面狀實體增量信息提取過程中變化類型自動檢測方法

張 旗 升，王 艷 慧

(首都師范大學(xué)資源環(huán)境與地理信息系統(tǒng)北京市重點實驗室,北京 100048；首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點實驗室,北京 100048；首都師范大學(xué)城市環(huán)境過程與數(shù)字模擬國家重點實驗室培育基地,北京 100048)

面狀實體增量信息提取過程中變化類型自動檢測方法

張 旗 升，王 艷 慧*

(首都師范大學(xué)資源環(huán)境與地理信息系統(tǒng)北京市重點實驗室,北京 100048；首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點實驗室,北京 100048；首都師范大學(xué)城市環(huán)境過程與數(shù)字模擬國家重點實驗室培育基地,北京 100048)

為解決空間數(shù)據(jù)庫增量更新過程中空間實體變化類型識別困難、判別方法復(fù)雜度高、判別因子冗余度高以及識別過程自動化程度低等問題，提出一種基于實體特征匹配模型的面狀實體變化類型檢測方法。該方法在新舊版本面狀空間數(shù)據(jù)庫增量實體集合基礎(chǔ)上，構(gòu)建實體變化類型評判規(guī)則，設(shè)計并集成面狀要素屬性及幾何特征算子，對單一面狀實體9種變化類型進行檢測和提取，最大限度地降低判別算法復(fù)雜度和判別因子冗余度，實現(xiàn)面狀實體增量信息提取過程中變化類型的判別、提取、入庫，以及判別過程與增量實體提取過程的緊密聯(lián)系和有機耦合。

增量更新；變化類型檢測；實體幾何特征；增量信息提取

0 引言

增量更新是目前空間數(shù)據(jù)庫更新的主要方法，實體變化信息檢測和提取是空間數(shù)據(jù)庫增量更新的基礎(chǔ)。完整的變化信息不僅包含變化實體，還應(yīng)記錄引發(fā)實體物理變化的變化類型信息[1-4]。變化類型信息對于增量數(shù)據(jù)存儲組織、增量信息采集、聯(lián)動更新處理、更新質(zhì)量控制和變化信息發(fā)布有著重要影響，用戶可利用實體變化信息進行地物更新操作、生命周期跟蹤、歷史數(shù)據(jù)回溯、變化信息統(tǒng)計分析以及時空傳播規(guī)律、地物變化趨勢預(yù)測等應(yīng)用[5-9]。

面狀實體變化類型的分類方法較多，研究中常將變化類型分為消失、出現(xiàn)、重現(xiàn)、屬性變化、擴張、收縮、平移、旋轉(zhuǎn)、變形9種基本變化類型[10-12]。目前，對于增量信息變化類型的檢測和提取，研究者主要從兩種角度展開研究：地理實體變化事件驅(qū)動、實體特征變化信息驅(qū)動。大多數(shù)學(xué)者在基于事件驅(qū)動的增量更新過程中把空間實體變化類型信息更新到空間數(shù)據(jù)庫中[6,8，13-15]，該方法一定程度上解決了增量信息提取過程中實體變化類型信息檢測的難題，但需提前獲知實體變化類型信息，并通過變化類型信息(地理變化事件)進行增量更新，這意味著需要在更新操作之前把變化類型信息存儲在數(shù)據(jù)庫中，其實質(zhì)相當(dāng)于人工添加變化類型信息，而多數(shù)情況下，對大量空間數(shù)據(jù)進行更新時，很難追溯這些實體所經(jīng)歷的變化過程并提前獲知所有空間實體的變化類型信息。此外，實體間拓?fù)潢P(guān)系[16,17]以及實體目標(biāo)維數(shù)、尺寸、形狀和位置等屬性信息也被用于變化類型信息判別[7,18]，還有學(xué)者采用快照差三元組描述模型[9]、四因子模型[19,20]等進行變化類型檢測研究，這些方法與基于變化事件的判別方法相比，自動化程度有所提高，但或多或少存在判別方法復(fù)雜度高、判別因子冗余度高、變化類型信息推斷不詳細(xì)、不準(zhǔn)確的問題。針對上述問題，本文提出一種面狀實體增量信息提取過程中變化類型的自動檢測方法，在實體匹配模型所提取的增量實體集合基礎(chǔ)上，設(shè)計并定義變化類型自動檢測規(guī)則，集成面狀實體的屬性信息和反映面狀實體不同幾何特征的子算子，對單一面狀實體的9種變化類型進行檢測和提取，在保證算法準(zhǔn)確性的前提下，最大限度降低算法的復(fù)雜度和判別因子的冗余度，實現(xiàn)面狀實體增量信息提取過程中變化類型的自動判別、提取、入庫，以及判別過程與增量實體提取過程的有機耦合。

