孫 群

信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450052

多源矢量空間數(shù)據(jù)融合處理技術(shù)研究進(jìn)展

孫 群

信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450052

矢量空間數(shù)據(jù)既是人類社會(huì)與地理環(huán)境信息的重要組成部分，也是相關(guān)社會(huì)信息的重要載體，在國(guó)民經(jīng)濟(jì)和國(guó)防現(xiàn)代化建設(shè)中起著非常重要的作用。多源矢量空間數(shù)據(jù)融合處理技術(shù)是解決多源數(shù)據(jù)在幾何位置、屬性特征等方面不一致性問題的有效方法，近年來相關(guān)的技術(shù)和應(yīng)用得到了深入發(fā)展。本文在分析二維矢量空間數(shù)據(jù)應(yīng)用所面臨問題的基礎(chǔ)上，綜述和評(píng)價(jià)了二維矢量空間數(shù)據(jù)幾何特征融合、屬性特征融合等相關(guān)理論、算法和技術(shù)的研究現(xiàn)狀，并根據(jù)目前的研究展望了其理論和應(yīng)用未來的重點(diǎn)研究方向。

矢量空間數(shù)據(jù)；同名實(shí)體匹配；屬性特征；數(shù)據(jù)融合

矢量空間數(shù)據(jù)是指與地理和空間分布有關(guān)的、反映現(xiàn)實(shí)世界各種現(xiàn)象及其變化的一類帶有空間坐標(biāo)的數(shù)據(jù)，包含了地理空間實(shí)體的幾何位置信息、空間形態(tài)信息、空間關(guān)系信息以及屬性語(yǔ)義信息等。當(dāng)前隨著矢量空間數(shù)據(jù)獲取與處理技術(shù)的迅猛發(fā)展，矢量空間數(shù)據(jù)日益增多。矢量空間數(shù)據(jù)在廣泛應(yīng)用的同時(shí)，也伴隨著一系列亟待解決的問題：

(1) 矢量空間數(shù)據(jù)生產(chǎn)時(shí)采用的地理信息標(biāo)準(zhǔn)和數(shù)據(jù)處理要求不同，造成了矢量空間數(shù)據(jù)存在許多差異性，給矢量空間數(shù)據(jù)應(yīng)用帶來諸多不便。國(guó)民經(jīng)濟(jì)眾多部門從各自需要出發(fā)，生產(chǎn)了為數(shù)眾多的矢量空間數(shù)據(jù)，由于這些數(shù)據(jù)生產(chǎn)時(shí)執(zhí)行各自的地理信息標(biāo)準(zhǔn)和數(shù)據(jù)處理要求，采用了特定的空間數(shù)據(jù)模型和空間數(shù)據(jù)存儲(chǔ)格式，給地理信息應(yīng)用帶來不便，給不同部門之間的矢量空間數(shù)據(jù)共享帶來極大困難，加大了數(shù)據(jù)生產(chǎn)成本，造成人力、物力的極大浪費(fèi)。

(2) 矢量空間數(shù)據(jù)獲取的途徑和時(shí)間不同，使矢量空間數(shù)據(jù)在內(nèi)容詳細(xì)程度和現(xiàn)勢(shì)性方面也有很大差別，導(dǎo)致所生產(chǎn)的矢量空間數(shù)據(jù)在尺度、版本、幾何位置和形狀等方面存在不一致性，影響了矢量空間數(shù)據(jù)的質(zhì)量和現(xiàn)勢(shì)性。再加上矢量空間數(shù)據(jù)生產(chǎn)周期較長(zhǎng)，矢量空間數(shù)據(jù)的更新還達(dá)不到持續(xù)、高效、動(dòng)態(tài)和準(zhǔn)確的要求。矢量空間數(shù)據(jù)的多樣、新舊不一和內(nèi)容詳略不同給數(shù)據(jù)應(yīng)用也帶來不小的困難。

多源矢量空間數(shù)據(jù)融合理論和方法是解決上述問題的有力工具，它能對(duì)多源矢量空間數(shù)據(jù)進(jìn)行空間基準(zhǔn)、數(shù)學(xué)基礎(chǔ)、尺度、內(nèi)容和空間關(guān)系的一致性處理，保證數(shù)據(jù)的一致性?；舅悸肥窍冗M(jìn)行多源數(shù)據(jù)的收集和評(píng)定，對(duì)可用的數(shù)據(jù)先進(jìn)行集成，也就是采用空間基準(zhǔn)變換、數(shù)據(jù)格式轉(zhuǎn)換以及屬性編碼對(duì)應(yīng)等手段將多源多尺度矢量空間數(shù)據(jù)集成在一起，初步完成點(diǎn)位位置、圖形形狀和內(nèi)容詳略的統(tǒng)一與協(xié)調(diào)，然后分析多源矢量空間數(shù)據(jù)在尺度、屬性和空間關(guān)系上的聯(lián)系與區(qū)別，進(jìn)行矢量空間數(shù)據(jù)幾何和屬性匹配，對(duì)相關(guān)數(shù)據(jù)進(jìn)行幾何形狀和屬性信息的修改更新，從而完成矢量空間數(shù)據(jù)幾何信息、屬性信息、空間關(guān)系的融合和一致性處理，經(jīng)檢查無誤后得到融合后的新的矢量空間數(shù)據(jù)。

多源矢量空間數(shù)據(jù)融合屬于地球空間數(shù)據(jù)融合的范疇，地球空間數(shù)據(jù)的融合研究始于20世紀(jì)60年代，地理信息系統(tǒng)的出現(xiàn)和應(yīng)用以及多源數(shù)據(jù)的使用推動(dòng)了空間數(shù)據(jù)融合研究及其應(yīng)用[1]。本文針對(duì)二維矢量空間數(shù)據(jù)的融合處理，從幾何特征融合處理、屬性特征融合處理等方面分析多源矢量空間數(shù)據(jù)融合的理論與技術(shù)發(fā)展現(xiàn)狀，并結(jié)合其面臨的機(jī)遇和挑戰(zhàn)，對(duì)多源矢量空間數(shù)據(jù)融合的未來發(fā)展做出展望。

1 幾何特征融合處理技術(shù)

幾何特征融合是多源矢量空間數(shù)據(jù)集成融合的核心內(nèi)容。幾何特征融合是解決同名地物在不同數(shù)據(jù)庫(kù)中地理位置不一致問題的關(guān)鍵技術(shù)，通常包括同名實(shí)體的識(shí)別和匹配后的調(diào)整變換兩個(gè)過程。其中，同名實(shí)體匹配就是利用相同地理實(shí)體在幾何特征、拓?fù)潢P(guān)系和語(yǔ)義信息等方面的相似性，識(shí)別不同數(shù)據(jù)庫(kù)中的同一地物，是矢量空間數(shù)據(jù)融合必然要解決的問題。匹配后的調(diào)整變換實(shí)際是進(jìn)行數(shù)據(jù)更新、編輯加工的過程，可以使空間數(shù)據(jù)內(nèi)容和質(zhì)量準(zhǔn)確可靠。

1.1 同名實(shí)體匹配

多源矢量空間數(shù)據(jù)融合的主要任務(wù)之一就是解決多源數(shù)據(jù)在幾何位置上的不一致性，主要手段就是進(jìn)行同名實(shí)體的數(shù)據(jù)匹配。同名實(shí)體匹配是依據(jù)一定的地理實(shí)體特征，計(jì)算相同地理實(shí)體在不同數(shù)據(jù)源中的相似度和差異度[2-3]，從而對(duì)其進(jìn)行識(shí)別的過程。這些特征包括地理實(shí)體的幾何特征、拓?fù)涮卣骱驼Z(yǔ)義特征等，當(dāng)前的同名實(shí)體匹配方法均是圍繞上述某個(gè)或某幾個(gè)特征展開的。同名實(shí)體匹配研究最早始于美國(guó)人口調(diào)查局和地質(zhì)測(cè)量局合作開發(fā)的地圖自動(dòng)合并系統(tǒng)[4]。隨著研究的不斷深入，各種新穎的算法與智能算法思路的引入層出不窮，大大提高了算法結(jié)果的精度。

