自發(fā)地理信息興趣點(diǎn)數(shù)據(jù)在線綜合與多尺度可視化方法

楊　敏，艾廷華，盧　威，成曉強(qiáng)，周　啟

1. 武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430072； 2. 四川省第二測(cè)繪地理信息工程院，四川 成都 100017

A Real-time Generalization and Multi-scale Visualization Method for POI Data in Volunteered Geographic Information

YANG Min1，AI Tinghua1，LU Wei1，CHENG Xiaoqiang1，ZHOU Qi2

1. School of Resource and Environmental Sciences，Wuhan University，Wuhan 430072，China; 2. The Second Surverying， Mapping and Geoinformation Engineering Institute of Sichuan Province，Chengdu 100017，China

Foundation support： The China Postdoctoral Science Foundation(No.2014M552075);Science and Technology Plan of Sichuan Bureau of Surveying,Mapping and Geoinformation(No.J2013ZC02)

自發(fā)地理信息興趣點(diǎn)數(shù)據(jù)在線綜合與多尺度可視化方法

楊敏1，艾廷華1，盧威1，成曉強(qiáng)1，周啟2

1. 武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430072； 2. 四川省第二測(cè)繪地理信息工程院，四川 成都 100017

AReal-timeGeneralizationandMulti-scaleVisualizationMethodforPOIDatainVolunteeredGeographicInformation

YANGMin1，AI Tinghua1，LU Wei1，CHENG Xiaoqiang1，ZHOU Qi2

1.SchoolofResourceandEnvironmentalSciences，WuhanUniversity，Wuhan430072，China; 2.TheSecondSurverying，MappingandGeoinformationEngineeringInstituteofSichuanProvince，Chengdu100017，China

Foundationsupport：TheChinaPostdoctoralScienceFoundation(No.2014M552075);ScienceandTechnologyPlanofSichuanBureauofSurveying,MappingandGeoinformation(No.J2013ZC02)

摘要：移動(dòng)及Web環(huán)境下，集成各種自發(fā)地理信息POI數(shù)據(jù)與地理框架背景數(shù)據(jù)的混搭式地圖應(yīng)用，越來越多地出現(xiàn)在主流地理信息平臺(tái)及LBS服務(wù)中。由于缺乏適宜的在線多尺度可視化機(jī)制，這種POI數(shù)據(jù)表達(dá)上通常出現(xiàn)擁擠、壓蓋等沖突現(xiàn)象。針對(duì)該問題，本研究將傳統(tǒng)的尺度變換方法與在線環(huán)境相結(jié)合，提出一種面向城市設(shè)施POI數(shù)據(jù)的多尺度可視化策略。即由服務(wù)器端通過預(yù)處理方式對(duì)POI數(shù)據(jù)進(jìn)行多層次結(jié)構(gòu)化組織；在此基礎(chǔ)上，客戶端依據(jù)顯示比例尺導(dǎo)出對(duì)應(yīng)層次的POI目標(biāo)，并通過移位操作解決局部存在的符號(hào)表達(dá)沖突現(xiàn)象。試驗(yàn)表明，該方法符合數(shù)字化網(wǎng)絡(luò)應(yīng)用的在線實(shí)時(shí)需求，同時(shí)也能獲得較高質(zhì)量的多尺度表達(dá)效果。

關(guān)鍵詞：自發(fā)地理信息；城市設(shè)施興趣點(diǎn)數(shù)據(jù); 多尺度可視化; 在線綜合

1引言

自發(fā)地理信息(volunteeredgeographicinformation，VGI)是由非專業(yè)志愿者參與創(chuàng)建及分享的地理信息新范式，近幾年隨著Web2.0、GPS、位置導(dǎo)航服務(wù)(LBS)等軟硬件技術(shù)的發(fā)展，逐漸成為一種重要的地理信息源[1-2]。該數(shù)據(jù)可為城市發(fā)展格局、社會(huì)經(jīng)濟(jì)結(jié)構(gòu)、社會(huì)行為心理、環(huán)境監(jiān)測(cè)等領(lǐng)域開展定量化研究提供豐富的數(shù)據(jù)資料，在公眾地理信息服務(wù)、數(shù)據(jù)集成與知識(shí)發(fā)現(xiàn)、室內(nèi)外導(dǎo)航領(lǐng)域已經(jīng)涌現(xiàn)出大量的研究案例[3-4]。網(wǎng)絡(luò)環(huán)境下，VGI數(shù)據(jù)的多尺度可視化是當(dāng)前面臨的重要課題。一方面，這種由非專業(yè)人員采集上傳的數(shù)據(jù)數(shù)量巨大，缺乏層次化組織與尺度信息；另一方面，VGI數(shù)據(jù)的互聯(lián)網(wǎng)“基因”提出了用戶參與交互及在線實(shí)時(shí)響應(yīng)的新需求，對(duì)傳統(tǒng)的尺度變換技術(shù)提出新挑戰(zhàn)。以VGI數(shù)據(jù)的重要內(nèi)容城市設(shè)施興趣點(diǎn)(pointsofinterest,POI)為例(如餐館、商店、銀行等)，集成POI主題數(shù)據(jù)與道路、街區(qū)等背景參考數(shù)據(jù)的混搭式地圖應(yīng)用(map-basedmashup)已經(jīng)成為主流地理信息平臺(tái)(如GoogleMap、OpenStreetMap)的重要服務(wù)內(nèi)容，但是由于缺乏適宜的多尺度可視化策略，隨著顯示比例尺的變小符號(hào)圖形間出現(xiàn)嚴(yán)重的擁擠、壓蓋等沖突現(xiàn)象(如圖1)，嚴(yán)重影響用戶的認(rèn)知過程。