1 實體變化類型檢測方法

面狀實體變化類型檢測方法主要用于完善空間數(shù)據(jù)增量更新中增量信息提取過程，將實體變化類型信息和變化實體一同組織在增量信息中。為顧及方法普適性，本文以集成屬性和幾何特征的空間實體匹配思想設(shè)計變化類型檢測規(guī)則，對面狀實體進行變化類型自動檢測與提取。即在增量實體集合的基礎(chǔ)上利用屬性、幾何位置、大小、形狀、方向信息構(gòu)建實體變化類型檢測模型，以簡潔的判別條件和判別算子保證變化類型信息檢測的準(zhǔn)確性，并最大限度降低算法的復(fù)雜度。同時，將其與增量實體提取過程緊密聯(lián)系，實現(xiàn)增量信息提取過程中變化實體提取和變化類型信息推斷的有機耦合。該方法在增量信息提取流程中的位置以及與增量實體提取的聯(lián)系如圖1所示。

圖1 增量信息提取流程Fig.1 The process of incremental information extraction

1.1 基于實體匹配特征的變化類型判別思想

實體特征匹配內(nèi)容包括幾何特征匹配和屬性(語義)特征匹配，兩者同時達到匹配標(biāo)準(zhǔn)時，可將實體視為匹配對象。如果用M表示匹配模型，用Attribute表示其屬性值，用Features表示其幾何特征，則空間實體匹配模型：M=(Attribute,Features)。而面狀實體幾何特征又包括位置、大小、形狀、方向[21]，用Position、Size、Shape、Direction分別表示面狀實體的位置、大小、形狀、方向4個幾何特征，則Features=(Position,Size,Shape,Direction)，再根據(jù)空間實體匹配模型得到細(xì)化的面狀實體匹配模型M=(Attribute,Position,Size,Shape,Direction)。

不同實體變化類型對應(yīng)不同的屬性信息及幾何特征變化組合。結(jié)合上述模型進行分析，可知面狀實體可通過Attribute、Position、Size、Shape、Direction5個匹配指標(biāo)進行變化類型判別，模型中5個指標(biāo)不同值的組合代表不同的變化類型信息；當(dāng)匹配數(shù)據(jù)中不含屬性數(shù)據(jù)時，可用除去Attribute之外的其他4個判別條件進行幾何匹配和變化類型判別[22]。假設(shè)5個指標(biāo)中任何一個達到該條件所設(shè)置的閾值標(biāo)準(zhǔn)，則將該條件判斷值記為T，反之記為F，那么當(dāng)M=(T，T，T，T，T)時表示實體匹配成功。

