基于幾何精度的居民地匹配質(zhì)量評(píng)估方法

焦洋洋，金　澄,3，徐道柱,3

1. 西安測(cè)繪研究所，陜西 西安，710054;2. 地理信息工程國家重點(diǎn)實(shí)驗(yàn)室，陜西 西安，710054;3. 信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州，450001

?

基于幾何精度的居民地匹配質(zhì)量評(píng)估方法

焦洋洋1,2，金澄1,2,3，徐道柱1,2,3

1. 西安測(cè)繪研究所，陜西 西安，710054;2. 地理信息工程國家重點(diǎn)實(shí)驗(yàn)室，陜西 西安，710054;3. 信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州，450001

空間數(shù)據(jù)匹配是空間數(shù)據(jù)更新與維護(hù)的基礎(chǔ)和關(guān)鍵。針對(duì)空間數(shù)據(jù)匹配質(zhì)量評(píng)估方法欠缺的現(xiàn)狀，以居民地為例，提出了基于幾何精度的居民地匹配質(zhì)量評(píng)估方法。通過分析居民地匹配質(zhì)量問題的內(nèi)涵，確定了以幾何精度作為依據(jù)的評(píng)估方法；結(jié)合居民地匹配質(zhì)量評(píng)估特點(diǎn)，改進(jìn)一般矢量數(shù)據(jù)質(zhì)量評(píng)估中的缺陷扣分模型，得到了居民地幾何匹配質(zhì)量評(píng)估缺陷扣分模型，從而建立了居民地幾何匹配質(zhì)量評(píng)分評(píng)級(jí)模型。實(shí)驗(yàn)表明，該方法可以有效地完成居民地匹配質(zhì)量評(píng)估，具有較強(qiáng)的可行性和實(shí)用性。

匹配；居民地；質(zhì)量評(píng)估；幾何精度

1　引　言

隨著國家基礎(chǔ)地理信息數(shù)據(jù)庫的建成，基礎(chǔ)地理信息的更新與維護(hù)逐漸代替數(shù)據(jù)生產(chǎn)成為了主要工作[1,2]。作為地理信息更新中發(fā)現(xiàn)級(jí)聯(lián)關(guān)系的重要步驟，空間數(shù)據(jù)匹配成為了空間數(shù)據(jù)增量更新的關(guān)鍵技術(shù)[2]。目前針對(duì)居民地匹配理論上的研究成果越來越多[3-5]，但始終得不到廣泛的實(shí)際應(yīng)用，究其原因，主要是匹配質(zhì)量不能得到保證。因此，如何對(duì)匹配后的數(shù)據(jù)進(jìn)行質(zhì)量評(píng)估，糾正匹配產(chǎn)生的錯(cuò)誤，提高匹配算法的實(shí)用價(jià)值，成為地理信息更新工作中必須直面的問題。通常人們將匹配質(zhì)量問題和空間矢量數(shù)據(jù)質(zhì)量問題聯(lián)系起來，參照矢量數(shù)據(jù)質(zhì)量問題的研究方法和思路去理解匹配的質(zhì)量，但是它們之間是有很大區(qū)別的，簡(jiǎn)單地依據(jù)矢量數(shù)據(jù)質(zhì)量問題的研究思路和方法是遠(yuǎn)遠(yuǎn)不能滿足實(shí)際需求的。目前大多數(shù)學(xué)者使用人工檢查的方法檢驗(yàn)匹配的結(jié)果，找出誤匹配、漏匹配及正確匹配的實(shí)體，并用查準(zhǔn)率查全率來評(píng)估匹配結(jié)果；也有部分學(xué)者使用自動(dòng)檢核的方式對(duì)匹配的結(jié)果進(jìn)行修正[6,7]，但自動(dòng)化程度不高，不能達(dá)到完整的質(zhì)量評(píng)估結(jié)論。因此，本文以居民地為例研究其匹配質(zhì)量評(píng)估方法和流程，為日后其他要素的匹配質(zhì)量評(píng)估提供理論和方法參考。

2　匹配質(zhì)量概念的提出及研究重點(diǎn)

國際標(biāo)準(zhǔn)化組織ISO 9000:2005“質(zhì)量術(shù)語”對(duì)質(zhì)量的定義為：反映某項(xiàng)產(chǎn)品、服務(wù)滿足一些明確或隱含需求能力的特性或特征的總和[8]。顯然，居民地匹配質(zhì)量也符合上述定義。匹配關(guān)系即為匹配處理過程所“生產(chǎn)”的“產(chǎn)品”，匹配關(guān)系的正確性、滿足下一步更新及入庫需要的能力即為其滿足“明確”和“隱含”需求的能力。

2.1匹配質(zhì)量問題的概念

正如上文對(duì)質(zhì)量的定義，居民地匹配的質(zhì)量是對(duì)空間數(shù)據(jù)匹配處理是否“達(dá)到”預(yù)先設(shè)定的目標(biāo)，是否“滿足”后續(xù)更新融合及入庫要求程度的“滿意度”。居民地匹配質(zhì)量并不是一個(gè)一成不變的標(biāo)準(zhǔn)，它隨著待匹配數(shù)據(jù)源的特點(diǎn)、匹配成果的用途、預(yù)先設(shè)定的匹配目標(biāo)等質(zhì)量影響因子的變化而變化，其內(nèi)涵也隨著匹配技術(shù)提高、數(shù)據(jù)源質(zhì)量的改善而變化。