圖1　Google Map上POI目標(biāo)多比例尺表達(dá)Fig.1　Multi-scale visualization of POI in Google map

隨著社交網(wǎng)絡(luò)、開放式自發(fā)地理信息平臺(tái)的發(fā)展，類似POI數(shù)據(jù)的可視化問題成為泛在信息領(lǐng)域的研究熱點(diǎn)。在計(jì)算機(jī)視覺領(lǐng)域，采用實(shí)時(shí)過濾、抽樣等手段來緩解這種小尺寸空間與大數(shù)據(jù)表達(dá)間的矛盾[5-6]。類似方法更多地關(guān)注于數(shù)據(jù)量的壓縮，容易丟失數(shù)據(jù)內(nèi)在尺度特征[7]。在GIS領(lǐng)域，相關(guān)學(xué)者將傳統(tǒng)的尺度變換技術(shù)與網(wǎng)絡(luò)環(huán)境相結(jié)合提出在線式綜合(on-the-flygeneralization)策略[8]，即在初級(jí)尺度數(shù)據(jù)基礎(chǔ)上，通過實(shí)時(shí)綜合輸出符合顯示比例尺的表達(dá)數(shù)據(jù)。具體方法如圖2所示，包括：①內(nèi)容選取，減少目標(biāo)表達(dá)數(shù)量；②結(jié)構(gòu)化簡(jiǎn)，通過聚合、移位等操作解決表達(dá)沖突。如文獻(xiàn)[9]依據(jù)POI符號(hào)尺寸及距離關(guān)系構(gòu)建沖突樹，將重疊目標(biāo)組合表達(dá)為單個(gè)聚合符號(hào)，以注記或符號(hào)大小表達(dá)目標(biāo)數(shù)量信息；文獻(xiàn)[10]在同類型POI目標(biāo)聚合的基礎(chǔ)上，進(jìn)一步通過移位操作解決符號(hào)表達(dá)沖突；文獻(xiàn)[11]將POI點(diǎn)群組織為四叉樹結(jié)構(gòu)，利用其空間上的層次剖分特性構(gòu)建適于多種綜合操作的算法。從實(shí)現(xiàn)方式上看，上述研究側(cè)重于設(shè)計(jì)適合移動(dòng)客戶端實(shí)時(shí)綜合處理的方法模型，強(qiáng)調(diào)算法的低復(fù)雜度，難以兼顧多尺度表達(dá)的高質(zhì)量；從實(shí)施效果上看，單一的選取或化簡(jiǎn)操作難以完全解決表達(dá)沖突問題，需要多種措施組合實(shí)施。

圖2　針對(duì)POI目標(biāo)的幾種綜合操作示例[9]Fig.2　Generalization operations of POI[9]

基于上述分析，本研究提出一種面向自發(fā)地理信息POI數(shù)據(jù)多尺度表達(dá)的在線綜合策略，基本思路是：①服務(wù)器端對(duì)POI數(shù)據(jù)進(jìn)行多層次結(jié)構(gòu)化組織預(yù)處理，建立尺度索引和空間索引；②客戶端按顯示比例尺及范圍檢索選取POI目標(biāo)，同時(shí)實(shí)施移位操作解決符號(hào)化后存在的局部沖突現(xiàn)象。該方法將POI目標(biāo)選取與沖突移位兩種操作相集成，針對(duì)服務(wù)器/客戶端機(jī)制特點(diǎn)進(jìn)行優(yōu)化配置，與已有方法相比在線響應(yīng)更快、多尺度表達(dá)質(zhì)量更高。下文首先結(jié)合已有理論方法對(duì)POI數(shù)據(jù)多尺度表達(dá)策略進(jìn)行分析，提出本研究的技術(shù)路線，然后構(gòu)建具體的模型算法，并結(jié)合實(shí)例分析討論。