運用該匹配模型中5個指標(biāo)值的組合進行實體變化類型推理的思路見圖2，在增量實體集合的基礎(chǔ)上，根據(jù)模型M中各判別條件的值可對除消失、出現(xiàn)、重現(xiàn)之外的6種變化類型進行區(qū)分。在變化實體集合基礎(chǔ)上進行變化類型推斷，不僅可以更加準(zhǔn)確地對各種變化類型進行判別，還可大大減少判別流程計算量，提高算法效率。此外，對于消失、出現(xiàn)兩種變化類型，只需要比較兩個版本中任一地理實體在同一地理范圍內(nèi)是否有交集，如果新版本數(shù)據(jù)庫中存在實體A，而待匹配的數(shù)據(jù)庫中該范圍內(nèi)和實體A無交集，則可將此種變化類型歸為出現(xiàn)類型，反之，為消失;重現(xiàn)則需要對3個時期的數(shù)據(jù)庫進行判別，其變化過程可視為消失和出現(xiàn)過程的疊加。

圖2 實體變化類型判別思想Fig.2 The thought of entity change type discrimination

1.2 實體變化類型判別算子選取

由上文可知，用屬性信息和實體幾何特征進行面狀變化類型判別前，需選取相應(yīng)的判別算子來度量其屬性及幾何匹配特征。對變化實體屬性數(shù)據(jù)進行匹配判別時，只需對兩個面狀實體的屬性字段進行語義匹配。而選取幾何判別算子時，首先需要保證其整體性，即兼顧形狀、大小、位置、方向四方面的判別指標(biāo)，以保證判別的準(zhǔn)確度；其次，應(yīng)考慮算法的復(fù)雜度，以保證算法的簡潔性；最后，所選取的算子組合判別模型應(yīng)不受數(shù)據(jù)種類、尺度影響。綜上所述，本文選取質(zhì)心判別算子度量面狀實體的位置特征,面積判別算子度量其大小特征,而轉(zhuǎn)向角累積函數(shù)匹配算子度量其形狀和方向特征。具體包括:

(1)質(zhì)心判別算子：用于反映實體間的距離(位置)指標(biāo)，質(zhì)心距離越小代表兩個面實體的位置相似度越高。這里，用E1、E2代表兩個待匹配面實體，D(E1,E2)表示兩個面實體之間的質(zhì)心距離，r1、r2分別表示面實體E1和E2最小外接矩形對角線長的一半。此處引入r1、r2可使距離評分免受實體尺寸大小的影響。則質(zhì)心判別算子度量式如下：

(1)

(2)面積判別算子：假設(shè)S(E1)、S(E2)分別表示兩個面實體E1和E2的面積,則用面積差判別面狀實體大小相似性的公式如下：

(2)

(3)轉(zhuǎn)向角累積函數(shù)判別算子：用來度量面狀實體形狀相似性，同時還可以在一定程度上度量其方向相似度。原理如下：選取兩個實體頂點中的某個方向的形狀特征點為參考點，該參考點和實體質(zhì)心連線與坐標(biāo)系橫軸所成的夾角的正弦值最大，同時參考點的X軸的坐標(biāo)大于該實體質(zhì)心的X坐標(biāo)，這種參考點選取方法的好處是：可以將面狀實體的方向信息考慮到算法中。記錄特征點逆時針弧段方向與X軸的夾角，并沿逆時針記錄每個弧段的歸一化長度(弧段長度與周長比值)，以歸一化長度作為X軸，各點沿周邊轉(zhuǎn)向角累加值作為Y軸。假設(shè)E1(x)、E2(x)為面實體E1和E2的轉(zhuǎn)向角累積函數(shù)，則度量實體形狀和方向信息的轉(zhuǎn)向角累積函數(shù)判別算子公式如下:

(3)

轉(zhuǎn)向角累積函數(shù)判別算子可同時度量面狀實體的形狀和方向信息，但匹配實體的形狀差異性和方向差異性都可能造成該判別算子不達標(biāo)的情況，用以上3個算子的組合并不能判別實體的旋轉(zhuǎn)變化類型，因此，當(dāng)且僅當(dāng)質(zhì)心判別算子和面積差判別算子達標(biāo)，而轉(zhuǎn)向角累積函數(shù)判別算子不達標(biāo)時，引入輔助判別算子進行旋轉(zhuǎn)變化類型的判別，若該輔助算子計算結(jié)果大于所設(shè)置的閾值則代表兩個實體形狀相同而方向不同，此時，可將變化類型判定為旋轉(zhuǎn)，否則將變化類型歸類為變形。該判別算子采用形狀參數(shù)(Form Factor)[21]度量其形狀差異性，假設(shè)S(E1)、S(E2)，L(E1)、L(E2)分別表示兩個面實體E1和E2的面積和周長，則輔助判別算子公式如下：