1.1.1 基于幾何特征的匹配方法

基于地理要素的幾何特征進(jìn)行同名實(shí)體匹配的算法，是所有匹配算法中最基本和最常用的算法，利用幾何特征進(jìn)行同名實(shí)體匹配的原理是：通過度量地理要素的一個(gè)或幾個(gè)幾何特征的相似度，利用先前設(shè)置的閾值來判斷是否屬于同名地理要素。不同方法之間的差異主要體現(xiàn)在幾何特征與匹配單位的選擇以及相似度的判斷方式等方面。

常見的幾何特征包括地理要素之間的距離、形狀描述、方向趨勢(shì)等，不同匹配算法對(duì)這些幾何特征的數(shù)學(xué)描述上面略有差異。如點(diǎn)實(shí)體匹配多采用距離(歐幾里得距離)指標(biāo)量衡量匹配對(duì)象間的相似度，如位置最近算法[5]、相互位置最近算法[6]等。線實(shí)體常用的匹配幾何相似度指標(biāo)包括距離、長(zhǎng)度、方向、最大弦、組成面積等。其中空間距離是進(jìn)行線實(shí)體匹配最常用的指標(biāo)，如文獻(xiàn)[7—9]采用Hausdorff距離，文獻(xiàn)[10]采用L2距離，文獻(xiàn)[11—13]采用Fréchet距離，如圖1所示；面實(shí)體匹配則多利用面要素的形狀特征進(jìn)行，主要包括面積、曲率、轉(zhuǎn)折點(diǎn)、不變距與實(shí)心度等。

圖1 Fréchet距離的定義Fig.1 The definition of Fréchet distance

在相似度的計(jì)算和度量方面，可以將不同的相似度計(jì)算轉(zhuǎn)換為概率計(jì)算[14]，也可以將不同路段相似性度量轉(zhuǎn)換為結(jié)點(diǎn)到路段的距離[15]，還有的是基于典型地物與待匹配點(diǎn)空間關(guān)系的匹配算法[16]。

此外，在進(jìn)行線要素的匹配時(shí)，有基于緩沖區(qū)重疊的方式，即以匹配線段為基準(zhǔn)建立緩沖區(qū)，以待匹配的線段落入該緩沖區(qū)范圍的長(zhǎng)度判斷兩者是否為同名實(shí)體，利用緩沖區(qū)增長(zhǎng)法進(jìn)行了道路網(wǎng)匹配[17-20]。在匹配基本單位的選擇方面，大部分學(xué)者都使用以“節(jié)點(diǎn)-弧段”的方式進(jìn)行匹配[15,21-24]；而有些學(xué)者則提出了基于全局一致性的匹配思路，摒棄了結(jié)點(diǎn)或弧段作基本匹配單元的做法，根據(jù)道路網(wǎng)結(jié)構(gòu)，以道路stroke作為基本單元[25]；還有學(xué)者是將道路數(shù)據(jù)劃分為路徑、路段和線段3個(gè)等級(jí)分別進(jìn)行匹配[7]。隨著智能仿真算法的發(fā)展，也有學(xué)者將其應(yīng)用到同名實(shí)體匹配中，利用蟻群智能算法，將道路網(wǎng)匹配問題轉(zhuǎn)換為全局尋優(yōu)的數(shù)學(xué)優(yōu)化問題，在度量目標(biāo)間的相似性時(shí)利用了距離和拓?fù)浣Y(jié)構(gòu)[26]；還有個(gè)別學(xué)者提出了利用多元Logistic回歸模型匹配算法[27]。

面實(shí)體匹配是近些年來同名實(shí)體匹配研究的熱點(diǎn)和難點(diǎn)，引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。面實(shí)體匹配的方法很多，如基于影像的面狀水體提取方法和基于模糊理論的面實(shí)體匹配方法[28-29]；從降維和傅里葉變化的角度出發(fā)，通過提取能反映居民地主要特征的骨架線，把多源面狀居民地之間的匹配轉(zhuǎn)化為線的匹配方法[30]；采用不變矩的矢量面目標(biāo)匹配方法[31]；通過綜合多種面實(shí)體幾何相似度指標(biāo)，如位置、形狀、大小、方向等，進(jìn)而加權(quán)評(píng)分計(jì)算總相似度對(duì)面實(shí)體進(jìn)行匹配[32-35]；采用拓?fù)淦ヅ渑c空間相似性匹配相結(jié)合的方法，將兩種方法進(jìn)行順序、雙向和循環(huán)運(yùn)用，有效解決實(shí)體對(duì)象1∶1、1∶M、N∶M等的匹配方法[36]；將中誤差引入面實(shí)體匹配的過程，利用面實(shí)體的空間臨近關(guān)系，通過兩次匹配優(yōu)化面實(shí)體匹配結(jié)果的方法[37]。綜合上面所提到的面實(shí)體匹配方法，都可歸納成為以下4類：基于位置鄰近度的相似性匹配方法、基于疊置面積的相似性匹配方法、基于形狀的相似性匹配方法、綜合因素的面實(shí)體匹配方法。

1.1.2 基于拓?fù)涮卣鞯钠ヅ浞椒?/p>

拓?fù)淦ヅ涫且阅繕?biāo)實(shí)體與待匹配實(shí)體之間的拓?fù)涮卣飨嗨贫茸鳛槠ヅ湟罁?jù)。拓?fù)潢P(guān)系是最基本的空間關(guān)系，具有在幾何變換下不變的特點(diǎn)和性質(zhì)。常見的拓?fù)潢P(guān)系主要包括：鄰接、關(guān)聯(lián)、包含等，在同名實(shí)體匹配中可以利用這些拓?fù)湫畔?。例如，在線實(shí)體匹配過程中，可以先進(jìn)行節(jié)點(diǎn)匹配，再確定與節(jié)點(diǎn)相關(guān)聯(lián)弧段的匹配關(guān)系[38-39]。由于拓?fù)潢P(guān)系的特點(diǎn)，拓?fù)淦ヅ渫ǔＥc幾何匹配結(jié)合在一起使用，很少獨(dú)立使用?；诳臻g關(guān)系相似性的面狀居民地匹配算法[40]，以初始匹配居民地為參照物對(duì)目標(biāo)面狀居民地與待匹配面狀居民地之間的拓?fù)潢P(guān)系、方向關(guān)系和距離關(guān)系進(jìn)行形式化表達(dá)，提出了由于該方法是依據(jù)已匹配對(duì)象確定未匹配對(duì)象，因此，初始匹配居民地的選擇是此方法的關(guān)鍵。利用拓?fù)浜涂臻g相似性的面實(shí)體匹配方法[41]，它綜合考慮了面實(shí)體的拓?fù)涮卣髋c幾何特征，與僅利用拓?fù)涮卣骰蛘邘缀翁卣鞯南嗨菩云ヅ浞椒ㄏ啾?，該方法不僅能夠解決一對(duì)多、多對(duì)多的匹配問題，而且具有較好的匹配效果。該方法的不足之處是匹配方法涉及的閾值和權(quán)重的設(shè)置存在主觀性因素。