2POI數(shù)據(jù)多尺度表達(dá)策略分析

在地學(xué)領(lǐng)域，尺度概念是指研究對(duì)象在空間維及時(shí)間維上的延展范圍，具體到GIS領(lǐng)域則通常由比例尺替代，即小尺度對(duì)應(yīng)大比例尺，大尺度對(duì)應(yīng)小比例尺。從數(shù)據(jù)組織的角度看，數(shù)字技術(shù)環(huán)境下實(shí)現(xiàn)空間數(shù)據(jù)多尺度表達(dá)的方式包括兩種[12]：①多級(jí)尺度顯式存儲(chǔ)，通過離線式綜合預(yù)先獲得同一區(qū)域多套比例尺版本數(shù)據(jù)，應(yīng)用中直接調(diào)取尺度匹配的數(shù)據(jù)集；②在線綜合動(dòng)態(tài)生成，對(duì)初級(jí)尺度數(shù)據(jù)實(shí)時(shí)綜合得到符合顯示比例尺的數(shù)據(jù)。第一種方式是目前普遍采用的方法，較多地應(yīng)用在由居民地、道路、水系等基礎(chǔ)框架要素構(gòu)成的背景參考數(shù)據(jù)。相比較，用戶自發(fā)的POI數(shù)據(jù)本身來源多樣、更新頻繁，應(yīng)用中通常作為前景主題數(shù)據(jù)而強(qiáng)調(diào)與用戶間的交互，需要通過在線綜合的方式實(shí)現(xiàn)多尺度表達(dá)。

與離線式綜合相比，在線式綜合強(qiáng)調(diào)過程實(shí)時(shí)性，可采用兩種策略：一是在客戶端直接實(shí)施綜合處理，要求綜合模型及算法簡(jiǎn)單高效，如目標(biāo)選取、曲線Douglas-Peucker化簡(jiǎn)等；二是服務(wù)器端對(duì)數(shù)據(jù)進(jìn)行多層次結(jié)構(gòu)化組織預(yù)處理，如曲線結(jié)構(gòu)BLG樹[13]、多邊形剖分結(jié)構(gòu)GAP樹[14]，在線表達(dá)時(shí)直接導(dǎo)出尺度對(duì)應(yīng)層次的數(shù)據(jù)內(nèi)容。前一種策略受限于算法低復(fù)雜度要求，尤其是移動(dòng)客戶端計(jì)算資源有限，導(dǎo)致綜合質(zhì)量難以保證；后一種策略可以利用服務(wù)器資源進(jìn)行充分的數(shù)據(jù)分析與綜合決策，應(yīng)用中響應(yīng)更快，但是難以兼顧客戶端軟硬件可視化環(huán)境，缺乏靈活性。兩種方式各具優(yōu)劣，實(shí)際應(yīng)用中需依據(jù)具體需求配合使用。具體到POI數(shù)據(jù)，綜合處理涉及目標(biāo)選取、沖突移位等多種操作。在服務(wù)器端綜合考慮語義分類、空間結(jié)構(gòu)等上下文信息，評(píng)估POI目標(biāo)間的重要性關(guān)系并構(gòu)建層次化結(jié)構(gòu)模型；在此基礎(chǔ)上，客戶端按顯示比例尺導(dǎo)出對(duì)應(yīng)層次POI目標(biāo)，并結(jié)合屏幕尺寸、符號(hào)化樣式等可視化環(huán)境實(shí)施沖突探測(cè)及移位處理。

3服務(wù)器端POI數(shù)據(jù)多層次結(jié)構(gòu)化組織

3.1層次化模型構(gòu)建

空間數(shù)據(jù)層次化描述是依據(jù)重要性關(guān)系進(jìn)行目標(biāo)有序化組織的過程，可通過記錄數(shù)據(jù)綜合的中間狀態(tài)實(shí)現(xiàn)。如曲線結(jié)構(gòu)BLG樹建立在Douglas-Peucker算法化簡(jiǎn)曲線節(jié)點(diǎn)的基礎(chǔ)上，多邊形剖分結(jié)構(gòu)GAP樹記錄的是多邊形逐級(jí)合并的逆過程，河網(wǎng)層次化結(jié)構(gòu)可以通過目標(biāo)層次的選取和幾何層次的化簡(jiǎn)構(gòu)建得到[15]。對(duì)于POI數(shù)據(jù)，其層次化結(jié)構(gòu)表現(xiàn)為個(gè)體POI目標(biāo)在空間語義特征表達(dá)上的重要性差異，可基于POI點(diǎn)群的結(jié)構(gòu)化選取進(jìn)行層次化組織。目前，針對(duì)點(diǎn)群目標(biāo)的結(jié)構(gòu)化選取提出了多種方法[16-21]。其中，文獻(xiàn)[17]提出的基于Voronoi圖動(dòng)態(tài)重建多次抽樣刪除的方法，能夠有效顧及點(diǎn)群的空間分布特征與語義信息，可操作性強(qiáng)，同時(shí)也符合層次化組織的需求?；谠撍枷耄狙芯刻岢鲆环N多層線性復(fù)合結(jié)構(gòu)的POI數(shù)據(jù)層次化模型，基本過程如下：

