基于空间-语义模式的多源地理空间数据一致性整合方法

Crowdsourcing geospatial data generated by public users have the advantages of rich content, fast updating and free access, which provide a timely and low-cost means for enriching fundamental geographic information. However, due to the heterogeneities of space-time datum, representation, scale and precision, serious inconsistencies of geometry, semantic and spatial relations occurred to multi-sources geospatial datasets. Harmonizing multi-sources geospatial datasets becomes a crucial problem in the domain of Geographical Information Science (GIS). The proposal particularly concentrates on congruently harmonizing crowdsourcing and professional datasets of urban Points of Interest (POI), road networks and buildings. The project attempts to mine the associated hierarchical spatio-semantic patterns from various geospatial datasets and propose a matching approach for identifying the corresponding features and associated patterns. Based on the correspondences of multi-scale features and patterns, the project tries to develop a congruent data harmonization model that preserves the compatible spatio-semantic patterns. The project aims to achieve spatial and semantic consistent representations for multi-sources geospatial datasets and improve the precision and completeness of fundamental geospatial datasets, so as to provide a significant Spatial Data Infrastructure (SDI) for smart city construction, national geographic state monitoring and Location Based Services (LBS).

众源地理空间数据具有类型多、更新快、可免费获取等特点，为地理空间数据更新提供了一种高时效、低成本的可持续途径。然而，由于时空基准、表达方式、尺度精度不同，多源地理空间数据间存在较大的几何、语义与空间关系不一致性问题，迫切需要发展快速、高效整合多源地理空间数据的理论与方法。本项目以城市兴趣点、道路网和建筑物为研究对象，提出多源地理空间数据的多层次空间-语义模式挖掘方法，研究顾及空间-语义模式的跨尺度要素稳健匹配方法，发展保持空间-语义模式的一致性优化整合模型，实现多源地理空间数据的几何、语义与空间关系一体化表达。本项目研究成果可有效提高地理空间数据的现势性和完备性，为智慧城市建设、地理国情监测、导航位置服务等应用提供丰富、准确、实时的空间数据支撑。

在“人人都是传感器”的时代，泛在地理空间数据从社会生活的方方面面记录了人类的活动轨迹和周围环境的动态信息。然而，泛在地理空间数据彼此间分散独立，关联的信息互补而难以交互分析，尚缺乏一种承载和综合利用这些数据的有效途径。本项目围绕高动态、强异构、弱结构化、多粒度的泛在地理空间数据的信息提取与一致性整合问题，主要研究以下几个方面内容：.（1）针对多比例尺居民地匹配面临轮廓同质化化、尺度不确定性问题，提出了一种基于邻近模式组合的松弛迭代匹配方法。通过缓冲区分析检测候选匹配目标，对1:M和M:N匹配进行邻近模式组合，计算候选匹配对间几何相似性得到初始匹配矩阵，通过上下文兼容性建模，利用松弛迭代方法求解最优匹配模型。.（2）针对低频轨迹数据的稀疏采样和定位精度不稳定等问题，提出了一种稳健的道路交叉口信息提取方法。利用密度分析与自适应点聚类，检测道路交叉口的位置，综合LCSS相似性与方向相似性，基于轨迹层次聚类，识别道路交叉口内部通行模式及交通规则，根据k-segment主曲线拟合，构建交叉口结构模型。.（3）针对大地图时代下连续多尺度可视化表达需求，提出了一种多比例尺道路网的连续变换方法。识别不同比例尺道路网的要素对应关系，分别采用线性Morphing变换、顾及直角的D-P连续简化算法以及染色渐变方式将一对一匹配要素、一对空单独线状要素和多对多特殊要素进行连续尺度变换。.（4）针对多源兴趣点与道路网的一致性整合问题，提出了一种基于几何模式挖掘的兴趣点与道路网的自动配准方法。通过挖掘兴趣点与道路网的几何模式关联特征，将兴趣点与路网匹配问题转化为图匹配问题，建立兴趣点与道路数据的位置和目标匹配关系，将兴趣点准确地整合到道路网的空间基准下。