1.1.3 基于屬性特征的匹配方法

此外，還有基于地理要素的屬性信息進(jìn)行同名實(shí)體匹配的方法，其原理是利用不同數(shù)據(jù)源對(duì)相同地理現(xiàn)象的基本性質(zhì)描述相同或相近的特點(diǎn)。例如，在同一區(qū)域的海圖和陸圖數(shù)據(jù)中，兩個(gè)三角點(diǎn)名稱的屬性值都是“西蟹峙”，僅利用三角點(diǎn)的名稱就可以確定兩者為同名實(shí)體。文獻(xiàn)[42]設(shè)計(jì)實(shí)現(xiàn)了一個(gè)土地利用的地理本體，用于計(jì)算屬性之間的相似度。文獻(xiàn)[43]采用中文近似字符串匹配算法BPM-BM進(jìn)行了地名數(shù)據(jù)匹配。文獻(xiàn)[44]針對(duì)傳統(tǒng)地名匹配算法的不足，提出了漢字地名專名相似度計(jì)算方法與漢語(yǔ)地名通名語(yǔ)義相似度計(jì)算方法。由于不同數(shù)據(jù)源屬性信息可能存在較大的差別或?qū)傩孕畔㈦y以保證完整性，因此基于屬性信息的匹配方法并不多用，很多時(shí)候是作為一個(gè)匹配特征同幾何特征與拓?fù)涮卣鞴餐褂谩?/p>

1.2 幾何位置調(diào)整

幾何位置調(diào)整是對(duì)多源數(shù)據(jù)進(jìn)行選取、化簡(jiǎn)、更新、關(guān)系協(xié)調(diào)等操作在內(nèi)的加工整合，最終得到新的、質(zhì)量更高的數(shù)據(jù)。矢量空間數(shù)據(jù)經(jīng)過數(shù)據(jù)集成和匹配，不同來源的數(shù)據(jù)之間并沒有發(fā)生實(shí)質(zhì)的相互作用，仍保持著其各自的數(shù)據(jù)特征。要使空間數(shù)據(jù)產(chǎn)生“質(zhì)”的飛躍，必須進(jìn)行數(shù)據(jù)調(diào)整變換。目前關(guān)于匹配后的位置調(diào)整等融合處理操作的研究不多，主要的方法如下。

1.2.1 基于同名點(diǎn)三角剖分的地物調(diào)整方法

1988年，Saalfeld首次提出了基于同名點(diǎn)三角剖分的地物調(diào)整方法[45-46]。該算法首先使用基于點(diǎn)實(shí)體匹配算法所得的匹配點(diǎn)分別在首先將同一地區(qū)不同來源的圖形數(shù)據(jù)中建立拓?fù)渫瑯?gòu)的Delaunay三角網(wǎng)，然后在各個(gè)三角形子區(qū)域內(nèi)建立坐標(biāo)轉(zhuǎn)換方程，再根據(jù)頂點(diǎn)坐標(biāo)求解相關(guān)參數(shù)后將三角形內(nèi)所有點(diǎn)進(jìn)行坐標(biāo)變換。但是由于同一個(gè)頂點(diǎn)可能存在于多個(gè)三角形中，該點(diǎn)需要在每一個(gè)三角形中都經(jīng)過上述變換，會(huì)出現(xiàn)節(jié)點(diǎn)處扭曲的問題。針對(duì)該問題，文獻(xiàn)[47]提出了帶邊界約束的三角網(wǎng)剖分和帶權(quán)重的三角網(wǎng)剖分等改進(jìn)算法。文獻(xiàn)[48]分別在影像數(shù)據(jù)和矢量數(shù)據(jù)中建立Delaunay三角網(wǎng)，然后通過匹配同名特征點(diǎn)的方法建立兩種數(shù)據(jù)的位移關(guān)系，如圖2所示。

1.2.2 基于拓?fù)潢P(guān)系的合并變換算法

該算法將點(diǎn)實(shí)體分為“已調(diào)整點(diǎn)”和“待調(diào)整點(diǎn)”，其中“已調(diào)整點(diǎn)”是成功匹配到同名點(diǎn)的數(shù)據(jù)，其坐標(biāo)由相應(yīng)的同名點(diǎn)確定(加權(quán)平均坐標(biāo)或直接調(diào)整到對(duì)應(yīng)點(diǎn))，“待調(diào)整點(diǎn)”是未匹配到同名點(diǎn)的點(diǎn)。其算法認(rèn)為“待調(diào)整點(diǎn)”的幾何位置變換關(guān)系受“已調(diào)整點(diǎn)”的影響，因此該算法的重點(diǎn)就是確定“待調(diào)整點(diǎn)”受哪些“已調(diào)整點(diǎn)”的影響及其影響大小。很顯然，該算法重點(diǎn)在于“待調(diào)整點(diǎn)”的位置坐標(biāo)變換，但其根本在于“已調(diào)整點(diǎn)”的位置精度，但其“已調(diào)整點(diǎn)”的位置變換則過于簡(jiǎn)單[49-50]。

1.2.3 基于平差原理的地物調(diào)整方法

該算法首先將同一地區(qū)不同來源的圖形數(shù)據(jù)分為“調(diào)整圖”和“參照?qǐng)D”，然后根據(jù)“調(diào)整圖”和“參照?qǐng)D”中的同名匹配點(diǎn)對(duì)建立坐標(biāo)位移變換方程[51]。為了計(jì)算其中的坐標(biāo)調(diào)整量(即平差改正數(shù))，算法設(shè)計(jì)了坐標(biāo)移位方程、形狀方程、相對(duì)位移方程和其他方程(面積方程、平行線方程、線段長(zhǎng)度方程、鄰近實(shí)體距離方程等)，然后采用約束違反定權(quán)法確定相應(yīng)約束的違反值，最后聯(lián)立方程組，采用按照間接平差的最小二乘解法求得坐標(biāo)調(diào)整量。

在大學(xué)英語(yǔ)教學(xué)改革的浪潮下，大學(xué)英語(yǔ)后續(xù)課程已經(jīng)成為眾多高校的課程建設(shè)目標(biāo)，尤其是重點(diǎn)大學(xué)。大學(xué)英語(yǔ)后續(xù)課程是大學(xué)英語(yǔ)基礎(chǔ)階段（一、二年級(jí)）的延伸和拓展，是學(xué)校根據(jù)學(xué)生需求和社會(huì)需求給四級(jí)后的學(xué)生開設(shè)的各類大學(xué)英語(yǔ)應(yīng)用提高階段的課程[3]。為了順應(yīng)時(shí)代發(fā)展，符合學(xué)生個(gè)性化發(fā)展，滿足學(xué)生自我需求，地方本科院校對(duì)大學(xué)英語(yǔ)后續(xù)課程進(jìn)行需求分析是必然之路。本文將從實(shí)證角度出發(fā)，基于學(xué)生需求探討本科院校大學(xué)英語(yǔ)后續(xù)課程建設(shè)的必要性，從而為后續(xù)課程建設(shè)提供參考依據(jù)。

1.2.4 基于多評(píng)價(jià)因素的調(diào)整變換算法

該算法選擇要素對(duì)周圍地物的影響度、要素位置的準(zhǔn)確度和要素在不同來源數(shù)據(jù)中的重要性對(duì)地物要素進(jìn)行綜合評(píng)價(jià)并確定影響權(quán)重，然后為了綜合不同評(píng)價(jià)因素的影響，采用加權(quán)平均的方法實(shí)現(xiàn)同名要素的合并變換[52-53]。

由以上幾個(gè)調(diào)整變換算法可以看出，空間實(shí)體調(diào)整變換通常是根據(jù)實(shí)體匹配結(jié)果，將整個(gè)待調(diào)整區(qū)域劃分為幾個(gè)子區(qū)域，然后在各個(gè)子區(qū)域內(nèi)建立局部的坐標(biāo)變換關(guān)系，進(jìn)而實(shí)現(xiàn)不同來源空間實(shí)體對(duì)象的調(diào)整變換。此外，文獻(xiàn)[54]根據(jù)“數(shù)據(jù)同化”的思想，提出了基于最優(yōu)插值的點(diǎn)集合并算法和線要素合并算法，效果顯著。

2 屬性特征融合處理技術(shù)