步驟1：對(duì)POI目標(biāo)集合P0{o1，o2，…，on}按坐標(biāo)點(diǎn)構(gòu)建Voronoi圖，初始化抽樣提取次數(shù)t=1。

步驟2: 實(shí)施第t次抽樣提?。?/p>

步驟2-1: 針對(duì)每個(gè)目標(biāo)oi∈P0按式(1)計(jì)算重要性值pi。其中ρi=1/S，S為oi所在Voronoi多邊形面積；vi代表oi語義重要性值，需要綜合考慮POI目標(biāo)的類型、等級(jí)信息及用戶需求確定

(1)

步驟2-2: 按重要性值由小到大提取POI目標(biāo)，并按次序組織為單層線性結(jié)構(gòu)，同時(shí)動(dòng)態(tài)更新P0及Voronoi圖模型。其中，每提取一個(gè)目標(biāo)則暫時(shí)保留其周圍一階鄰近的其他目標(biāo)，如圖3所示。

圖3　POI目標(biāo)單次抽樣提取過程示意圖Fig.3　Resample extraction of POI in one time

步驟3: 若保留POI數(shù)量比例大于設(shè)定閾值(如0.1)，重復(fù)步驟2實(shí)施t+1次抽樣提??；否則將余下POI執(zhí)行步驟2-1后，直接按重要性值由小到大組織為單層線性結(jié)構(gòu)。

完成上述步驟后，將單層線性結(jié)構(gòu)按抽樣提取次序垂直連接組織(如圖4所示)，得到呈多層線性復(fù)合結(jié)構(gòu)的POI層次化模型。從重要性關(guān)系分析，縱向從上到下不同單層結(jié)構(gòu)POI重要性遞增，橫向由左到右單層結(jié)構(gòu)內(nèi)POI重要性遞增，其中縱向差異大于橫向差異。特定比例尺下確定目標(biāo)表達(dá)數(shù)量后，即可基于該層次化模型按重要性排序派生出對(duì)應(yīng)的POI目標(biāo)。

圖4　呈多層線性復(fù)合結(jié)構(gòu)的POI數(shù)據(jù)層次化模型Fig.4　Organization of POI in multi-layers structure

3.2空間索引與尺度索引

為提高多尺度數(shù)據(jù)組織效率，在層次化模型基礎(chǔ)上分別構(gòu)建空間索引和尺度索引：空間索引可采用四叉樹結(jié)構(gòu)對(duì)POI目標(biāo)分布空間進(jìn)行逐層劃分組織建立；尺度索引定義為POI目標(biāo)資格顯示比例尺的線性排序結(jié)構(gòu)。多比例尺表達(dá)中，要素目標(biāo)從“不顯示”到“顯示”的臨界比例尺稱為該目標(biāo)的資格顯示比例尺。綜合選取中，通常采用開方根模型根據(jù)前后比例尺關(guān)系確定目標(biāo)選取數(shù)量[22]。反之，每個(gè)目標(biāo)也可以依據(jù)其重要性排序位置通過開方根模型反推得到對(duì)應(yīng)的資格顯示比例尺。實(shí)際應(yīng)用中，沒有必要以單個(gè)POI為單元設(shè)置資格顯示比例尺，可以認(rèn)為單層線性結(jié)構(gòu)內(nèi)的POI資格顯示比例尺相同。假設(shè)POI數(shù)據(jù)原始比例尺分母為M0，單層線性結(jié)構(gòu)按重要性排序分別為L(zhǎng)1、L2、…、LK，對(duì)應(yīng)POI數(shù)量為N1、N2、…、NK，則Lt包含POI的資格顯示比例尺分母M(Lt)可由下式求得

(2)

值得注意的是，與傳統(tǒng)的紙質(zhì)地圖相比較，Web地圖由于可視化環(huán)境(如符號(hào)顏色尺寸、屏幕分辨率、閱讀方式等)的不同，適宜的載負(fù)量可能有所差異[23-24]。最可靠的方式是通過計(jì)算客戶端屏幕的載負(fù)量確定POI的選取數(shù)量，但是這種方法需要進(jìn)行繁瑣的統(tǒng)計(jì)分析工作，同時(shí)選取數(shù)量的自動(dòng)化計(jì)算存在一定困難。因此，本文在傳統(tǒng)開方根模型基礎(chǔ)上增加調(diào)整系數(shù)，面向不同類型客戶端配置定制多套資格顯示比例尺計(jì)算方案。

