、智能化和普适性的新方法。针对现有道路自动匹配时因属性参数组合不当而导致误匹配的难题，提出了基于监督学习的自适应获取道路匹配时所需的最优参数组合；针对现有道路自动选取方法受区域和比例尺限制而普适性不足的缺陷，提出了具有较强通用性的基于监督学习的道路数据自适应选取方法。本项目的方法也可拓展用于其它线状地物如河流、铁路、等高线、管网等地图数据的自动更新。

选取综合是地图数据更新的难点问题和地图制图学的国际研究前沿。该项目以道路数据为例，针对现有道路匹配和道路选取综合方法依赖参数设置，且最优参数会随着地理区域不同而变化的难题，①提出了道路选取参数阈值的经验确定方法。该方法通过分析局部区域的最优阈值推测全局最优阈值，并验证了“局部最优阈值和全局最优阈值具有一致性或相似性”的假设成立。②提出了道路数据自适应更新的机器学习方法。该方法以历史道路数据为样本，基于机器学习方法获取多尺度道路数据表达的知识或规则，并用于新增道路数据的多尺度表达。实验结果验证了人工神经网络、支持向量机、逻辑回归、贝叶斯分类、K最近邻和决策树等九种机器学习方法的有效性；对比了不同机器学习方法的结果是否存在统计意义的显著性差异；分析了机器学习方法的最佳训练样本数量。本项目还针对道路选取的最优策略依赖路网模式认知，③提出了一种面向道路数据的复杂道路交叉口（或立交桥）提取方法，并验证了该方法的有效性。④对比了三种面向道路数据的城市建成区提取方法（即街区方法、格网方法和核密度估计方法）。实验结果表明：街区方法不仅效率高，而且视觉效果好；但是格网方法和核密度估计方法提取城市建成区的有效性更高。本项目提出的上述方法不仅弥补了现有道路选取方法中参数阈值不易确定的不足，还补充与完善了道路数据模式识别的理论与方法；提出的研究思路不仅能应用于道路数据的自动综合与更新，还可能应用于如居民地、铁路或河流等其它地理要素的自动综合与更新；研究结论可能服务于地图综合、地理学、城市和交通规划等领域。该项目发表SCI/SSCI论文5篇，出版学术著作1部，项目成员参加15个国内外学术会议。