基于Voronoi图与多特征组合的多尺度空间实体匹配普适方法

Entity matching is a kernel problem in map conflation and update, with regard to entity matching in vector data of same or adjacent map scale, numerous studies were carried out from the aspects of similarity, algorithms and strategies by scholars at home and abroad. In recent years, multi-scale spatial entity matching has drawn growing attention in academic circles, but only it is limited to matching data with small scale span. Some similarity measures and matching methods have poor robustness, matching methods without universality and lack general matching methods which meet arbitrary scale data matching. This project takes entity matching of multi-scale data especially cross-scale data as the research object, and uses the theories such as Voronoi diagram, spatial relationship, cartographic generalization, fuzzy theory and mathematical morphology, the main research contents as follows: 1) Generation algorithm of Voronoi diagram with higher precision based on vector spatial entity;2) Methods of getting candidate matching entities based Voronoi polygon and removing noise;3) Automatic extraction of similarity characteristic meeting entity matching of different scale data, and calculation model of similarity measure; 4) Entity matching strategies and identical entity matching criteria;5) Developing prototype system and doing some application experiments. Research results contribute to break the map scale limitation in spatial entity matching, improve entity matching quality. and promote in-depth development of theories and technology application of entity matching.

实体匹配是地图合并与更新中的核心问题。目前国内外学者对相同或相近尺度空间实体匹配在相似度、算法与策略等方面进行了大量研究，近几年多尺度空间实体匹配引起关注，但仅局限于尺度跨度不大的实体匹配。当前已有的一些相似性测度稳健性差，匹配方法不具普适性，缺乏通用的满足任意尺度的实体匹配方法。本项目以多尺度尤其是跨尺度的实体匹配为研究对象，利用Voronoi图、空间关系、制图综合、模糊理论、数学形态学等理论，研究多尺度空间实体匹配的普适方法，主要研究内容包括：1）以矢量空间实体为发生元的高精度Voronoi图快速生成算法；2）基于Voronoi多边形的候选匹配集获取与噪声去除方法；3）满足不同尺度空间实体匹配的实体相似特征的自动提取与相似度计算模型；4）实体匹配策略与同名实体匹配标准；5）原型系统开发和应用实验。研究成果有利于突破实体匹配的比例尺限制，提高实体匹配质量，促进实体匹配理论的深入发展和技术的应用。

随着空间数据获取技术的迅猛发展，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，如何对这些异构数据进行有效融合和集成越来越成为地理信息科学需要迫切解决的问题之一。而实体匹配是地图数据合并与更新的基础而核心技术，是现代地理信息处理领域研究和发展的热点。本项目的主要研究内容及重要成果包括：1）系统研究了基于Voronoi图的点、线、面空间实体匹配方法，实现了多源、多尺度的兴趣点、道路网、居民地的匹配应用，并升级了空间实体自动匹配与应用系统。2）针对现有Voronoi算法在计算效率、边界位置精度与离散点数量之间难以平衡与控制问题，提出了一种自适应的面向多尺度面状居民地匹配的Voronoi图算法——AVARA算法。该算法首先利用TIN计算居民地邻居对；其次根据邻居对之间的距离与边长关系对邻居对进行分类；再次根据邻居对类别采用相应的方法在居民地边界上自适应生成点集；最后基于所有的自适应生成的点集及居民地边界的顶点构建Voronoi图。结果表明AVARA算法在位置精度、算法性能方面均具有一定的优势。3）研究了基于Gabor滤波器的从历史栅格地图中识别与提取带晕线的居民地方法。首先，该方法使用Gabor滤波器，高斯平滑，二值化，侵蚀及与操作来检测晕线区域；然后，将晕线区域顶部晕线的终点作为起点，然后使用动态填充策略沿着晕线向东北45度方向追踪居民地的边界点；其次，通过将第一个找到的边界点作为起始点，根据八个邻域的像素值关系来追踪相邻边界点。在追踪过程中，使用相邻像素的像素值关系和设计的条带检测器去除噪声；最终，获得了居民地边界。结果表明，该方法有效，实用，在居民地边界的完整性和位置精度方面优于以往的方法。4）研究了泛在网络地理信息抽取、整合与应用方法，研究了基于CRF、BiLSTM-CRF的微博文本地理信息提取方法、广义旅游信息的空间-语义整合方法以及旅游信息挖掘与推荐方法。本项目的研究有助于丰富空间实体匹配与大数据时代下泛在地理信息整合的理论与方法，促进空间实体匹配技术的有效应用。