多源矢量空間數(shù)據(jù)屬性特征融合的研究重點(diǎn)是不同語(yǔ)義之間的匹配問題，即發(fā)現(xiàn)或計(jì)算不同來源數(shù)據(jù)的語(yǔ)義映射關(guān)系或相似度。對(duì)于語(yǔ)義匹配而言，其匹配算法的核心是計(jì)算屬性信息之間的相似度，包括基于字符串的方式和基于詞典的方式，后者主要利用已有的詞典識(shí)別出詞與詞之間是否近義或存在上下文關(guān)系等。在屬性內(nèi)容融合方面，矢量數(shù)據(jù)間的屬性融合主要通過屬性字段的映射轉(zhuǎn)換進(jìn)行，常用的方法有基于轉(zhuǎn)換規(guī)則的方法和基于語(yǔ)義匹配的轉(zhuǎn)換方法。

2.1 基于映射轉(zhuǎn)換規(guī)則的屬性融合

該方法主要通過建立不同源數(shù)據(jù)間的要素分類分級(jí)映射規(guī)則和屬性特征項(xiàng)轉(zhuǎn)換規(guī)則，實(shí)現(xiàn)語(yǔ)義層次上的屬性特征關(guān)系映射和源數(shù)據(jù)集到目標(biāo)數(shù)據(jù)集的屬性特征項(xiàng)轉(zhuǎn)換，進(jìn)而完成數(shù)據(jù)屬性融合。文獻(xiàn)[55]在深入了解Shapefile數(shù)據(jù)和地理信息交換數(shù)據(jù)的屬性表結(jié)構(gòu)以及屬性數(shù)據(jù)內(nèi)容特點(diǎn)后，建立了包含實(shí)體間編碼和屬性字段對(duì)應(yīng)關(guān)系的邏輯控制模型，實(shí)現(xiàn)了Shapefile數(shù)據(jù)和地理信息交換數(shù)據(jù)的屬性數(shù)據(jù)轉(zhuǎn)換與融合。文獻(xiàn)[56]在介紹國(guó)外空間數(shù)據(jù)語(yǔ)義差異的基礎(chǔ)上，提出了基于外部控制表的語(yǔ)義轉(zhuǎn)換方法，能夠解決同一存儲(chǔ)格式不同語(yǔ)義編碼的數(shù)據(jù)轉(zhuǎn)換。文獻(xiàn)[57]根據(jù)標(biāo)準(zhǔn)地理數(shù)據(jù)格式建立了地理要素重分類分層與編碼轉(zhuǎn)換映射表，實(shí)現(xiàn)了CASS DWG數(shù)據(jù)的“無損轉(zhuǎn)換”和標(biāo)準(zhǔn)化轉(zhuǎn)換入庫(kù)?；谟成滢D(zhuǎn)換的方法，需要制圖專家的參與，協(xié)助制定這些轉(zhuǎn)換規(guī)則，是屬于半自動(dòng)化的轉(zhuǎn)換。

2.2 基于地理本體的屬性融合

基于地理本體的屬性特征融合是近年來該問題的研究重要之一，涌現(xiàn)出了許多成果。該方法通過本體來描述異構(gòu)數(shù)據(jù)源間的語(yǔ)義，包括單一本體、多本體和混合本體等方式[58]。文獻(xiàn)[59]利用字符串和語(yǔ)義詞典相結(jié)合的方法進(jìn)行語(yǔ)義匹配，對(duì)Schema中元素的名稱進(jìn)行分詞、去詞綴、擴(kuò)展縮寫等處理，在處理過程中以詞典作為參考，然后通過字符串比較計(jì)算相似度。文獻(xiàn)[60]提出了一個(gè)面向一般圖的語(yǔ)義相似度計(jì)算算法。文獻(xiàn)[61]研究了地理本體的概念映射、語(yǔ)義互操作、形式化概念分析及概念格等多個(gè)方面。文獻(xiàn)[62]比較了描述層次的XML、謂詞邏輯層次的CML以及更復(fù)雜、形式化程度更高的只是交換格式KIF等本體語(yǔ)言。文獻(xiàn)[63]通過地理本體實(shí)現(xiàn)了不同數(shù)據(jù)間的屬性信息融合，并以水系要素中的“干出灘”類為例進(jìn)行了實(shí)例研究。文獻(xiàn)[64]利用支持雙向映射的混合本體模式來解決全局本體與各應(yīng)用本體之間的沖突，實(shí)現(xiàn)數(shù)據(jù)的語(yǔ)義集成，有效克服了數(shù)據(jù)間語(yǔ)義異質(zhì)性問題。文獻(xiàn)[65]利用本體模型通過karma工具對(duì)不同來源的結(jié)構(gòu)化地理信息進(jìn)行語(yǔ)義映射及異構(gòu)性消除，然后對(duì)數(shù)據(jù)中不同特征進(jìn)行相似度計(jì)算，利用機(jī)器學(xué)習(xí)方法行訓(xùn)練，進(jìn)而實(shí)現(xiàn)多源數(shù)據(jù)的融合。文獻(xiàn)[66]采用多本體模式構(gòu)建了一種基于本體的地理信息集成框架，通過等級(jí)和角色的使用。該地理本體模式有效表達(dá)了現(xiàn)實(shí)世界的等級(jí)結(jié)構(gòu)和地理實(shí)體的不同特征，實(shí)現(xiàn)了不同細(xì)節(jié)層次之間和不同領(lǐng)域本體網(wǎng)絡(luò)之間的聯(lián)系。

在語(yǔ)義匹配領(lǐng)域，也取得了很多成果。文獻(xiàn)[67]提出了一種面向?qū)ο蟮钠ヅ浞椒ǎ帽倔w進(jìn)行地理信息建模，不僅能夠維持空間對(duì)象拓?fù)潢P(guān)系，還考慮了語(yǔ)義的一致性。文獻(xiàn)[68]提出了一種基于網(wǎng)格服務(wù)的語(yǔ)義匹配方法，通過建立相關(guān)領(lǐng)域的本體庫(kù)從而為服務(wù)功能的語(yǔ)義匹配提供支持。文獻(xiàn)[69]提出了語(yǔ)義相似度的計(jì)算方法，并利用模糊層次聚類的方法得出匹配的最終結(jié)果，文獻(xiàn)[70]提出了顧及通名語(yǔ)義的漢語(yǔ)地名相似度匹配算法?？傮w來講，目前語(yǔ)義匹配的研究多是基于地理本體的相關(guān)研究?jī)?nèi)容而展開，并取得了許多實(shí)用成果。

隨著互聯(lián)網(wǎng)技術(shù)和移動(dòng)通信技術(shù)的發(fā)展，具有地理標(biāo)識(shí)的非傳統(tǒng)空間數(shù)據(jù)(如簽到數(shù)據(jù)、社交媒體數(shù)據(jù)、新聞文本數(shù)據(jù)、多媒體數(shù)據(jù)等)大量產(chǎn)生，開始發(fā)揮著越來越重要作用，如果將位置作為一種空間維度標(biāo)準(zhǔn)與現(xiàn)有矢量數(shù)據(jù)進(jìn)行融合，將極大豐富空間數(shù)據(jù)的屬性內(nèi)涵。

3 多源矢量空間數(shù)據(jù)融合面臨的挑戰(zhàn)

多源矢量空間數(shù)據(jù)融合技術(shù)是利用多源數(shù)據(jù)進(jìn)行地圖生產(chǎn)與更新的有效手段。但是，隨著數(shù)據(jù)獲取方式的發(fā)展、數(shù)據(jù)形式的變化、地圖生產(chǎn)與更新需求的改進(jìn)，多源矢量空間數(shù)據(jù)融合技術(shù)的發(fā)展面臨著一系列新的問題，需要進(jìn)一步的研究。