AssistResult=

(4)

1.3 實體變化類型判別規(guī)則

下文中IsAttributeMatch代表兩個面狀實體屬性匹配與否，若匹配則記為True,反之，記為False;將1.2節(jié)中4個子算子的結(jié)果分別用PositionResult、AreaResult、ShapeDirectionResult、AssistResult表示，其相似性閾值分別設(shè)定為φ1、φ2、φ3、φ4,符號and為邏輯與運算符,ChangeType代表變化類型結(jié)果；對于舊版空間數(shù)據(jù)庫除GeoDatabase(O)中的任意面狀實體A和新版空間數(shù)據(jù)庫中GeoDatabase(N)中的任意面狀實體B,同時存在一個早于GeoDatabase(O)的地理空間數(shù)據(jù)庫 GeoDatabase(E)。

對于任意的面狀實體A和B,根據(jù)匹配模型可得其匹配規(guī)則，描述如下：

MatchingRule:if((IsAttributeMatch=True)and(PositionResult>=φ1)and(AreaResult>=φ2)and(ShapeDirectionResult>=φ3))thenMatching(A,B)

即：如果面狀實體E1和E2被認(rèn)定為屬性信息和幾何特征信息均匹配，則E1和E2被視為匹配對象。

在此基礎(chǔ)上，假設(shè)各版空間數(shù)據(jù)庫中除去匹配實體之外的對應(yīng)實體集合分別為ChangeCollection(O)、ChangeCollection(N)、ChangeCollection(E)，其對應(yīng)面狀實體分別為E1、E2、E0。對任意的E1、E2、E0，根據(jù)上文描述的變化類型判別思想，結(jié)合所選取的幾何特征判別算子，單一面狀實體的9種基本變化類型推斷規(guī)則可描述為：

Rule1:?E2∈ChangeCollection(N),?E1∈ChangeCollection(O),if(E1∩E2=?)thenChangeType(E1)←Vanish

如果面狀實體E1與任意實體E2在同一空間范圍內(nèi)無交集，則將實體E1的變化類型歸為消失。

Rule2:?E1∈ChangeCollection(O),?E2∈ChangeCollection(N),if(E2∩E1=?)thenChangeType(E2)←Appearance

如果面狀實體E2與任意實體E1在同一空間范圍內(nèi)無交集，則將實體E2的變化類型歸為出現(xiàn)。

Rule3:if((Matching(E0,E2)=Ture)and(ChangeType(E0)=Vanish)and(ChangeType(E2)=Appearance))thenChangeType(E2)←Reappearance

如果面狀實體E0和E2匹配且其變化類型分別為消失和出現(xiàn)，則將E2的變化類型歸為重現(xiàn)。

Rule4:if((IsAttributeMatch=False)and(PositionResult>=φ1)and(AreaResult>=φ2)and(ShapeDirectionResult>=φ3))thenChangeType(E1→E2)←AttributeChange

如果面狀實體E1和E2中幾何特征未改變，而屬性信息改變，則將實體變化類型歸為屬性變化。

Rule5:if((IsAttributeMatch=True)and(PositionResult>=φ1)and(AreaResult<φ2)and(ShapeDirectionResult>=φ3)and(S(E2)