基于上述層次化模型，POI數(shù)據(jù)的多尺度組織表現(xiàn)為檢索過程P=query(R，M)，R為當(dāng)前顯示范圍，M為顯示比例尺分母，P為對(duì)應(yīng)導(dǎo)出的POI目標(biāo)集。如圖5所示，首先根據(jù)R獲得對(duì)應(yīng)四叉樹節(jié)點(diǎn)(1000，1001， 1010，1011)下的目標(biāo)集P′，然后比較P′中每個(gè)目標(biāo)oi的資格顯示比例尺分母Mj與M的大小關(guān)系，如果Mj

4客戶端POI數(shù)據(jù)表達(dá)與移位處理

客戶端根據(jù)當(dāng)前顯示比例尺及表達(dá)范圍獲得POI目標(biāo)后，符號(hào)化表達(dá)時(shí)局部區(qū)域仍可能出現(xiàn)符號(hào)圖形的沖突現(xiàn)象，需要進(jìn)一步實(shí)施移位處理。已有移位方法[25-26]大多采用優(yōu)化技術(shù)或迭代方式經(jīng)過復(fù)雜的空間關(guān)系分析獲得最優(yōu)方案，但是應(yīng)用到客戶端難以滿足實(shí)時(shí)處理的需求。因此，本研究采用一種線性的啟發(fā)式移位方法。基本思想是：按重要性排序目標(biāo)集P={o1，o2，…，om}，依次探測(cè)目標(biāo)oi(1

(1) 建立移位候選位置集。每個(gè)與oi沖突的目標(biāo)提供8個(gè)移位候選區(qū)域，初步得到oi移位的候選位置集E{e1，e2，…，em}。如圖6(a)所示，o4與o1沖突，o1周圍8方向鄰近區(qū)域作為o4移位的候選位置。進(jìn)一步，剔除E中與{o1，o2，…，oi-1}中任一目標(biāo)沖突的候選位置，如圖6(b)中虛線表達(dá)區(qū)域?yàn)槟繕?biāo)o4最終的移位候選位置集。

圖5　基于層次化模型的POI目標(biāo)檢索示意圖Fig.5　The process of POI retrieval based on hierarchical model

圖6　移位候選位置分析Fig.6　The candidate positions to displace

(2) 最佳移位位置決策。采用約束條件下的移位距離最小原則進(jìn)行最佳移位位置決策。約束條件包括：① 距離約束，d<=n·l，d表示oi移位前后坐標(biāo)點(diǎn)的距離，l表示oi符號(hào)圖形最小外接矩形長(zhǎng)邊的長(zhǎng)度，n表示倍數(shù)關(guān)系；②方位約束，θ<φ，θ表示oi移位前后坐標(biāo)點(diǎn)與任一相沖突的目標(biāo)坐標(biāo)點(diǎn)形成的夾角，φ為設(shè)置的閾值。對(duì)候選集E中符合上述約束條件的候選位置按照移位距離最小原則確定最佳移位位置。圖7展示了目標(biāo)o4最佳移位位置決策過程，約束參數(shù)設(shè)置為n=5，φ=90°。

圖7　最佳移位位置決策Fig.7　Determination of the best displacement position

上述移位算法雖然不能確保獲得總體最優(yōu)解，但在大多數(shù)情況下都能得到較為合理的結(jié)果，同時(shí)算法執(zhí)行的時(shí)間復(fù)雜度為O(n)，滿足實(shí)時(shí)性需求。從可視化空間沖突解決上看，移位操作屬于微調(diào)性質(zhì)，其實(shí)施效果首先取決于目標(biāo)選取相關(guān)的層次化模型及選取數(shù)量取值是否合理。由于后者主要考慮整體上的空間分布特征、語義結(jié)構(gòu)關(guān)系等，少數(shù)區(qū)域仍可能存在目標(biāo)分布過于密集的情況，僅通過移位難以徹底解決符號(hào)沖突問題，需要結(jié)合目標(biāo)聚合等其他操作，相關(guān)方法可參見文獻(xiàn)[9]。