(1) 基礎(chǔ)理論研究需要進(jìn)一步加強(qiáng)。多源矢量空間數(shù)據(jù)融合的理論和方法處于起步研究階段，還有大量工作需要研究。如上面所述，其主要研究的是多源空間數(shù)據(jù)在屬性和幾何位置上更深層次的相互印證、相互補(bǔ)充、相互關(guān)聯(lián)和相互匹配處理。而當(dāng)前無論是從理論還是實(shí)踐上來看都還沒有形成完整的理論和技術(shù)體系。研究者們對(duì)矢量空間數(shù)據(jù)差異性的具體表現(xiàn)和產(chǎn)生的地學(xué)根源很少研究；對(duì)于矢量空間數(shù)據(jù)集成與融合處理過程中所遵循的各種規(guī)則和標(biāo)準(zhǔn)研究的不斷深入。

(2) 技術(shù)手段需要交叉融合。多源矢量空間數(shù)據(jù)融合處理研究主要包括空間數(shù)據(jù)幾何信息，屬性信息融合處理的規(guī)則、算法研究，多源空間數(shù)據(jù)尺度的融合處理研究等。當(dāng)前的研究往往集中在上述的某一個(gè)方面，而沒有從整體和全局的角度去研究空間數(shù)據(jù)融合，各個(gè)研究部分之間缺乏聯(lián)系與配合，整個(gè)過程缺乏有效的控制。另外，目前空間實(shí)體的幾何相似性度量模型還不是很完善，大多數(shù)模型沒有考慮空間數(shù)據(jù)多尺度的特點(diǎn)；多尺度空間數(shù)據(jù)匹配的規(guī)則目前還沒有深入的研究；語(yǔ)義相似性度量模型大多是基于語(yǔ)義距離的模型，其主要問題是邊權(quán)值的確定還沒有一個(gè)具體的標(biāo)準(zhǔn)。

(3) 需要開展多源矢量空間數(shù)據(jù)尺度融合處理研究。描述空間實(shí)體幾何形狀或者屬性信息的詳細(xì)程度在地學(xué)領(lǐng)域則被稱之為“尺度”或者“分辨率”，在地圖學(xué)領(lǐng)域?qū)⑵浞Q之為“比例尺”。本文中，“尺度”的概念擴(kuò)展到屬性信息表達(dá)的詳細(xì)程度，即空間數(shù)據(jù)尺度融合處理的不僅包括幾何形狀的融合處理，而且包括屬性信息的融合處理。多源矢量空間數(shù)據(jù)尺度融合處理研究主要包括兩個(gè)方面的內(nèi)容：①利用自動(dòng)制圖綜合技術(shù)來解決多源矢量空間數(shù)據(jù)在幾何尺度上的差異性，這是由大比例尺數(shù)據(jù)派生小比例尺數(shù)據(jù)所不可避免的問題。重點(diǎn)研究實(shí)用性較好、效率較高的線與面化簡(jiǎn)算法、雙線中軸線的提取算法、面轉(zhuǎn)化為點(diǎn)的算法、面合并的算法等；②研究具有不同尺度矢量數(shù)據(jù)中屬性信息(即描述空間實(shí)體的屬性信息采用不同的詳細(xì)程度)融合的方法。主要解決兩個(gè)層面的問題：一是當(dāng)空間數(shù)據(jù)的幾何尺度發(fā)生變化后，就有可能需要對(duì)原有的某些屬性信息進(jìn)行聚類、歸并和重新修改填補(bǔ)；二是當(dāng)多個(gè)空間數(shù)據(jù)集的幾何尺度基本一致，而屬性信息的詳細(xì)程度不一致時(shí)，就需要通過幾何匹配和屬性匹配技術(shù)找到同名實(shí)體，然后進(jìn)行屬性信息的相互印證和相互補(bǔ)充。通過行之有效的多源矢量空間數(shù)據(jù)幾何特征融合、屬性特征融合以及尺度融合處理研究，檢測(cè)矢量空間數(shù)據(jù)的局部變化，有效實(shí)現(xiàn)矢量空間數(shù)據(jù)的持續(xù)和快速更新。

4 結(jié)束語(yǔ)

隨著各種地理信息服務(wù)的普及化和大眾化，地理信息數(shù)據(jù)的制作門檻在不斷降低，可用的數(shù)據(jù)資料變得數(shù)量越來越多、種類越來越繁雜。為了能夠使地理信息數(shù)據(jù)在保持精準(zhǔn)的同時(shí)，還能夠做到“與時(shí)俱進(jìn)”，需要能夠科學(xué)合理地利用數(shù)據(jù)資料，博采眾家之長(zhǎng)。多源矢量空間數(shù)據(jù)融合處理技術(shù)必須加快發(fā)展，迎接挑戰(zhàn)。本文基于對(duì)近年來多源矢量空間數(shù)據(jù)融合處理關(guān)鍵技術(shù)研究的總結(jié)，對(duì)幾何特征融合處理、屬性特征融合處理等所涉及的理論問題、技術(shù)算法等方面作了分析和總結(jié)，最后指出了多源矢量空間數(shù)據(jù)融合存在的問題及發(fā)展趨勢(shì)。

[1] 陳換新, 劉棟永, 徐明世, 等. 空間數(shù)據(jù)融合的框架流程及發(fā)展現(xiàn)狀研究[J]. 地理信息世界, 2013, 20(5): 26-31.

CHEN Huanxin, LIU Dongyong, XU Mingshi, et al. Research on the Flowline and Status of Spatial Data Fusion[J]. Geomatics World, 2013, 20(5): 26-31.

[2] 郝燕玲, 唐文靜, 趙玉新, 等. 基于空間相似性的面實(shí)體匹配算法研究[J]. 測(cè)繪學(xué)報(bào), 2008, 37(4): 501-506.

HAO Yanling, TANG Wenjing, ZHAO Yuxin, et al. Areal Feature Matching Algorithm Based on Spatial Similarity[J]. Acta Geodaetica et Cartographica Sinica, 2008, 37(4): 501-506.

[3] 趙彬彬, 鄧敏, 徐震, 等. 多尺度地圖面目標(biāo)匹配的統(tǒng)一規(guī)則研究[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2011, 36(8): 991-994.

ZHAO Binbin, DENG Min, XU Zhen, et al. Development of General Rules for Matching Multi-scale Area Objects[J]. Geomatics and Information Science of Wuhan University, 2011, 36(8): 991-994.

[4] SAALFELD A. Conflation Automated Map Compilation[J]. International Journal of Geographical Information Systems, 1988, 2(3): 217-228.

[5] 張橋平, 李德仁, 龔健雅. 地圖合并技術(shù)[J]. 測(cè)繪通報(bào), 2001(7): 6-8.

ZHANG Qiaoping, LI Deren, GONG Jianya. Map Conflation[J]. Bulletin of Surveying and Mapping, 2001(7): 6-8.

[6] BEERI C, KANZA Y, SAFRA E, et al. Object Fusion in Geographic Information Systems[C]∥Proceedings of the Thirtieth International Conference on Very Large Data Bases. [S.l.]: VLDB Endowment, 2004: 816-827.

[7] 胡云崗, 陳軍, 趙仁亮, 等. 地圖數(shù)據(jù)縮編更新中道路數(shù)據(jù)匹配方法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2010, 35(4): 451-456.

HU Yungang, CHEN Jun, ZHAO Renliang, et al. Matching of Roads under Different Scales for Updating Map Data[J]. Geomatics and Information Science of Wuhan University, 2010, 35(4): 451-456.

[8] TONG Xiaohua, LIANG Dan, JIN Yanmin. A Linear Road Object Matching Method for Conflation Based on Optimization and Logistic Regression[J]. International Journal of Geographical Information Science, 2014, 28(4): 824-846.

[9] MIN D, ZHILIN L, XIAOYONG C. Extended Hausdorff Distance for Spatial Objects in GIS[J]. International Journal of Geographical Information Science, 2007, 21(4): 459-475.

[10] SAALFELD A. Automated Map Conflation[D]. Washington: University of Maryland, 1993.

[11] 邵世維, 劉輝, 肖立霞, 等. 一種Frechet距離的復(fù)雜線狀要素匹配方法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2016. DOI: 10.13203/j.whugis20150677.