如果面狀實體E1和E2中面積幾何特征改變，E2的面積相對于E1減小，而其他判別指標(biāo)達標(biāo)，則將實體變化類型歸為收縮。

Rule6:if((IsAttributeMatch=True)and(PositionResult>=φ1)and(AreaResult<φ2)and(ShapeDirectionResult>=φ3)and(S(E2)>S(E1)))thenChangeType(E1→E2)←Expansion

如果面狀實體E1和E2中面積幾何特征改變，且E2的面積相對于E1增大，而其他判別指標(biāo)達標(biāo)，則將實體變化類型歸為擴張。

Rule7:if((IsAttributeMatch=True)and(PositionResult<φ1)and(AreaResult>=φ2)and(ShapeDirectionResult>=φ3))thenChangeType(E1→E2)←Translation

如果面狀實體E1和E2中位置幾何特征改變，而其他判別指標(biāo)達標(biāo)，則將實體變化類型歸為平移。

Rule8:if((IsAttributeMatch=True)and(PositionResult>=φ1)and(AreaResult>=φ2)and(ShapeDirectionResult<φ3)and(AssistResult>=φ4))thenChangeType(E1→E2)←Rotation

如果面狀實體E1和E2中方向幾何特征改變，而其他判別指標(biāo)達標(biāo)，則將實體變化類型歸為旋轉(zhuǎn)。

Rule9:?E1∈ChangeCollection(O),E2∈ChangeCollection(N),if((ChangeType?(Rule1∪Rule2∪Rule3∪Rule4∪Rule5∪Rule6∪Rule7∪Rule8))thenChangeType(E1→E2)← Deformation

由于變形類型眾多,如對所有情況進行判別，將增加算法復(fù)雜度，降低算法效率,故將變化實體集合中不符合Rule1-Rule8的變化類型歸為變形。

1.4 變化類型檢測流程

(1)匹配數(shù)據(jù)預(yù)處理：在進行變化類型檢測前應(yīng)對匹配數(shù)據(jù)進行預(yù)處理以確定其候選匹配數(shù)據(jù)集，得到的候選數(shù)據(jù)集在大致相同的空間范圍內(nèi)應(yīng)具有相同的數(shù)據(jù)格式、坐標(biāo)及投影系統(tǒng)，同時消除空間拓?fù)溴e誤等，避免影響算法性能和匹配準(zhǔn)確度。

(2)面狀變化實體提?。簩γ鏍顚嶓w變化類型進行檢測以避免對兩個數(shù)據(jù)庫中的全部空間數(shù)據(jù)進行檢測，提高算法效率。可通過前述匹配規(guī)則或其他任意面狀實體匹配方法得到匹配面實體，新、舊版本數(shù)據(jù)中的實體與匹配實體的差集Collection2、Collection1分別為新、舊版本數(shù)據(jù)中的變化實體集合。

(3)變化實體集合交集判斷：對于Collection2和Collection1中沒有交集的面狀實體，則可直接用Rule1-Rule3進行判別，得到消失、出現(xiàn)、重現(xiàn)3種變化類型結(jié)果。

(4)計算各判別子算子的值，并判斷實體間屬性是否匹配：對Collection1和Collection2中的交集不等于空集的面狀實體，分別計算其質(zhì)心判別算子、面積差判別算子、轉(zhuǎn)向角累積函數(shù)判別算子的值PositionResult、AreaResult、ShapeDirectionResult，并確定屬性判別結(jié)果IsAttributeMatch,匹配為True,不匹配為False。

(5)設(shè)定判別子算子閾值：閾值為經(jīng)驗值，其設(shè)定與數(shù)據(jù)種類、尺度、用途、精度要求等均有關(guān)系，閾值設(shè)定的大小影響類型判別的準(zhǔn)確度，算法中將3個算子的閾值分別設(shè)定為φ1、φ2、φ3。