5應(yīng)用分析

為了驗(yàn)證上述方法，本研究基于B/S架構(gòu)搭建一個(gè)面向POI數(shù)據(jù)可視化的混搭式Web GIS應(yīng)用原型系統(tǒng)。試驗(yàn)數(shù)據(jù)來自于自發(fā)地理信息數(shù)據(jù)源OpenStreetMap(http:∥www.openstreetmap.org)，包括底圖參考層的基礎(chǔ)地理框架數(shù)據(jù)和前景主題POI數(shù)據(jù)。試驗(yàn)環(huán)境為：服務(wù)器CPU主頻2.66GHz、內(nèi)存2GB、Ubuntu 64位操作系統(tǒng)，使用PostGIS作為空間數(shù)據(jù)引擎，分別利用Mapnik和Mod_tile進(jìn)行背景底圖渲染和切片，背景底圖數(shù)據(jù)涵蓋16個(gè)比例尺級(jí)別；瀏覽器采用Google Chrome，利用 OpenLayers JavaScript庫構(gòu)建Web可視化客戶端。

下面以銀行ATM 機(jī)POI數(shù)據(jù)為例介紹相關(guān)的試驗(yàn)效果。圖8是深圳市銀行ATM點(diǎn)的分布圖，目標(biāo)數(shù)量為1654個(gè)，空間分布上在西南側(cè)形成顯著的帶狀密集分布區(qū)域?？紤]到背景底圖數(shù)據(jù)的比例尺級(jí)別劃分及采用的符號(hào)化形式，從第12級(jí)比例尺(1∶6萬)開始顯示POI目標(biāo)。針對(duì)圖8中的矩形區(qū)域，在第12級(jí)比例尺下所有ATM目標(biāo)的可視化表達(dá)效果如圖9(a)所示，存在大量的壓蓋擁擠現(xiàn)象。實(shí)施上文提出的在線綜合策略后，在第12級(jí)(1∶6萬)、13級(jí)(1∶3萬)、14級(jí)(1∶1.5萬)比例尺下的，表達(dá)效果分別如圖9(b)、(c)、(d)所示。圖10對(duì)比同一比例尺在線綜合處理前后的POI目標(biāo)的表達(dá)效果。從效果上看，可以發(fā)現(xiàn)目標(biāo)間的空間沖突現(xiàn)象基本消失，隨著比例尺變大目標(biāo)表達(dá)逐漸詳細(xì)，并且整體上保持了ATM點(diǎn)空間分布上的疏密特征，符合認(rèn)知基本規(guī)律。響應(yīng)時(shí)間上，12～14級(jí)比例尺可視化顯示的平均耗時(shí)分別為160.3ms、167.8ms、179.6ms，與單純調(diào)度顯示背景底圖數(shù)據(jù)耗時(shí)(153.7ms)基本一致，表明隨著比例尺的縮放POI目標(biāo)的多尺度表達(dá)滿足在線實(shí)時(shí)需求。

圖8　深圳市銀行ATM點(diǎn)分布圖Fig.8　The distribution of ATM objects in Shenzhen city

6結(jié)論

本研究針對(duì)VGI類型的城市設(shè)施POI數(shù)據(jù)多比例尺可視化問題，提出了服務(wù)器端多層次結(jié)構(gòu)化組織與客戶端沖突移位處理相結(jié)合的在線式綜合策略。試驗(yàn)表明該方法滿足實(shí)時(shí)性需求的同時(shí)，也能夠顧及數(shù)據(jù)自身的空間分布特征及終端可視化環(huán)境特點(diǎn)，達(dá)到較好的多尺度表達(dá)效果。同時(shí)，服務(wù)器端構(gòu)建的多層次結(jié)構(gòu)化模型也可作為支持POI數(shù)據(jù)漸進(jìn)式傳輸?shù)闹螖?shù)據(jù)結(jié)構(gòu)。下一步研究工作：①本研究目前側(cè)重于同一類型體系內(nèi)(如銀行網(wǎng)點(diǎn))POI目標(biāo)的多尺度表達(dá)，如何處理多種類型混合的POI目標(biāo)(如餐館與停車場(chǎng))還需要進(jìn)一步探討，例如不同類型POI目標(biāo)間的語義重要值配置問題，可引入IT領(lǐng)域的個(gè)性化推薦技術(shù)對(duì)用戶特點(diǎn)及歷史信息進(jìn)行追蹤分析，從而實(shí)現(xiàn)語義重要性值得自適應(yīng)調(diào)整和個(gè)性化的POI信息可視化效果;②不同比例尺段側(cè)重不同層次POI信息的表達(dá)，如小比例尺段關(guān)注宏觀分布范圍和分布密度差異、中比例尺段側(cè)重局部分布結(jié)構(gòu)特征、大比例尺段需要表達(dá)目標(biāo)具體位置及注記信息，需要將不同層次信息相結(jié)合，在大比例尺跨度可視化方面進(jìn)行擴(kuò)展。

圖9　實(shí)施在線綜合處理的ATM目標(biāo)多比例尺表達(dá)Fig.9　Multi-scale visualization of ATM objects after applying the real-time generalization

圖10　在線綜合處理前后ATM目標(biāo)可視化對(duì)比圖(比例尺1∶1.5萬)Fig.10　Visualization of ATM objects in different real-time generalization stages(1∶15000)

參考文獻(xiàn)：

[1]GOODCHILD M F. Citizens as Sensors: the World of Volunteered Geography[J]. GeoJournal，2007，69(4): 211-221.