SHAO Shiwei, LIU Hui, XIAO Lixia, et al. An Complicated Linear Element-matching Algorithm Using Frechet Distance[J]. Geomatics and Information Science of Wuhan University, 2016. DOI: 10.13203/j.whugis20150677.

[12] 孫群. 空間數(shù)據(jù)相似性研究的若干基本問題[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2013, 30(5): 439-442.

SUN Qun. Research on Some Fundamental Issues of Spatial Data Similarity[J]. Journal of Geomatics Science and Technology, 2013, 30(5): 439-442.

[13] SONG X F, RAGHAVAN V, YOSHIDA D. Matching of Vehicle GPS Traces with Urban Road Networks[J]. Current Science, 2010, 98(12): 1592-1598.

[14] 童小華, 鄧愫愫, 史文中. 基于概率的地圖實(shí)體匹配方法[J]. 測(cè)繪學(xué)報(bào), 2007, 36(2): 210-217.

TONG Xiaohua, DENG Susu, SHI Wenzhong. A Probabilistic Theory-based Matching Method[J]. Acta Geodaetica et Cartographica Sinica, 2007, 36(2): 210-217.

[15] 陳玉敏, 龔健雅, 史文中. 多尺度道路網(wǎng)的距離匹配算法研究[J]. 測(cè)繪學(xué)報(bào), 2007, 36(1): 84-90.

CHEN Yumin, GONG Jianya, SHI Wenzhong. A Distance-based Matching Algorithm for Multi-scale Road Networks[J]. Acta Geodaetica et Cartographica Sinica, 2007, 36(1): 84-90.

[16] 溫伯威, 闞映紅, 馬京振. 利用地標(biāo)空間關(guān)系約束的點(diǎn)實(shí)體匹配方法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2015, 32(3): 326-330.

WEN Bowei, KAN Yinghong, MA Jingzhen. Point Entity Matching Method Based on Spatial Relation Constraint of Landmark[J]. Journal of Geomatics Science and Technology, 2015, 32(3): 326-330.

[17] 安曉亞, 孫群, 肖強(qiáng), 等. 一種形狀多級(jí)描述方法及在多尺度空間數(shù)據(jù)幾何相似性度量中的應(yīng)用[J]. 測(cè)繪學(xué)報(bào), 2011, 40(4): 495-501.

AN Xiaoya, SUN Qun, XIAO Qiang, et al. A Shape Multilevel Description Method and Application in Measuring Geometry Similarity of Multi-scale Spatial Data[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(4): 495-501.

[18] MANTEL D, LIPECK U. Matching Cartographic Objects in Spatial Databases[C]∥ISPRS Vol. XXXV, ISPRS Congress, Commission. Istanbul, Turkey: ISPRS, 2004.

[19] ZHANG Meng, SHI Wei, MENG Liqiu. A Generic Matching Algorithm for Line Networks of Different Resolutions[C]∥Proceedings of the 8th ICA Workshop on Generalization and Multiple Representation. A Corua, Spain: Computering Faculty of A Coruna, 2005.

[20] 劉海龍, 錢海忠, 黃智深, 等. 采用Stroke層次結(jié)構(gòu)模型的道路網(wǎng)匹配方法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2013, 30(6): 647-651, 657.

LIU Hailong, QIAN Haizhong, HUANG Zhishen, et al. Road Network Matching Method with Stroke-hierarchical Model[J]. Journal of Geomatics Science and Technology, 2013, 30(6): 647-651, 657.

[21] 趙東保, 盛業(yè)華. 全局尋優(yōu)的矢量道路網(wǎng)自動(dòng)匹配方法研究[J]. 測(cè)繪學(xué)報(bào), 2010, 39(4): 416-421.

ZHAO Dongbao, SHENG Yehua. Research on Automatic Matching of Vector Road Networks Based on Global Optimization[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(4): 416-421.

[22] 安曉亞, 孫群, 尉伯虎. 利用相似性度量的不同比例尺地圖數(shù)據(jù)網(wǎng)狀要素匹配算法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2012, 37(2): 224-228, 241.

AN Xiaoya, SUN Qun, WEI Bohu. Feature Matching from Network Data at Different Scales Based on Similarity Measure[J]. Geomatics and Information Science of Wuhan University, 2012, 37(2): 224-228, 241.

[23] GABAY Y, DOYTSHER Y. Automatic Adjustment of Line Maps[C]∥Proceedings of GIS/LIS’94 Annual Convention. Phoenix, Arizona: American Congress on Surveying and Mapping, American Society for Photogrammetry and Remote Sensing, Association of American Geographers, Urban and Regional Information Systems Association, and AM/FM International, 1994: 333-341.

[24] VOLZ S. An Interactive Approach for Matching Multiple Representations of Street Data[C]∥HAMPE M, SESTER M, HARRIE L. Proceedings of the Joint ISPRS Workshop on Multiple Representations and Interoperability of Spatial Data. Hannover, Germany: ISPRS, 2006, 36: 22-24.

[25] 翟仁健. 基于全局一致性評(píng)價(jià)的多尺度矢量空間數(shù)據(jù)匹配方法研究[D]. 鄭州: 信息工程大學(xué), 2011.

ZHAI Renjian. Research on Automated Matching Methods for Multi-Scale Vector Spatial Data Based on Global Consistency Evaluation[D]. Zhengzhou: Information Engineering University, 2011.

[26] 鞏現(xiàn)勇, 武芳, 姬存?zhèn)? 等. 道路網(wǎng)匹配的蟻群算法求解模型[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2014, 39(2): 191-195.

GONG Xianyong, WU Fang, JI Cunwei, et al. Ant Colony Optimization Approach to Road Network Matching[J]. Geomatics and Information Science of Wuhan University, 2014, 39(2): 191-195.

[27] 付仲良, 楊元維, 高賢君, 等. 利用多元Logistic回歸進(jìn)行道路網(wǎng)匹配[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2016, 41(2): 171-177.

FU Zhongliang, YANG Yuanwei, GAO Xianjun, et al. Road Networks Matching Using Multiple Logistic Regression[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 171-177.

[28] 安曉亞, 孫群, 楊云, 等. 一種利用主動(dòng)輪廓模型和矢量數(shù)據(jù)的遙感影像面狀水體提取方法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2013, 38(10): 1152-1157.

AN Xiaoya, SUN Qun, YANG Yun, et al. A Method for Extracting Area Water Body from Remote Sensing Images Using Active Contour Model and Vector Data[J]. Geomatics and Information Science of Wuhan University, 2013, 38(10): 1152-1157.

[29] 葉亞琴, 萬波, 陳波. 基于成分關(guān)聯(lián)區(qū)域相似度的面實(shí)體模糊匹配算法[J]. 地球科學(xué)：中國(guó)地質(zhì)大學(xué)學(xué)報(bào), 2010, 35(3): 385-390.

YE Yaqin, WAN Bo, CHEN Bo. The Fuzzy Match Algorithm between Area Object Considering Associated Area Similarities[J]. Earth Science：Journal of China University of Geosciences, 2010, 35(3): 385-390.

[30] 黃智深, 錢海忠, 王驍, 等. 基于降維技術(shù)的面狀居民地匹配方法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2012, 29(1): 75-78.

HUANG Zhishen, QIAN Haizhong, WANG Xiao, et al. Dimension Decrease-oriented Habitation Matching Method[J]. Journal of Geomatics Science and Technology, 2012, 29(1): 75-78.

[31] 溫伯威, 孫群, 馬超, 等. 一種采用不變矩的矢量面目標(biāo)匹配方法[J]. 測(cè)繪工程, 2017, 26(2): 5-8, 13.

WEN Bowei, SUN Qun, MA Chao, et al. A Matching Method of Vector Area Object Using Invariant Moments[J]. Engineering of Surveying and Mapping, 2017, 26(2): 5-8, 13.