(6)變化類型判別：將PositionResult、AreaResult、ShapeDirectionResult三者的值與閾值φ1、φ2、φ3進行比較，根據(jù)上文所敘述的9種判別規(guī)則判定變化類型。特別地，當(dāng)且僅當(dāng)兩個面狀實體符合條件((IsAttributeMatch=True)and(PositionResult>=φ1)and(AreaResult>=φ2)and(ShapeDirectionResult<φ3))時,計算其輔助判別算子的值A(chǔ)ssistResult，并對其設(shè)置合適的閾值φ4，若AssistResult>φ4,則變化類型為Rotation，否則為Deformation。

(7)變化類型信息匯總，并將變化類型信息與變化實體關(guān)聯(lián)：將步驟(3)、(6)中得到的變化類型結(jié)果進行匯總，并將變化類型結(jié)果賦到增量實體的屬性當(dāng)中，從而得到完整的面狀空間數(shù)據(jù)庫增量信息。

上述7個步驟即為增量信息提取過程中面狀實體變化類型檢測流程(圖3)。

圖3 變化類型檢測方法流程Fig.3 The process of change type discrimination method

2 實驗及結(jié)果分析

為驗證本文面狀實體增量信息提取過程中變化類型檢測方法的可行性，采用c#編程語言結(jié)合ArcGIS Engine進行實驗，選取北京市房山區(qū)不同時期的兩幅相同范圍的大比例尺電子地圖中的部分房屋數(shù)據(jù)進行判別實驗。由于實驗數(shù)據(jù)為新舊兩期建筑物數(shù)據(jù)，而實際數(shù)據(jù)集中少有旋轉(zhuǎn)、平移兩種變化類型，且重現(xiàn)變化類型是基于三期變化數(shù)據(jù)而言，因此，為完整證明本方法的可行性，實驗中將模擬的具有平移、旋轉(zhuǎn)變化類型的地物加入所提取的變化實體集合當(dāng)中進行模擬實驗。重現(xiàn)作為消失和出現(xiàn)變化類型的復(fù)合變化類型，可通過消失、出現(xiàn)、屬性變化3種變化類型的實驗結(jié)果來驗證其判別的可行性。實驗結(jié)果如圖4所示，圖中每一行前半部分代表的是舊版本和新版本數(shù)據(jù)對應(yīng)的ID號，后半部分代表對應(yīng)實體的變化類型。對所得結(jié)果進行統(tǒng)計，并將實驗判別結(jié)果與實際變化類型進行對比，同時進行精度分析，結(jié)果如表1。

圖4 變化類型實驗判別結(jié)果Fig.4 Discriminant result of change type experiment

表1 變化類型實驗判別結(jié)果精度分析Table 1 Accuracy analysis of change type discriminant experiment result

上述實驗表明,該方法可以對除旋轉(zhuǎn)和變形兩種之外的變化類型進行精準(zhǔn)判別；而旋轉(zhuǎn)物變化類型的判別準(zhǔn)確度為93%，完整度為89%，變形地物變化類型的判別準(zhǔn)確度為90%，完整度為95%。從表1可知，旋轉(zhuǎn)地物變化類型判別的漏判數(shù)為1，錯判數(shù)為1，而變形的情況中判別冗余數(shù)為1，錯判數(shù)也為1，旋轉(zhuǎn)地物變化類型中漏配的地物為變形判別時冗余的地物，而錯判地物的實際變化類型則為旋轉(zhuǎn)，變形地物變化類型當(dāng)中錯判地物的實際變化類型則為旋轉(zhuǎn)。通過分析可知，產(chǎn)生判別錯誤的原因一是轉(zhuǎn)向角累積判別算子對于地物方向的描述不夠精確，二是判別算子閾值設(shè)定不準(zhǔn)確。對于整體(全部)變化類型而言，由于本文的判別方法是在增量變化實體集合的基礎(chǔ)上，實驗得到的變化類型實體判別個數(shù)和實驗數(shù)據(jù)中的變化實體個數(shù)應(yīng)相等，因此其判別準(zhǔn)確度和完整度應(yīng)保持一致，本實驗中，整體變化類型的判別準(zhǔn)確度和完整度均為97%。

