1∶25万道路数据的更新方法探讨

周 浩，阳牧男，王新华

（1.国家测绘地理信息局 第三航测遥感院，四川 成都 610100）

1∶25万道路数据的更新方法探讨

周 浩1，阳牧男1，王新华1

（1.国家测绘地理信息局 第三航测遥感院，四川 成都 610100）

提出了一种以自动缩编为主、人工协调综合为辅的道路数据更新模式，引入并发展了线要素的自动匹配方法，实现了增量数据的自动提取和筛选、缩编，并从技术路线上详细阐述了增量更新的实现流程。

增量信息；缩编更新；自动匹配；1∶25万地图数据库

国家基础地理数据库自初始建库后，数据库的更新便列为国家基础测绘的主要工作内容[1]。如何充分利用已有资料对现有数据库进行快速更新，特别是重点要素的更新，是当前的研究热点[2-4]。

Kilpeläinen、Jones、Badard等提出基于大比例尺数据缩编更新小比例尺数据的方法，为地图数据库缩编更新提供了理论基础[5-7]。陈军等[1]以道路数据为例，研究分析了缩编更新的总体思路，实现了1∶1万道路数据缩编更新1∶5万道路数据的自动综合处理。随后，王鹏波、胡云岗、张小朋等分别开展了缩编更新中的道路要素自动匹配和自动选取的算法研究，提高了自动化效率[8-10]。这种缩编方法以及后来的改进算法，虽然能提高更新效率，节约成本，但由于道路要素自身的复杂性以及更新区域的局限性，仍然无法直接应用于道路综合。

关于1∶25万地形要素的数据更新问题，鲜有专题研究。为此，本文在前人研究其他比例尺数据更新的基础上，以道路数据为例，开展基于1∶5万增量信息缩编更新1∶25万地形数据库中道路数据的研究，以减少更新工作中的人工劳动，提高生产和更新效率。

1 缩编更新的实现方法

本文的更新方法包含以下几个步骤：①增量要素匹配：将1∶5万动态更新增量数据与1∶25万道路数据按特定的算法进行空间比对、匹配；②增量要素缩编：利用2种比例尺下的级联数据，进行更新要素自动提取、筛选及缩编处理；③要素综合：利用1∶5万增量数据协同1∶5万数据对旧的1∶25万道路数据进行图形和属性更新，并对相关要素进行人工协调更新，最后形成新版1∶25万道路数据。

1.1 增量要素匹配

将按1∶25万图幅裁切后的1∶5万动态更新增量数据与更新前的1∶25万道路要素进行要素对比、匹配，确定满足更新指标的图形变化要素、满足选取指标的新增要素、消失要素和仅属性变化要素，作为1∶ 25万增量信息。具体实施通过道路缓冲区的匹配技术来实现，为提高算法效率，采用文献[8]中的改进算法，用简易缓冲区用来代替传统意义上的道路缓冲区，用匹配度来衡量1∶5万增量数据与1∶25万相对应要素的匹配程度。

匹配度是评估道路要素之间匹配程度的参数，其计算方法是更新要素落入待更新要素缓冲区的长度与该要素的总长度之间的比值，在匹配度的计算过程中，主要关注了几何上的匹配程度，在处理方法上同时将道路的等级、名称、拓扑关系等信息作为辅助判断信息予以判断和更新。

假设1∶5万增量信息中一条道路L，总长度为l0，与L外接矩形相交的1∶25万道路为Li（相交的道路可能有多条，故用Li表示），L落入Li简易缓冲区中的线段长度为li，即匹配长度。则道路L的区配度m_MatchRadio计算公式为：

缓冲区指在道路的周围建立的一定宽度的多边形，这个宽度就是缓冲区宽度d，根据1∶25万地图数据更新中的道路指标更新要求，d=m_Scale* 0.5 mm*2 =250 m。

