天地图·福建平台道路数据融合中的空间目标匹配技术

许业辉

福建省基础地理信息中心 福建 福州 350001

天地图由国家、省、市共同建设的地图公共服务平台，随着天地图应用接入逐渐增多，更新数据资源成为了天地图平台建设的重要工作。天地图省市节点之间所采取的数据源方式各有不同，出现了数据资源不同步的问题，整体性能不突出。因此，很有必要将各种途径获取的数据进行融合更新，提高天地图的数据现势性。数据融合是提高数据现势性的最佳手段，可以实现更深层次的资源聚合。数据融合按照一定的建设原则，形成通用性强、覆盖面广的天地图数据源，以解决省、市的数据精度不统一的问题，保证数据的准确性与权威性。本项研究以天地图·福建为例开展数据融合工作，将其作为天地图·福建的主要数据来源。

1.天地图数据融合技术

天地图数据融合是对不同节点、不同结构、不同精度的地理数据进行比较，从中选取出精度高的数据进行融合，并对融合后的结果进行处理，使融合后的信息能够时刻保持新鲜度。天地图数据融合中，矢量数据融合是以全省最新的数据信息为基础，对省、市级的数据进行融合；影像数据融合采用全省0.5m的分辨率；POI数据融合以国家节点数据为主，对行政地名数据进行融合，具体融合技术流程如图1所示。

图1 数据融合技术流程图

1.1 道路数据融合

以国家主节点路网数据为基础，结合0.5m的矢量数据，在不改变路网关系的前提下，对省市节点的路网信息进行整合。采用国家主节点道路的路网数据融合方法进行整合，让部分道路相交，再结合0.5m的影响，对主节点路网进行道路空间关系检查，其流程如图2所示。

图2 道路数据融合流程图

1.2 水系数据融合

以省级节点为基点，根据现有的数据情况，对省级节点水系数据与其他数据要素之间的冲突信息进行检查，并处理数据之间的冲突，完成数据的实时更新。结合0.5m影像，对重要的水系进行空间位置检查，增补水系要素，合理处理水系与其他要素之间的位置关系，最后完成水系的数据融合。

1.3 铁路数据融合

以省节点为基本数据，根据天地图的数据格式，对铁路信息要素的属性进行充值，并增加一些相关联的属性，结合0.5m分辨率影响，处理各个节点之间的空间关系。

1.4 POI数据融合

POI是指所有可以被抽象为节点的实物，对多元POI数据进行整合后，形成一套位置精确度较高的数据信息。POI数据融合需要根据数据的基本特点对数据进行抽取，并采用“属性与空间融合”对比的方式实现查重去冗。

1.5 天地图数据融合的实现

天地图数据融合需要借助数据模型、软件干预的方式，对整合的数据进行认真分析，才能够得到一个满意的融合数据效果。

2.空间目标匹配方法及具体应用

在使用空间目标匹配之前，对于多源道路数据变化要素的提取，需要依靠空间分析工具辅助完成。省市节点道路的现势性较好，国家主节点导航道路数据会生成缓冲区，利用缓冲区将省市节点道路数据清除，将剩余的道路作为省市节点的主道路，并完成新增道路与国家主节点数据的融合。反之，省市节点道路缓冲区会将国家主节点道路的数据清除，并对其进行属性处理，最后完成道路数据的融合。

2.1 空间目标匹配

目标匹配在生活中经常见到，如医学影响、人脸识别等，随着天地图、数字化建设等信息数据库项目的建设，空间数据的更新速度成为了信息行业面临的一大难题。基于此，提出了一种基于空间目标匹配的方法，在不断的研究中证明了空间目标匹配技术在地图融合及合并、数据库集成与共享中的应用价值。

2.2 距离匹配算法

线状地物的匹配算法中，存在一定的限制，容易受到空间目标的影响，由于道路数据在融合的过程中存在的数据信息量较大，如国家主节点的道路有上百万条，福建省1：10000 DLG数据中，其道路数据就有127万条[4]，因此在使用空间目标匹配算法进行计算时，需要考虑到匹配的精度与效率。对于不同数据的两条道路是否可以表示同一条道路信息，其匹配的基本思路为：将两条道路设为A和B，将道路匹配解释为距离问题，即道路A的节点离散点集为S，计算点集S到线路B的最短距离，得到距离集合R，如果最短距离小于最大距离阈值，则道路A和道路B匹配。利用这种思路，将道路匹配问题转化为距离问题，可以极大的提高计算的效率。