同時，為了驗證該方法的可靠性，另外選取其他不同比例尺的4個研究區(qū)域進行變化類型檢測實驗。實驗結(jié)果中旋轉(zhuǎn)和變形地物變化類型的判別準(zhǔn)確度以及完整度均維持在90%～97%之間；而對于其余變化類型，其判別精度依然可以達到100%。因文章篇幅限制,本文僅給出幾個研究區(qū)的整體變化類型判別結(jié)果(表2)，其精度均保持在95%以上。綜上可知，本文所提出的面狀實體增量信息提取過程中變化類型檢測方法在實際應(yīng)用中能夠很好地對增量信息中的面狀實體變化類型進行判別，具有良好的可行性和適用性。

表2 不同研究區(qū)域判別實驗結(jié)果Table 2 Discriminant experiment result of different research areas

3 結(jié)論

本文對面狀實體增量信息提取過程中變化類型檢測問題進行了研究，基于目標(biāo)匹配思想，并在新舊版本面狀空間數(shù)據(jù)庫增量實體集合的基礎(chǔ)上，選取面狀實體的屬性信息和反映其不同幾何特征的判別子算子對單一面狀實體的9種變化類型進行檢測和提取，詳細(xì)描述了面狀實體增量信息提取過程中實體變化類型檢測流程，實現(xiàn)了實體變化類型判別方法與增量實體提取過程的緊密聯(lián)系和有機耦合。實驗結(jié)果表明，本方法在實際應(yīng)用中能夠很好地對增量信息中的面狀實體進行變化類型判別，具有良好的可行性和適用性。但本文僅探討了相同比例尺下的面狀實體變化類型的判別，對于不同比例尺下的實體變化類型判別方法及算法實現(xiàn)過程中自適應(yīng)閾值的設(shè)定還需進行更深層次的探討和研究。

[1] BRIATM O,MONNOT J L,KRESSMANN T.Incremental Updata of Cartographic Data in a Versioned Environment[C].Proceedings of 22nd ICA Conference,2005.1-9.

[2] 張新長,郭泰圣,唐鐵．一種自適應(yīng)的矢量數(shù)據(jù)增量更新方法研究[J]．測繪學(xué)報,2012,41(4)：613-619.

[3] 姬存?zhèn)?武芳,鞏現(xiàn)勇,等.居民地要素增量信息表達模型研究[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2013,38(7):857-861.

[4] BADARD T,RICHARD D.Using XML for the exchange of updating information between geographical information systems[J].Computers Environment and Urban Systems,2001,25(1):17-31.

[5] GOMBOS I M,Z ALIK B,KRIVOGRAD S.Comparing two sets of polygons[J].International Journal of Geographical Information Science,2003,17(5):431-443.

[6] 周熠,孫群,劉海硯,等.用于變化發(fā)現(xiàn)的地理事件建模與表達[J].測繪科學(xué)技術(shù)學(xué)報，2013,30(1),87-90.

[7] 邢漢發(fā),陳軍,李長輝,等.參數(shù)化的空間實體變化分類方法[J].中南大學(xué)學(xué)報(自然科學(xué)版),2014,45(2):495-500.

[8] 羅國瑋,張新長,齊立新.顧及地理要素變化過程的數(shù)據(jù)增量更新方法[J].中山大學(xué)學(xué)報(自然科學(xué)版),2014,53(4):131-141.

[9] 陳軍,林艷,劉萬增,等.面向更新的空間目標(biāo)快照差分類與形式化描述[J].測繪學(xué)報,2012,41(1)：108-114.

[10] CLARAMUNT C,THEIAUL T M.Managing time in GIS:An event-oriented approach[A].CLIFFORD J,TUZHILIN A.Recent Advances on Temporal Databases[C].Zurich Switzerland:Springer-Verlag,1995.

