矢量点状数据抽稀方法的研究与实现

薄成

(沈阳市勘察测绘研究院有限公司，辽宁 沈阳 110000)

1 引 言

随着电子地图的广泛应用，基础电子地图与城市各部门专题数据的结合变得越来越深入，通常为了浏览方便，将基础底图数据叠加部门专题数据发布成地图切片服务，以其作为各部门地理信息系统的基础底图服务。城市部件数据的点位准确度以及优化显示成为电子地图美观实用的关键因素，电子地图的多尺度特点决定了不同比例尺下显示城市部件数据量是有区别的，研究如何有效抽稀城市部件数据以满足电子地图的需求已成为地图展示的重要内容[1]。近几年，国内外学者针对点状数据抽稀方法展开了一系列研究，提出了Maplex智能标注、点距离(点缓冲距离)方法、规则格网法以及随机序列法，因随机序列法应用范围局限以及理论依据不充分[2～5]，这里不做讨论。本文针对上述其他方法进行深入研究并分析其优缺点，针对普遍无法保留数据源密度特征的这一缺点，本文提出了一种基于规则格网法改进的自适应格网法，该方法不仅满足点状数据抽稀的要求，同时很好地保留了数据源的密度特征。

2 矢量点数据抽稀方法

2.1 Maplex智能标注引擎

基于ArcGIS的Maplex高级智能标注拓展模块能够有效地创建高质量的动态标记，优化地图标记的数量和质量[2]，其能够精确地减小注记间的冲突，Maplex对矢量点数据抽稀的原理是自动解决标注冲突[3]。为了满足Maplex的要求，需要将点符号制作成点标注，利用牵引线动态标注在每个点上。Maplex的优点是自动化程度高，缺点是数据量过大的情况下，动态标注刷新速度过慢，无法保留数据源密度特征，并且符号位置与数据真实位置有偏差。

2.2 点距离抽稀法

基于点距离的抽稀算法原理是严格控制两点距离不小于距离阈值，在不同比例尺条件下按一定的比例因子对数据进行抽稀。在数据抽稀处理过程中，需要对每个点进行缓冲范围的计算，在缓冲区范围内的点删除，超出缓冲区范围的点则保留。点距离抽稀的理论简单，易实现，缺点是抽稀后的数据失去了数据源的密度特征，呈现均匀分布的状态。

2.3 规则格网法

规则格网法的原理是在相同比例尺下，将数据范围划分为大小相同的规则格网，在格网单元中，如果有一个及一个以上的点，则保留距离格网中心最近的点，其他点全部删除[4]。规则格网法虽然能够对数据起到抽稀作用，但其弊端与点距离抽稀法相同，就是无法保留数据源的密度特征。

本文采用以规则格网为基础进行改进的自适应格网法，其原理是首先根据数据范围生成规则格网，然后根据数据的密度特征对局部格网单元进行加密处理，生成规格大小不一的格网单元覆盖数据范围，并对加密后未包含数据的格网单元删除，再根据自适应格网对数据进行抽稀。利用自适应格网对数据抽稀不仅保证了数据抽稀的有效性，提高了数据抽稀效率，并且解决了无法保留数据密度特征的问题。

3 数据抽稀实现原理

3.1 数据抽稀质量标准

数据抽稀完成后，应遵循以下几点要求[5]：数据在抽稀过程中不能删除原始数据或者破坏原始数据结构；遵守数据继承原则，地图级别低则显示的要素数量越少，地图级别高则显示的要素数量越多，高地图级别要继承低地图级别显示的要素；从视觉效果上看，任意比例尺级别下显示的要素不能出现相互压盖、重叠等现象；在一定程度上保证制图效果的视觉平衡，尽量避免某一区域出现数据空白的现象。