道路折线之间的匹配关系较多，如1：0、1：1、1：n、m：m等。其中，1：1与1：n的匹配精度较高，m：n的匹配难度较大，耗时最长。在匹配的过程中，将m：n的情况分段进行，将其转换成1：n的方式进行线路匹配。在进行匹配的过程中，计算每一条道路的缓冲区，在缓冲地带进行查询，根据查询的结果进行计算，以提高匹配的效率。还可以将道路折线凸包，计算折线的角度。如果道路A和道路B的角度小于设定的阈值，则可以进行匹配计算，否则容易出现数据冗余，增加计算量。

2.3 空间目标匹配算法实现

道路空间匹配流程如图3所示。

图3 空间匹配流程图

可以将更新道路作为参考的外部道路数据，以“天地图·福建”现有道路图层为基础，展示更新道路的现势性，利用空间目标匹配的过程完成道路更新，并提取出属性变化的道路。将更新道路与原始道路作为原始数据，利用更新道路中的道路折线，将其生成缓冲区，再利用缓冲区对原始道路进行查询，将查询结果用F表示，如果查询结果F返回为空，则道路折线为新增道路，如果更新道路的空间查询结果为空，则需要删除道路信息；如果查询的结果不为空，则需要进行匹配计算，道路折线如果可以与查询结果的道路相匹配，则需要对数据进行属性变化的判断，如果查询结果中没有道路数据与道路折线相匹配，则道路折线是可变化的带路。分别对更新道路与原始道路进行正向与反向匹配，可以得到新增、删除的属性变化道路结果。

天地图·福建数据融合利用ArcGIS平台，对道路数据进行数据更新、数据融合、数据管理等内容处理。因此，在Visual Studio2015软件中进行空间目标匹配算法计算，使用ArcGIS Engine进行系统开发。其中，可以直接使用ITopologicalOperator和IProximityOperator接口进行缓冲区生成和空间查询，提高计算效率。同时，为了提高空间查询的效率，在匹配之前需要建立空间索引，以保证数据量具有较高的查询效率。在采用空间目标匹配算法对每一条道路进行遍历时，都需要按照指定的方式生成缓冲区，然后将缓冲器定义为几何图形，对其进行空间相交查询，得到查询的结果。

3.实验分析

为了验证上述算法的匹配精度，对福建漳州城区的道路进行空间匹配实验，通过人工判断的方式对其进行精度检验。如图4所示[7]。其中，a道路199条，b道路1100条，新增道路900条，删除道路40条，提取结果如图5所示。遗漏3条未删除，按照匹配精度公式，表示人工提取的个数；表示匹配结果的个数。根据上述的统计结果，得到匹配精度为93.5%[8]。

图5 匹配结果

本文采用的算法在跨比例尺道路数据匹配中，其精度达到93.5%。试验中1：10000道路、1：500道路存在对应关系，数据差距明显，对匹配精度的计算难度较大。在主节点道路中有明确的比例尺，且主节点道路与省级核心要素的道路较为接近，因此空间目标匹配的精度较高。

综上所述，空间目标匹配对于跨区域多尺度道路数据进行目标匹配时，线状地物空间目标匹配精度容易受到比例尺差异的影响，如果比例尺的差距较大，则匹配精度会降低，反之则会提高。

结束语：

空间目标匹配技术可以解决人工提取时所存在的多源、多尺度道路数据融合困难的问题。空间目标匹配算法不仅可以应用在道路匹配领域中，在水系线让等线状地物中同样可以起到较好的匹配效果。在天地图·福建矢量数据的建设过程中，对空间数据的匹配要求越来越高，为了可以实现对天地图·福建矢量数据快速准确的更新，不仅需要对重要地物的变化进行监测，同时还需要依靠多种技术手段实现数据的快速融合。严格按照天地图的相关规范要求，结合福建省天地图的建设要求，在应急测绘保障能力建设的基础之上，解决多源、多尺度数据协调性的问题。结果证明，空间目标匹配在天地图项目建设领域中所发挥的应用价值极高。