基于动态邻域的空间实体自适应最优匹配方法研究

Entity matching is one of basic problems in map conflation and update,comparatively rich researches in entity similarity、algorithm and strategy etc have been obtained in the world at present,but the existing matching methods have some deficiencies such as low degree of automation、 poor universality and matching accuracy remains to be improved,according to the above，the topic puts forward adptive optimal matching method based on dynamic neighborhood for spatial .entities.Taking entity matching in spatial vector data of the same or adjacent scale as the research object,by analyzing characteristics and difference of matching data, using theories of mathematical statistics, spatial relationship, computational geometry ,dynamic programming, adaptive ,studying the following contents:1)similar or invariant feature of identical entity and its extraction method, establishing similarity index which has merits of simple calculation and strong robustness; 2)Theory framework of adaptive optimal matching based on the dynamic neighborhood characteristics, hope to shield the differences between multi-source and multi-scale data and provide the general matching framework; 3)Research on the key technologies of adaptive matching,mainly including calculation method of entity dynamic neighborhood characteristics 、dynamic determining method of similarity index, optimal matching algorithm based on dynamic programming etc;4)Prototype system development and application experiment. The research achievement is useful to improve the precision and automation degree of entity matching, and promote theory development and technology application of entity matching.

实体匹配是地图合并与更新中的基础问题之一，目前国内外在实体匹配的相似度、算法与策略等方面进行了较为丰富的研究，但是现有匹配方法自动化程度低、普适性差，匹配精度也有待于提高，据此本申请提出基于动态邻域的自适应最优匹配方法。以相同或相邻比例尺实体匹配为研究对象，通过匹配数据的特征及差异分析，利用数理统计、空间关系、计算几何、动态规划、自适应等理论，研究以下内容：1）同名实体的相似或不变特征及其提取方法，建立计算简单、鲁棒性强的相似度指标；2）基于动态邻域特征相关的自适应最优匹配理论框架，以屏蔽多源多尺度数据之间的差异，提供通用的匹配框架；3）自适应匹配关键技术研究：主要包括实体动态邻域特征计算方法、相似度指标动态确定方法、基于动态规划的最优匹配算法等；4）原型系统开发和应用实验。研究成果有利于提高实体匹配的精度及匹配处理的自动化程度，促进实体匹配理论的深入发展和技术的有效应用。

近些年来，随着空间数据获取技术的迅猛发展以及互联网地图的增长，人们可以快速低成本地获取各类空间数据，但这些数据具有各自的特点，它们在几何形状、拓扑结构、几何精度、属性详细程度、编码方案、语义表达以及实体空间关系等方面不尽相同，为了很好地利用这些空间数据，一个常用的策略就是对这些数据进行地图合并，得到质量更好的空间数据。而实体匹配是地图合并中的基础和关键技术，它通过一系列相似性指标识别出多源、多尺度、多时相地图数据中的同名实体。但现有的匹配方法至少在以下方面还存在不足：1）基于缓冲区或MBR的搜索候选集的方法不理想，容易导致失配或者误配；2）由于多源、多尺度空间数据的不确定性，导致许多相似性指标通用性差；3）综合使用相似性指标的模型缺乏合理的理论依据，导致匹配结果可靠性差。4）缺乏普适性的匹配算法和软件。针对以上问题，本项目主要探索研究了利用Voronoi图的具有普适性的空间实体匹配框架，新的相似度指标以及相关的匹配策略，并开发了空间实体自动匹配的原型系统。主要在以下方面取得了进展和相关成果：1）实现了匹配数据集的整体特征自动计算与统计可视化；2） 研究了利用Voronoi图的新的实体匹配框架，研究并实现了利用Voronoi图的点实体匹配方法以及利用Voronoi图的多尺度面状居民地的匹配方法。3）研究了Voronoi图应用框架下新的相似度指标与匹配策略。4）研发了“空间实体自动匹配与应用系统” （SEMS V1.0）软件，实现了多种方法的点-点（点-面）、线-线、面-面实体的自动匹配，在此基础上进行了多源多时相数据之间的属性转换、多级行政区对象关联、多尺度居民地变化分析等应用。该系统根据实际需求稍加改造后即可在地理信息、测绘领域的数据处理部门进行应用，可以大大缩短数据更新的周期、节省人力物力，提升空间数据的质量，也可以用于地理空间区域变化分析。本项目的研究，有助于丰富空间实体匹配的理论与方法，促进空间实体匹配技术的有效应用，而基于Voronoi图的普适性匹配框架的提出对于空间匹配技术的发展具有重要的科学意义。