3.2 自适应格网生成

规则格网模型采用长宽规格相等的矩形格网剖分数据范围的方式进行构建，不能根据数据的密度特征自动调整格网单元大小[6]，因此本文采用基于四叉树算法改进的自适应格网模型[7]。首先将数据范围分割为长宽规格相等的格网单元，格网区域要能够完全覆盖数据范围，并且适当大于数据范围，基于局部自适应策略，根据格网单元的点数量阈值，对格网单元进行加密操作[8]。格网单元的点数量阈值T要能够反映所有格网单元包含点数量的平均水平，所以本文T是按照所有格网单元包含点数量的平均值进行设定，公式如(1)所示。

T=S/N

(1)

式中，S表示点数量的总和，N表示规则格网数量的总和。自适应规则格网生成步骤如下：

(1)对数据范围进行R*C(R和C均为正整数)的格网划分，格网要能够完全覆盖并适当大于数据范围。

(2)根据T计算公式，计算格网单元阈值，并依照阈值T对局部格网单元进行自适应格网加密。如果格网单元包含的点数量不大于阈值T，则不需要加密；如果格网单元包含的点数量大于阈值T，则对格网进行2×2分割，如果分割后格网单元包含的点数量依然大于阈值T，则继续对其分割，直至满足阈值要求为止。

(3)判断格网单元中是否存在“空白格网”(未包含数据的格网单元)，若存在，则删除。

虽然数据抽稀涉及的地图级别较多，但不是每一级别都需要按照上述方法建立自适应格网，本文数据抽稀的初始地图级别的自适应格网按照上述方法建立，其他地图级别的自适应格网可根据其上一级进行建立，为了操作方便，对上一级的格网单元进行2×2分割组成本级格网，按照此方法，对所有需要进行数据抽稀的地图级别建立自适应格网。自适应格网建立过程如图1所示：

图1 自适应格网建立过程示意图

3.3 点数据抽稀

点数据抽稀的实质就是点数据的重新选取，在当前地图级别下，选取不同类别中能够呈现数据密度特征并且符号化后互不压盖的点群数据，同时为了保证电子地图要素显示的连续性，对下一级别的要素选取做出区域限定。介于实际需求，电子地图的显示级别是从9级～20级，17级～20级能够很好显示所有的城市部件点状数据，这四个地图级别下的数据不需要进行抽稀，所以本文数据抽稀的初始地图级别为9级，终止地图级别为16级。

根据初始地图级别的自适应格网对数据进行首次抽稀，首次抽稀的数据量较小，主要选取距离格网单元中心最近的点。由于城市部件所采用的是不依比例尺符号，并且符号大小是统一的，为了防止由于处在不同格网单元的两点间距过近而导致符号压盖问题，首先对格网单元中的点进行筛选，以格网单元中心为原点、格网单元边长的二分之一作为半径，对格网单元内的点进行初次筛选，然后从筛选得到的点集中选取距离格网单元中心最近的点。

初始地图级别的数据抽稀完成后，每个格网单元内必定存在一个距离格网单元中心最新的点数据，下一地图级别的数据抽稀中将此点数据直接保留，若与其他3个格网单元筛选的点出现压盖或者重叠的情况，则重新筛选。例如，初始地图级别中ID为1的格网单元保留点为给水井盖，那么下一地图级别中，包含在此格网单元的4个格网单元中，必定有一个会保留这个给水井盖点，但如果发现保留点与其他3个格网单元筛选点发生压盖冲突的话，则重新选取其他3个格网单元的筛选点。按照此方法，完成下一地图级别的数据抽稀，直至终止地图级别。数据抽稀过程如图2所示：

4 程序实现

4.1 程序开发

本文以Visual Studio 2010和ArcGIS Engine 10.1作为开发平台，以C#为开发语言，采用地图控件应用程序作为基本框架，利用ArcGIS Engine for .NET API开发了实现城市部件点状矢量数据自动抽稀的应用程序。程序主体分为两大模块，分别是建立自适应格网和数据自动抽稀。建立初始地图级别规则格网要根据数据范围的大小来确定，本文示例数据范围是沈阳市四环内，介于对数据抽稀效果的考虑，设定规则格网间距大小为 4 892 m，规则格网建立完毕后，计算格网单元的点数量阈值T，并对局部格网单元进行加密处理，建立初始地图级别的自适应格网完毕后，建立下一地图级别的格网。