[2]LI Deren,SHAO Zhenfeng. New Era of GIS[J].Scientia Sinica Informationis,2009,39(6):579-587.(李德仁，邵振峰. 論新地理信息時(shí)代[J]. 中國科學(xué)F輯，2009，39(6): 579-587.)

[3]MUMMIDI L，KRUMM J. Discovering Points of Interest from Users’ Map Annotations[EB/OL].[2010-01-28]. http:∥www.freepatentsonline.com/y2010/0023259.html.

[4]GOETZ M. Using Crowdsourced Indoor Geodata for the Creation of a Three-dimensional Indoor Routing Web Application[J]，F(xiàn)uture Internet，2012，4: 575-591.

[5]HUANG Haosheng，GEORG G. A Technical Survey on Decluttering of Icons in Online Map-Based Mashups[C]∥Proceedings of Online Maps with APIs and WebServices.Berlin:Springer，2012:157-175.

[6]DAS S A，LEE H，GONZALEZ H，et al. Efficient Spatial Sampling of Large Geographical Tables[C]∥Proceedings of the ACM SIGMOD International Conference on Management of Data.[S.l.]:ACM，2012:193-204.

[7]KORPI J，AHONEN-RAINIO P. Clutter Reduction Methods for Point Symbols in Map Mashups[J]. The Cartographic Journal，2013，50(3): 257-265.

[8]WEIBEL R，BURGHARDT D. Generalization On-the-Fly[C]∥Proceedings of Encyclopedia of GIS.New York: Springer，2008:339-344.

[9]BEREUTER P，WEIBEL R. Real-time Generalization of Point Data in Mobile and Web Mapping Using Quadtrees[J]. Cartography and Geographic Information Science，2013，40(4):1-11.

[10]KOVANEN J，SARJAKOSKI L T. Sequential Displacement and Grouping of Point Symbols in a Mobile Context[J]. Journal of Location Based Services，2013，7(2):1-19.

[11]STEFANO B，CHITTARO L. Decluttering of Icons Based on Aggregation in Mobile Maps[C]∥Proceedings of Map-based Mobile Services. Berlin: Springer，2008:13-32.

[12]AI Tinghua，CHENG Jianguo. Key Issues of Multi-Scale Representation of Spatial Data[J]. Geomatics and Information Science of Wuhan University，2005，30(5): 377-382. (艾廷華，成建國. 對(duì)空間數(shù)據(jù)多尺度表達(dá)有關(guān)問題的思考[J]. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版，2005，30(5): 377-382.)

[13]VAN OOSTEROM P.Reactive Data Structure for Geographic Information Systems[M].Oxford: Oxford University Press，1994.

[14]VAN OOSTEROM P. Variable-Scale Topological Data Structures Suitable for Progressive Data Transfer: The GAP-Face Tree and GAP-Edge Forest[J]. Cartography and Geographic Information Science，2005，32 (4): 331-346.

[15]AI Bo，AI Tinghua，TANG Xinming. Progressive Transmission of River Network[J]. Geomatics and Information Science of Wuhan University， 2010,35(1): 51-54.(艾波，艾廷華，唐新明. 矢量河網(wǎng)數(shù)據(jù)的漸進(jìn)式傳輸[J]. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版，2010,35(1): 51-54.)

[16]WU Hehai. Principle of Convex Hull and Its Application in Generalization of Grouped Point Objects[J]. Engineering of Surveying and Mapping， 1997， 6(1):1-6.(毋河海. 凸殼原理在點(diǎn)群目標(biāo)綜合中的應(yīng)用[J]. 測(cè)繪工程，1997，6(1):1-6.)

[17]AI Tinghua，LIU Yaolin. A Method of Point Cluster Simplification with Spatial Distribution Properties Preserved[J]. Acta Geodaetica et Cartographica Sinica，2002，31(2): 175-181.(艾廷華，劉耀林. 保持空間分布特征的群點(diǎn)化簡(jiǎn)方法[J]. 測(cè)繪學(xué)報(bào)，2002，31(2): 175-181.)

[18]DENG Hongyan， WU Fang， QIAN Haizhong， et al. A Model of Point Cluster Selection Based on Genetic Algorithms[J]. Journal of Image and Graphics，2003，8(8):970-975.(鄧紅艷，武芳，錢海忠,等. 基于遺傳算法的點(diǎn)群目標(biāo)選取模型[J]. 中國圖象圖形學(xué)報(bào)，2003，8(8):970-975.)