若 m_MatchRadio＜σ（σ是表示匹配度的阈值，根据情况可以调整），则无法匹配，意味着在原始1∶ 25 万地图中没有对应的道路，所以此条增量信息是新增加的道路目标；若σ≤m_MatchRadio≤1-σ，则原始地图上对应的道路目标发生了改变，所以此条增量信息对应的旧数据上的目标需要修改；若m_ MatchRadio＞1-σ，说明这条增量信息与旧的道路数据几何信息基本吻合，若属性信息也一致，则表示要素没有发生改变。针对前两种情况下的增量信息，再根据更新指标进行要素筛选，只提取实地长度变化超过图上5 mm，或偏移超过图上0.5 mm且长度超过5 mm的要素；后一种情况只提取属性发生改变的增量信息。

图1 1∶25万道路数据的增量更新流程图

1.2 增量要素缩编

将1∶25万地形数据与1∶5万增量数据生成级联数据。根据上述匹配结果从5万增量数据中提取更新要素，结合1∶25万道路要素更新指标和属性的内容、选取与表示指标，筛选并缩编符合条件的增量要素。

增量信息包括2部分，一部分是新增要素，内容从“未匹配”数据集中提取，处理方法是直接将道路数据添加到1∶25万数据库中，再与相关的1∶5万地形要素数据联合缩编即可；另一部分是发生改变的道路信息，包括消失要素和修改要素，内容从“匹配”数据集中提取。这种情况下的处理方法是先找出与发生改变的要素相对应的原始1∶25万数据上的目标要素，建立相互间的映射关系，并进行相应要素缩编处理。

1.3 要素综合

将经过缩编处理得到的图形变化和新增的1∶25万增量要素（由1∶5万增量要素缩编而来），采用改进后的Douglas-Peucker算法[11]进行自动化简，并导入1∶25万级联数据中，最后整合级联数据属性项，生成1∶25万综合数据集，实现现势性同步。在综合数据集中对图形变化和消失要素进行删除，对仅属性变化要素进行属性编辑，对与增量要素相关的要素进行协调更新，获取符合更新要求的新版1∶25万要素数据。值得注意的是，顾及到1∶5万到1∶25万比例尺的越级缩编，要素取舍尺度相差较大，在要素综合处理之前，有必要对“未匹配”数据集中匹配度不高且达到1∶25万更新选取指标的要素进行重新提取，以确保更新成果的准确性、全面性。

2 实验与分析

2.1 实验数据

本文选定四川省东部某区域作为实验区，进行1∶ 25万地形数据缩编更新，范围约5 120 km2。收集的资料包括：①1∶5万增量数据。该数据是1∶5万基础地理信息数据库动态更新增量数据，是1∶25万地形数据联动更新的主要数据源，其现势性为2012年，见图2a。②1∶25万地形要素数据。该数据是本次更新实验的基础数据，其现势性达到2006～2010年，见图2b。③1∶5万地形要素数据。该数据是1∶25万地形数据联动更新的参考数据，在更新时无法用1∶ 5 万地形要素动态更新增量数据判断相关要素的相互关系时使用该数据辅助处理，其重点要素现势性是2012年，使用时将该数据按照1∶25万数据图幅的图廓范围进行裁切，见图2c。

图2 四川省东部某区域试验数据

2.2 结果分析

按照本文方法进行要素匹配、要素提取、缩编处理，其中设置的路段缓冲区宽度阈值为250 m，道路交叉口范围圆半径阈值为125 m，匹配度阈值设为80%。顾及到道路结点与路径的匹配误差积累，在匹配过程中先不对1∶5万增量数据进行融合处理。为检验本文方法的可行性，中间各步采用自动化方式处理，只对生成的综合数据进行了人工协调处理与更正，进而完成1∶25万道路数据的更新。

图3、4分别表示1∶5万增量数据与1∶25万道路数据叠加后的匹配要素与未匹配要素，匹配结果统计见表1，其中正确率是指自动处理结果中正确匹配所占的百分比[9]。经要素提取、筛选、缩编后，用于1∶ 25 万更新的增量信息如图5所示，处理前后的增量要素统计结果见表2，其中被误删的有效信息是指二次匹配后达到更新指标且可利用的增量信息。要素自动综合及人工协调处理后得到的最终更新成果如图6所示。