所有地图级别自适应格网建立完毕后，针对不同地图级别进行数据抽稀。为了操作方便，对数据添加“Weight”字段，字段值是当前记录所显示地图级别，由于每个点记录显示的地图级别不唯一，所以字段值可采用“/”对多值进行区分。首先对初始地图级别的数据进行抽稀，保留下来的数据记录“Weight”字段赋值，针对一下级别进行数据抽稀，遍历上一级别所有格网单元，并找到每个格网单元所包含的本级别4个格网单元，首先找到保留点所在的格网单元，此格网单元不参与本级别的数据抽稀，用距离最小原则筛选其他3个格网的点数据，若保留点与某个筛选点存在压盖或重叠情况，则重新筛选，筛选完毕后，统一对数据记录“Weight”字段中追加赋值，直至本级别所有格网处理完毕。同法处理余下所有地图级别。

4.2 结果对比

打开程序自适应格网建立模块，加载沈阳市城市部件矢量数据，选择数据抽稀的地图级别范围，点击“开始生成”，初始地图级别的规则格网与自适应格网对比如图3、图4所示：

图3 规则格网图

图4 自适应格网图

从图3、图4可看出，规则格网存在大量的“空白格网”，如果按照四叉树算法进行分割的话，地图级别越高则“空白格网”越多，会严重影响数据抽稀的运行效率。反观自适应格网，所有格网均非“空白格网”，并且格网单元是根据数据密度自适应建立的，数据密度高的区域格网单元较小，数据密度低的区域格网单元较大，这样做的好处是能够提高格网分布的合理性，良好反映原始数据的密度特征，极大提升数据抽稀的运行效率。

针对本文提到的四种点状数据抽稀方法分别进行了实验，选取每种方法在初始地图级别下的抽稀结果，结果对比如图5～图8所示：

图5 Maplex智能标注数据抽稀效果图

图6 点距离法数据抽稀效果图

图7 规则格网法数据抽稀效果图

图8 自适应格网法数据抽稀效果图

在实验过程中，本文记录了4种抽稀方法各自的技术指标，作为评价自适应格网法的依据，如表1所示。

实验结果对比表 表1

由上表看出，Maplex智能标注并没有真正实现数据抽稀，所以其平均分级显示时间非常长，并且其空间位置准确度与密度特征都较差；点距离抽稀法与规则格网法在数据抽稀效率与显示要素总数目上相差不大，相比而言点距离抽稀表现略好，但是两者在密度特征的表现上一般；自适应格网法重点抽稀数据密度大的区域，合理保证数据抽稀的资源分配，极大提高了数据抽稀效率，在符合用户对分级显示时间的要求下尽可能保留了要素，抽稀后的数据在空间位置准确度与密度特征表现上明显优于其他方法。

5 结 语

目前，基础电子地图深入应用到各行各业，城市部门的专题矢量数据嵌入到基础电子地图的需求也随着应用的深入不断增强，如果能够有效地解决矢量数据抽稀的问题，做到周期短、投入相对较少，自动化程度高，能在一定程度上节约成本，并有效地提高生产效率，城市部门的专题矢量数据嵌入到基础电子地图的需求就能够有效地解决。本文基于格网构建与点状矢量数据抽稀方法的研究，实现了自适应格网抽稀方法，并以Visual Studio 2010和ArcGIS Engine 10.1作为开发平台，以C#为开发语言，实现了城市部件点状数据的自动抽稀，并以沈阳市城市部件点状数据为例，对数据从9级～16级进行了抽稀，并对抽稀后数据的密度特征进行了检查。结果证明，采用自适应格网抽稀方法抽稀后的点状数据，不仅能够保持数据的密度特征，还很好地满足数据抽稀的应用需求，大大地节省了工作时间，提高工作效率。通过本文可以看出，自适应格网法非常适合用于矢量点状数据的抽稀，原理清晰，开发难度较小，用户体验良好。