[19]CAI Yongxiang，GUO Qingsheng. Points Group Generalization Based on Konhonen[J]. Geomatics and Information Science of Wuhan University，2007，32(7):626-629. (蔡永香，郭慶勝. 基于Kohonen網(wǎng)絡(luò)的點(diǎn)群綜合研究[J]. 武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2007，32(7):626-629.)

[20]LI Wenjing，LIN Zhiyong，LONG Yi. Application of Rough Set Idea to Points Objects GIS Generalization[J]. Geomaticsand Information Science of Wuhan University，2008，33(9): 896-899.(李雯靜，林志勇，龍毅. 粗集分類思想在GIS點(diǎn)群綜合中的應(yīng)用[J]. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版，2008，33(9): 896-899.)

[21]YAN H，WEIBEL R. An Algorithm for Point Cluster Generalization Based on the Voronoi Diagram[J]. Computersand Geosciences，2008，34(8): 939-954.

[22]TOPFER F，PLLEWIZER W. The Principles of Selection: a Means of Cartographic Generalization[J]. The Cartographic Journal，1966，3(1):10-16.

[23]JIANG Nan，CAO Yani，SUN Qinghui，et al. Exploration of Two-peak Changing Law of Basic Electronic Map Load[J]. Acta Geodaetica et Cartographica Sinica，2014，43(3): 306-313.(江南，曹亞妮，孫慶輝，等．雙峰型基礎(chǔ)電子地圖載負(fù)量變化規(guī)律的探究[J]. 測(cè)繪學(xué)報(bào)，2014，43(3): 306-313.)

[24]TAO Lianhui，CHEN Yanwu，XIAO Chengcai. Research on Multi-scale Display and Map Loading of Navigation Electronic Map[J]. Geomatics World，2012，9(5): 46-50.(陶連會(huì)，陳艷武，肖成才. 導(dǎo)航電子地圖多尺度顯示與載負(fù)量的研究[J]. 地理信息世界，2012，9(5): 46-50.)

[25]BADER M，BARRAULT M，WEIBEL R. Building Displacement over a Ductile Truss[J]. International Journal of Geographical Information Science，2005，19(8-9): 915-936.

[26]WU Fang，HOU Xuan，QIAN Haizhong，et al. A Model for Road Network Displacement in Automated Map Generalization[J].Acta Geodaetica et Cartographica Sinica，2005，34(3): 262-268.(武芳，侯璇，錢海忠，等. 自動(dòng)制圖綜合中的線目標(biāo)位移模型[J]. 測(cè)繪學(xué)報(bào)，2005，34(3): 262-268.)

(責(zé)任編輯：宋啟凡)

修回日期： 2014-04-24

First author： YANG Min(1985—)，male，postdoctoral fellow，lecturer，majors in map generalization and multi-source spatial data integration and updating.

E-mail： yangmin_whu@163.com

中圖分類號(hào)：P208

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-1595(2015)02-0228-07

基金項(xiàng)目：中國博士后科學(xué)基金(2014M552075); 四川測(cè)繪地理信息局2013年科技項(xiàng)目(J2013ZC02)

收稿日期：2013-12-04

第一作者簡(jiǎn)介：楊敏(1985—)，男，博士后，講師，研究方向?yàn)榈貓D綜合、空間數(shù)據(jù)匹配集成及更新。

Abstract：With the development of mobile and Web technologies，there has been an increasing number of map-based mashups which display different kinds of POI data in volunteered geographic information. Due to the lack of suitable mechanisms for multi-scale visualization，the display of the POI data often results in the icon clustering problem with icons touching and overlapping each other. This paper introduces a multi-scale visualization method for urban facility POI data by combing the classic methods of generalization and on-line environment. Firstly，we organize the POI data into hierarchical structure by preprocessing in the server-side; the POI features then will be obtained based on the display scale in the client-side and the displacement operation will be executed to resolve the local icon conflicts. Experiments show that this approach can not only achieve the requirements of real-time online，but also can get better multi-scale representation of POI data.

Key words：volunteered geographic information; urban facility POI data; multi-scale visualization; real-time generalization

引文格式：YANGMin，AITinghua，LUWei,etal.AReal-timeGeneralizationandMulti-scaleVisualizationMethodforPOIDatainVolunteeredGeographicInformation[J].ActaGeodaeticaetCartographicaSinica,2015,44(2):228-234.(楊敏，艾廷華，盧威,等. 自發(fā)地理信息興趣點(diǎn)數(shù)據(jù)在線綜合與多尺度可視化方法[J].測(cè)繪學(xué)報(bào)，2015,44(2)：228-234.)DOI:10.11947/j.AGCS.2015.20130564