[32] 郝燕玲, 唐文靜, 趙玉新, 等. 基于空間相似性的面實(shí)體匹配算法研究[J]. 測(cè)繪學(xué)報(bào), 2008, 37(4): 501-506.

HAO Yanling, TANG Wenjing, ZHAO Yuxin, et al. Areal Feature Matching Algorithm Based on Spatial Similarity[J]. Acta Geodaetica et Cartographica Sinica, 2008, 37(4): 501-506.

[33] 陳換新, 孫群, 肖強(qiáng), 等. 空間數(shù)據(jù)融合技術(shù)在空間數(shù)據(jù)生產(chǎn)及更新中的應(yīng)用[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2014, 39(1): 117-122.

CHEN Huanxin, SUN Qun, XIAO Qiang, et al. Application of Spatial Data Fusion in the Production and Updating of Spatial Data[J]. Geomatics and Information Science of Wuhan University, 2014, 39(1): 117-122.

[34] 汪匯兵, 唐新明, 邱博, 等. 運(yùn)用多算子加權(quán)的面要素幾何匹配方法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2013, 38(10): 1243-1247.

WANG Huibing, TANG Xinming, QIU Bo, et al. Geometric Matching Method of Area Feature Based on Multi-weighted Operators[J]. Geomatics and Information Science of Wuhan University, 2013, 38(10): 1243-1247.

[35] 郭黎, 崔鐵軍, 鄭海鷹, 等. 基于空間方向相似性的面狀矢量空間數(shù)據(jù)匹配算法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2008, 25(5): 380-382.

GUO Li, CUI Tiejun, ZHENG Haiying, et al. Arithmetic for Area Vector Spatial Data Matching on Spatial Direction Similarity[J]. Journal of Geomatics Science and Technology, 2008, 25(5): 380-382.

[36] 鄭宇志, 張青年. 基于拓?fù)浼翱臻g相似性的面實(shí)體匹配方法研究[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2013, 30(5): 510-514.

ZHENG Yuzhi, ZHANG Qingnian. An Approach to Identical Areal Entity Matching Based on Topology and Spatial Similarity[J]. Journal of Geomatics Science and Technology, 2013, 30(5): 510-514.

[37] 劉坡, 張宇, 龔建華. 中誤差和鄰近關(guān)系的多尺度面實(shí)體匹配算法研究[J]. 測(cè)繪學(xué)報(bào), 2014, 43(4): 419-425. DOI: 10.13485/j.cnki.11-2089.2014.0062.

LIU Po, ZHANG Yu, GONG Jianhua. Root Mean Square Error and Neighbouring Relation Matching Approach for Multi-scale Areal Feature[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(4): 419-425. DOI: 10.13485/j.cnki.11-2089.2014.0062.

[38] XIONG Demin, SPERLING J. Semiautomated Matching for Network Database Integration[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2004, 59(1-2): 35-46.

[39] SAFRA E, KANZA Y, SAGIV Y, et al. Efficient Integration of Road Maps[C]∥Proceedings of the 14th Annual ACM International Symposium on Advances in Geographic Information Systems. Arlington, Virginia: ACM, 2006: 59-66.

[40] 許俊奎, 武芳, 錢海忠, 等. 一種空間關(guān)系相似性約束的居民地匹配算法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2013, 38(4): 484-488.

XU Junkui, WU Fang, QIAN Haizhong, et al. Settlement Matching Algorithm Using Spatial Similarity Relations as Constraints[J]. Geomatics and Information Science of Wuhan University, 2013, 38(4): 484-488.

[41] 鄭宇志, 張青年. 基于拓?fù)浼翱臻g相似性的面實(shí)體匹配方法研究[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2013, 30(5): 510-514.

ZHENG Yuzhi, ZHANG Qingnian. An Approach to Identical Areal Entity Matching Based on Topology and Spatial Similarity[J]. Journal of Geomatics Science and Technology, 2013, 30(5): 510-514.

[42] 郭小菊, 陳俊杰. 基于地理本體的同名實(shí)體匹配技術(shù)研究[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2015, 32(2): 66-68, 112.

GUO Xiaoju, CHEN Junjie. Research on Identical Entity Matching Based on GIS Ontology[J]. Computer Applications and Software, 2015, 32(2): 66-68, 112.

[43] 廖一蘭, 王勁峰, 馬家奇, 等. 基于BPM-BM算法的地名數(shù)據(jù)匹配[J]. 測(cè)繪通報(bào), 2008(6): 22-25.

LIAO Yilan, WANG Jinfeng, MA Jiaqi, et al. Placename Data Matching Based on BPM-BM Algorithm[J]. Bulletin of Surveying and Mapping, 2008(6): 22-25.

[44] 程鋼, 盧小平. 顧及通名語(yǔ)義的漢語(yǔ)地名相似度匹配算法[J]. 測(cè)繪學(xué)報(bào), 2014, 43(4): 404-410, 418. DOI: 10.13485/j.cnki.11-2089.2014.0060.

CHENG Gang, LU Xiaoping. Matching Algorithm for Chinese Place Names by Similarity in Consideration of Semantics of General Names for Places[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(4): 404-410, 418. DOI: 10.13485/j.cnki.11-2089.2014.0060.

[45] SAALFELD A. Conflation Automated Map Compilation[J]. International Journal of Geographical Information Science, 1988, 2(3): 217-228.

[46] JENSEN J, SAALFELD A, BROOME F, et al. Spatial Data Acquisition and Integration[J]. Geomorphology, 2011, 41(2-3): 171-181.

[47] KANG B. Analytical Conflation of Spatial Data from Municipal and Federal Government Agencies[D]. Ohio: Ohio State University, 2002.

[48] 朱蕊. 一種面向道路要素更新的幾何位置一致性處理方法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2014, 31(2): 190-193.

ZHU Rui. A Method of the Consistency Processing in Geometric Position for Road Features Updating[J]. Journal of Geomatics Science and Technology, 2014, 31(2): 190-193.

[49] 唐文靜, 趙玉新, 郝燕玲, 等. 數(shù)字地圖點(diǎn)狀要素合并變換算法研究[J]. 系統(tǒng)仿真學(xué)報(bào), 2009, 21(5): 1399-1402.

TANG Wenjing, ZHAO Yuxin, HAO Yanling, et al. Study of Point Feature Adjusting Algorithm in Digital Map[J]. Journal of System Simulation, 2009, 21(5): 1399-1402.

[50] 安曉亞, 楊云, 劉平芝. 基于拓?fù)渲^詞的空間拓?fù)潢P(guān)系相似性度量模型與應(yīng)用[J]. 地球信息科學(xué)學(xué)報(bào), 2013, 15(2): 159-165.

AN Xiaoya, YANG Yun, LIU Pingzhi. Similarity Measuring of Spatial Topological Relations Based on Topological Predication[J]. Journal of Geo-Information Science, 2013, 15(2): 159-165.

[51] 童小華, 鄧愫愫, 史文中. 數(shù)字地圖合并的平差原理與方法[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2007, 32(7): 621-625.

TONG Xiaohua, DENG Susu, SHI Wenzhong. A New Least Squares Adjustment Method for Map Conflation[J]. Geomatics and Information Science of Wuhan University, 2007, 32(7): 621-625.

[52] 唐文靜, 郝燕玲, 趙玉新, 等. 基于多評(píng)價(jià)因素的線狀要素合并變換方法[J]. 大連海事大學(xué)學(xué)報(bào), 2008, 34(4): 6-10, 18.

TANG Wenjing, HAO Yanling, ZHAO Yuxin, et al. Linear Elements Adjusting Algorithm Based on Multi-evaluation Factors[J]. Journal of Dalian Maritime University, 2008, 34(4): 6-10, 18.

[53] 郝燕玲, 唐文靜, 趙玉新. 基于多評(píng)價(jià)因素的面狀要素合并變換算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2009, 21(2): 237-242.

