基于多重关系约束的地理空间数据自协调综合模型与方法研究

地理空间数据综合是高智能化的空间思维与处理过程，一直是现代地图学关注的热点问题。多要素、海量空间数据的多重关系复杂性使得传统的结构化设计思路难以全面解决自动综合问题，需要发挥现有人工智能技术的优势。多Agent技术的协作机制为自动综合提供了解决途径。本项目深入追踪国内外全局综合、协同综合和综合Agent技术发展的现状，提出基于地理要素划分的自协调综合Agent模型的新的研究思路，从综合的全局出发，着重突出关系Agent的约束机制，即直接利用要素间与要素内的不同空间、语义关系建立面向综合的多重控制性约束Agent，构建针对多层次综合对象Agent的冲突检测与动态处理机制，在此基础上实现多地理要素、多目标对象Agent的自协调综合运算，保证综合结果的协调统一，最终建立基于多重关系约束的自协调综合模型及其方法体系。本项目成果将有助于自动综合的全局化与智能化发展，同时也推动综合行为模式研究的发展。

地理空间数据综合是高智能化的空间思维与处理过程，一直是现代地图学关注的热点问题。多要素、海量空间数据的多重关系复杂性使得传统的结构化设计思路难以全面解决自动综合问题，需要发挥现有人工智能技术的优势。多智能体（Agent） 技术的协作机制为自动综合提供了解决途径。. 本项目主要开展基于多Agent的多要素自协调综合的理论、方法与应用研究，包括多Agent综合的概念模型、综合对象Agent与多重关系Agent建立、冲突检测与动态处理机制，实现多地理要素、多目标对象Agent 的自协调综合运算，最终建立基于多重关系约束的自协调综合模型及其方法体系。. 本项目在南京师范大学、武汉大学、南通大学三方合作团队的努力下，首先在理论上，建立了基于多Agent的多要素协同综合概念模型，对综合Agent的类型进行了科学划分，形成了要素Agent、目标Agent与群组Agent三类对象Agent和要素间、要素内、目标间关系Agent，初步建立了基于多Agent的综合元素编码体系和知识规则形式化表达方法，探讨了自协调综合的推理过程、冲突检测机制、行为模式及自协调综合控制策略。其次，在方法上，研究了综合对象Agent和关系Agent的构建方法，探讨了从宏观到微观的多重关系探测机制，提出了关系冲突检测模型与冲突处理过程框架，开展了基于典型双要素综合的实验研究；第三，在应用上，开展了一系列自协调综合的模型、算子研究，完成了等高线与河网、道路与居民地双要素协同Agent综合的系统化研究，建立了“地图多要素协同综合Agent系统”平台。. 项目已发表研究论文35篇，其中EI检索13篇，申报国家软件著作权1项。培养博士研究生6人（毕业3人），培养硕士研究生9人（毕业8人）。本项目成果将有助于自动综合的全局化与智能化发展，同时也推动综合行为模式研究的发展。