图3 1∶5万增量数据与1∶25万数据级联后的匹配路段（红色部分）

图 4 1∶5万增量数据中无匹配路段（蓝色部分）

图 5 缩编处理后的1∶25万增量数据

图6 更新后的1∶25万道路数据成果

表1 1∶5万增量数据的匹配结果统计

表 2 1∶25万增量信息统计

从图3、图4及表1不难看出，本文方法下的各道路目标匹配及无匹配的正确率都较高，各种更新要素均达到了85%以上。出现误匹配的路段主要位于道路弯度较多的地方，这主要是由数据自身特点决定的，主要原因是原1∶25万数据因表达需要经过了制图综合处理，因此必然与精度较高、细节丰富的1∶5万动态更新增量数据存在空间冲突。由图5可知，虽然两种比例尺下要素综合尺度差异较大，但文中方法依然实现了从1∶5万到1∶25万比例尺下增量数据的有效缩编，从表2不难发现，其缩编误差最高不超过4.3%。由图6可知，本文方法生产的更新成果基本满足1∶25万地形数据的建库要求，经人工质检后与人工作业成果出入不大，只有较少的增量数据未被更新。这主要表现在与居民点、水系、道路附属设施等要素发生相互关系的地方，这是因为本文方法只集中在道路自身缩编研究，未全面考虑到与其他类要素的协调缩编问题。

通过以上实验可以看出，采用1∶5万增量数据缩编更新1∶25万道路数据是可行的，并根据增量数据自身的特点，通过要素自动匹配、自动提取、缩编筛选以及人机协调综合等一系列动作，在小范围数据更新中非常高效。相比常规通过人工比对方式进行无针对性的全面更新，可以避免人工逐屏比对产生的遗漏，同时减少了人工负荷，提高了更新效率。

3 结 语

本文研究自动缩编为主、人工协调综合为辅的更新模式，发展了道路增量数据的自动匹配方法，通过级联手段，实现了要素的自动提取和筛选、缩编，并通过实验验证了相应算法。人工质检显示更新效果较好，表明本文所提方法具有可行性及实用性。但是，由于道路网的连通特性、等级特性以及道路数据自身结构等因素的影响，要想真正实用还有许多工作有待研究。今后将把要素间的空间冲突检测方法引入道路自动综合，增强方法的实用性，进一步减少人工协调更新工作量，提高生产和更新效率。

[1] 陈军,胡云岗,赵仁亮,等. 道路数据缩编更新的自动综合方法研究[J]. 武汉大学学报:信息科学版，2007,32(11):1 022-1 027

[2] 万幼川,宋杨. 基于高分辨率遥感影像分类的地图更新方法[J].武汉大学学报:信息科学版，2005(2):105-109

[3] 武芳,钱海忠,邓红艳,等.面向地图自动综合的空间信息智能处理[M].北京：科学出版社，2008

[4] 赵敏,陈卫平,王海燕,等. 基于遥感影像变化检测技术的地形图更新[J]. 测绘通报，2013(4): 65-67

[5] Kilpeläinen T, Sarjakoski T. Incremental Generalization for Multiple Representations of Geographic Objects[M]. London: Taylor & Francis, 1995[6] Jones C B, Kider D B, Luo L Q, et al. Database Design for a Multi-scale Spatial Information System[J]. International Journal of Geographical Information Systems, 1996, 10(8):901-920

[7] Badard T, Lemari C. Propagating Updates Between Geographic Databases with Different Scales[M]. London: Taylor & Francis, 1999

[8] 王鹏波.多比例尺道路数据的联动更新研究[D]. 郑州:信息工程大学，2009

[9] 胡云岗,陈军,赵仁亮,等. 地图数据缩编更新中道路数据匹配方法[J]. 武汉大学学报:信息科学版，2010,35(4):451-456

[10] 张小朋,尹路明,王鹏波,等. 地图数据缩编更新中的道路自动选取研究[J]. 测绘工程，2012,21(5):13-16

[11] Douglas D H, Peucker T K. Algorithms for the Reduction of the Number of Points Required to Represent a Line or its Caricature [J]. The Canadian Cartographer, 1973, 10(2): 112-122

P208

B

1672-4623（2015）03-0150-03

10.3969/j.issn.1672-4623.2015.03.052

周浩，硕士，主要从事遥感数据处理与地图制图等方面的研究。

2014-07-09。

项目来源：数字制图与国土信息应用工程国家测绘地理信息局重点实验室开放研究基金资助项目（DM2013SC11）。