[11] HORNSBY K,EGENOFER M.Identity-based change:A foundation for spatio-temporal knowledge representation[J].International Journal of Geographical Information Science,2000,14(3):207-224.

[12] 周曉光,陳軍.基于變化映射的時空數(shù)據(jù)動態(tài)操作[J].遙感學(xué)報,2009,13(4)：653-658.

[13] 周曉光,陳軍,朱建軍,等.基于事件的時空數(shù)據(jù)庫增量更新[J].中國圖形圖像學(xué)報,2006,11(10):1431-1438.

[14] KLIPPEL A,WORBOYS M,DUCKHAM M.Identifying factors of geographic event conceptualisation[J].International Journal of Geographical Information Science,2008(2):183-204.

[15] 姬存?zhèn)ィ浞?鞏現(xiàn)勇,等.居民地要素增量信息表達模型研究[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2013,38(7):857-861.

[16] 陳軍,周曉光.基于拓?fù)渎?lián)動的增量更新方法研究——以地籍?dāng)?shù)據(jù)庫為例[J].測繪學(xué)報,2008,37(3):322-327.

[17] 潘勵,王華.利用拓?fù)潢P(guān)系模型自動檢測居民地的變化類型[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2009,34(3):301-304.

[18] 朱華吉,吳華瑞,馬少娟.空間目標(biāo)增量時空變化分類模型[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2013,38(3):339-343.

[19] 馬少娟,朱華吉.時空變化分類與表達研究[J].測繪科學(xué),2007,32(4):88-90.

[20] 朱華吉,吳華瑞.基于4 因子模型的地形數(shù)據(jù)變化分類[J].長安大學(xué)學(xué)報(自然科學(xué)版),2007,27(1):59-62.

[21] 邵世維.基于幾何特征的多尺度矢量面狀實體匹配方法研究與應(yīng)用[D].武漢：武漢大學(xué)，2011.

[22] ZHAO Z Q,STOUGH R R,SONG D J.Measuring congruence of spatial objects[J].International Journal of Geographical Information Science,2011,3(1):113-130.

Automatic Detection Method for Change Type in Incremental Information Extraction Process of the Area Entities

ZHANG Qi-sheng,WANG Yan-hui

(BeijingKeyLaboratoryofResourceEnvironmentandGeographicInformationSystem,CapitalNormalUniversity,Beijing100048;KeyLaboratoryof3-DimensionalInformationAcquisitionandApplication,MinistryofEducation,CapitalNormalUniversity,Beijing100048;StateKeyLaboratoryIncubationBaseofUrbanEnvironmentalProcessesandDigitalSimulation,CapitalNormalUniversity,Beijing100048，China)

In order to solve the problems such as the difficulties of identifying the spatial entities change types,high complexity of discrimination methods,redundancy of discrimination factors,low automation degree of the identification process,et al,in the process of incremental updating,an automatic detection method for entity change type on the foundation of entity features matching model has been presented.The method builds the discriminant rules for entity change type based on incremental entity sets of old and new versions′ area spatial databases,designs and integrates attribute and geometric feature operators of area entities to detect and extract nine change types of single area entity,minimizes complexity of the algorithm and redundancy of detection factors,achieves identification,extraction,storage of change types in the process of incremental information extraction,and achieves close connection,organic coupling with the process of discrimination and increment entities extraction.Experimental results show that the method has good feasibility and applicability,and the method could be well applied to change type discrimination of area entities.

incremental updating;change type detection;entity geometric feature;incremental information extraction

2015-10-12；

2015-12-17

國家自然科學(xué)基金項目(41371375)；北京市自然科學(xué)基金項目(8132018)

張旗升(1990-)，男，碩士研究生,主要研究方向為GIS方法與應(yīng)用。*通訊作者E-mail：huiwangyan@sohu.com

10.3969/j.issn.1672-0504.2016.02.003

P208

A

1672-0504(2016)02-0011-06