HAO Yanling, TANG Wenjing, ZHAO Yuxin. Areal Elements Adjusting Algorithm Based on Multi-evaluation Factors[J]. Journal of Computer-Aided Design & Computer Graphics, 2009, 21(2): 237-242.

[54] 安曉亞. 空間數(shù)據(jù)幾何相似性度量理論方法與應(yīng)用研究[D]. 鄭州: 信息工程大學(xué), 2011.

AN Xiaoya. Research on Theory, Methods and Applications of Geometry Similarity Measurement for Spatial Data[J]. Zhengzhou: Information Engineering University, 2011.

[55] 肖強(qiáng), 趙國(guó)成, 闞映紅. ShapeFile格式數(shù)據(jù)與地理信息交換格式數(shù)據(jù)轉(zhuǎn)換[J]. 測(cè)繪科學(xué), 2010, 35(6): 82-83.

XIAO Qiang, ZHAO Guocheng, KAN Yinghong. Transfer between ShapeFile Data and Geographic Information Exchange Format Data[J]. Science of Surveying and Mapping, 2010, 35(6): 82-83.

[56] 陳換新, 肖強(qiáng), 李明, 等. 國(guó)外空間數(shù)據(jù)的語(yǔ)義差異及轉(zhuǎn)換方法研究[J]. 測(cè)繪科學(xué), 2014, 39(7): 83-86.

CHEN Huanxin, XIAO Qiang, LI Ming, et al. Research on Semantic Difference and Transformation of Foreign Spatial Data[J]. Science of Surveying and Mapping, 2014, 39(7): 83-86.

[57] 李志華. 面向標(biāo)準(zhǔn)格式的地理空間數(shù)據(jù)轉(zhuǎn)換方法研究——以DWG轉(zhuǎn)MDB數(shù)據(jù)為例[D]. 南昌: 東華理工大學(xué), 2015.

LI Zhihua. Research of Geographic Spatial Data Conversion Method Based on Standard Format: A Case Study of DWG and MDB Data[D]. Nanchang: East China Institute of Technology, 2015.

[58] 蔡暢. 基于地理本體的空間數(shù)據(jù)集成研究[D]. 鄭州: 信息工程大學(xué), 2008.

CAI Chang. Research on Spatial Data Integration Based on Geo-Ontology[D]. Zhengzhou: Information Engineering University, 2008.

[59] MADHAVAN J, BERNSTEIN P A, RAHM E. Generic Schema Matching with Cupid[C]∥Proceedings of the 27th International Conference on Very Large Data Bases. San Francisco: Morgan Kaufmann Publishers Inc, 2001, 1: 49-58.

[60] MELNIK S, GARCIA-MOLINA H, RAHM E. Similarity Flooding: A Versatile Graph Matching Algorithm and Its Application to Schema Matching[C]∥Proceedings of the 18th International Conference on Data Engineering. San Jose, CA: IEEE, 2002: 17-128.

[61] KAVOURAS M, KOKLA M, TOMAI E. Comparing Categories among Geographic Ontologies[J]. Computers & Geosciences, 2005, 31(2): 145-154.

[62] VISSER M, REHEUL D. Producing Native Seed of Stipa lagascae R. and Sch. in Presaharian Tunisia: High Yields, High Genetic Variation or Both?[J]. Genetic Resources and Crop Evolution, 2002, 49(6): 583-598.

[63] 郭黎. 多源地理空間矢量數(shù)據(jù)融合理論與方法研究[D]. 鄭州: 信息工程大學(xué), 2008.

GUO Li. Theory and Method Research on Multi-sources Geospatial Vector Data Fusion[D]. Zhengzhou: Information Engineering University, 2008.

[64] 趙彥慶, 肖如林. 基于本體的網(wǎng)絡(luò)地理空間數(shù)據(jù)集成[J]. 地球信息科學(xué)學(xué)報(bào), 2012, 14(5): 584-591.

ZHAO Yanqing, XIAO Rulin. Integration of Web Geospatial Data Based on Ontology[J]. Journal of Geo-Information Science, 2012, 14(5): 584-591.

[65] 劉少文. 基于數(shù)據(jù)挖掘的地理信息集成方法研究[D]. 北京: 華北電力大學(xué)(北京), 2016.

LIU Shaowen. An Approach of Data Mining Based Integration on Geographic Information[D]. Beijing: North China Electric Power University (Beijing), 2016.

[66] FONSECA F T, EGENHOFER M J. Ontology-driven Geographic Information Systems[C]∥Proceedings of the 7th ACM International Symposium on Advances in Geographic Information Systems. Kansas City, Missouri: ACM, 1999: 14-19.

[67] 陳佳麗. 基于本體的空間數(shù)據(jù)多重表達(dá)中的一致性研究[D]. 武漢: 華中師范大學(xué), 2007.

CHEN Jiali. Study on Consistency of Multi-expression of Spatial Data Based on Ontology[D]. Wuhan: Central China Normal University, 2007.

[68] 張燕, 王鋒, 張睿. 基于本體的網(wǎng)格服務(wù)語(yǔ)義匹配方法[J]. 計(jì)算機(jī)工程, 2007, 33(7): 181-183.

ZHANG Yan, WANG Feng, ZHANG Rui. Semantic Matching Method Based on Ontology for Grid Services[J]. Computer Engineering, 2007, 33(7): 181-183.

[69] 劉青寶, 金燕, 鄧蘇, 等. 基于模糊聚類的屬性匹配算法[J]. 模糊系統(tǒng)與數(shù)學(xué), 2006, 20(6): 96-102.

LIU Qingbao, JIN Yan, DENG Su, et al. An Attribute Matching Algorithm Based on Fuzzy Clustering[J]. Fuzzy Systems and Mathematics, 2006, 20(6): 96-102.

[70] 程鋼, 盧小平. 顧及通名語(yǔ)義的漢語(yǔ)地名相似度匹配算法[J]. 測(cè)繪學(xué)報(bào), 2014, 43(4): 404-410, 418.

CHENG Gang, LU Xiaoping. Matching Algorithm for Chinese Place Names by Similarity in Consideration of Semantics of General Names for Places[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(4): 404-410, 418.

(責(zé)任編輯：宋啟凡)

Research on the Progress of Multi-sources Geospatial Vector Data Fusion

SUN Qun

Institute of Geospatial Information, Information Engineering University, Zhengzhou 450052, China

Geospatial vector data plays a crucial role in the national economy and the construction of the national defense modernization for it’s not only the important component of human social and geographical environment information, but also a key carrier of relevant social information. The technology of the multi-source geospatial vector data fusion is a valid method of solving the inconsistency questions of the multi-source data in geometric position, attribute feature, etc. In recent years, its relevant technology as well as its application also has deeply developed. Based on the analysis of the questions in the application of the two-dimensional geospatial vector data are facing, the research status of the theory, algorithm and technologies of geometric feature fusion and attribute feature fusion of the two-dimensional geospatial vector data are overviewed and evaluated, with the current research status, whose theory and application of the future focus of research are looked forward to in this paper.

geospatial vector data；identical entity matching；attribute feature；data fusion

The National Natural Science Foundation of China (No. 41571399)

孫群.多源矢量空間數(shù)據(jù)融合處理技術(shù)研究進(jìn)展[J].測(cè)繪學(xué)報(bào)，2017,46(10)：1627-1636.

10.11947/j.AGCS.2017.20170387.

SUN Qun.Research on the Progress of Multi-sources Geospatial Vector Data Fusion[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1627-1636. DOI:10.11947/j.AGCS.2017.20170387.

P208

A

1001-1595(2017)10-1627-10

國(guó)家自然科學(xué)基金(41571399)

2017-07-26

修回日期： 2017-09-11

孫群(1963—)，男，博士，教授，博士生導(dǎo)師，研究方向?yàn)閿?shù)字地圖制圖與地理信息處理。

Author： SUN Qun(1963—)，male,PhD,professor,PhD supervisor,majors in digital mapping and processing of geographical information.