結(jié)合空間數(shù)據(jù)匹配的流程，匹配質(zhì)量評(píng)估主要包括數(shù)據(jù)源質(zhì)量評(píng)估、匹配算法質(zhì)量評(píng)估、匹配過程控制、匹配結(jié)果質(zhì)量評(píng)估四方面內(nèi)容，其中前三項(xiàng)主要在數(shù)據(jù)預(yù)處理和匹配過程中完成，涉及面較廣，匹配結(jié)果質(zhì)量是反映匹配質(zhì)量最直觀、最有效、也是最便捷的內(nèi)容，故將其作為主要研究?jī)?nèi)容。匹配結(jié)果質(zhì)量評(píng)估通常需要對(duì)已匹配的同名實(shí)體之間的幾何關(guān)系、屬性關(guān)系以及拓?fù)潢P(guān)系等質(zhì)量元素的相似性進(jìn)行度量。不同來源空間數(shù)據(jù)的屬性信息通常存在格式差異、內(nèi)容差異、信息缺失等問題，拓?fù)潢P(guān)系一致性度量對(duì)數(shù)據(jù)要求較高，在匹配質(zhì)量評(píng)估中不能過分依賴拓?fù)潢P(guān)系和屬性信息，因此，本文選擇幾何精度度量作為匹配結(jié)果質(zhì)量評(píng)估的唯一標(biāo)準(zhǔn)，并以此提出了基于幾何精度的居民地匹配質(zhì)量評(píng)估方法。

2.2匹配結(jié)果的質(zhì)量評(píng)估

2.2.1匹配結(jié)果類型

Cobb(1998)等在空間數(shù)據(jù)匹配分析中將匹配結(jié)果分為匹配、未匹配兩種情況[11]?？梢詫⑵ヅ溥M(jìn)一步分為正確匹配和誤匹配；未匹配也可分為正確未匹配和漏匹配，如圖1所示。

圖1　匹配結(jié)果分類

正確匹配是指參考數(shù)據(jù)源中的一個(gè)實(shí)體在目標(biāo)數(shù)據(jù)源中存在一個(gè)實(shí)體與之互為同名實(shí)體，并在匹配中正確建立了匹配關(guān)系。正確未匹配是指某一數(shù)據(jù)源中實(shí)體在另一數(shù)據(jù)源中沒有對(duì)應(yīng)的同名實(shí)體，在匹配處理后也沒有與任何實(shí)體建立匹配關(guān)系。誤匹配是事實(shí)上非同名實(shí)體，即非同一地理實(shí)體或現(xiàn)象在不同數(shù)據(jù)中表達(dá)的實(shí)體之間，經(jīng)過匹配處理，錯(cuò)誤地建立了匹配關(guān)系。漏匹配是事實(shí)上應(yīng)為同名實(shí)體的實(shí)體之間，匹配處理后并沒有建立匹配關(guān)系。

2.2.2匹配結(jié)果質(zhì)量評(píng)估指標(biāo)

目前，在空間數(shù)據(jù)匹配研究領(lǐng)域并沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，但有一些慣用的質(zhì)量評(píng)估指標(biāo)，總結(jié)起來分為兩種類型。

(1)匹配效率

匹配效率(efficiency)，也就是匹配速度，表征匹配過程中獲得所需要結(jié)果的快慢程度，能夠在一定程度上體現(xiàn)匹配算法的性能。計(jì)算方法為匹配數(shù)據(jù)源中所有匹配實(shí)體的個(gè)數(shù)N與匹配過程總耗時(shí)T的比值：

(1)

(2)匹配精度

圖形識(shí)別領(lǐng)域中應(yīng)用最為廣泛的指標(biāo)有查全率(Recall)和查準(zhǔn)率(Precision)，目前也被廣泛地應(yīng)用于空間數(shù)據(jù)匹配領(lǐng)域。

假設(shè)數(shù)據(jù)源中需要進(jìn)行匹配處理的實(shí)體個(gè)數(shù)為NA，正確建立匹配關(guān)系的實(shí)體個(gè)數(shù)為NC，錯(cuò)誤建立匹配關(guān)系的實(shí)體個(gè)數(shù)為NE。

查全率是指匹配結(jié)果中所有參與建立匹配關(guān)系的實(shí)體個(gè)數(shù)(NC+NE)與數(shù)據(jù)源中實(shí)體個(gè)數(shù)NA的比值：

(2)

查準(zhǔn)率是指匹配結(jié)果中正確匹配實(shí)體的個(gè)數(shù)NC與所有參與建立匹配關(guān)系的實(shí)體個(gè)數(shù)(NC+NE)的比值：

(3)

本文主要研究匹配結(jié)果的質(zhì)量評(píng)估方法，不對(duì)原有的匹配算法進(jìn)行比較，因此，在下文中會(huì)使用查全率和查準(zhǔn)率描述匹配結(jié)果的質(zhì)量及本文評(píng)估方法的評(píng)估結(jié)果，而不用匹配速度對(duì)原匹配方法進(jìn)行效率度量。

3　居民地幾何匹配質(zhì)量評(píng)估方法

利用幾何指標(biāo)的匹配質(zhì)量評(píng)估的總體思路是對(duì)匹配后的同名實(shí)體進(jìn)行幾何相似性計(jì)算和評(píng)價(jià)，當(dāng)滿足指標(biāo)要求時(shí)就可以判定為質(zhì)量合格，不滿足則需要補(bǔ)充判斷和人工輔助判定并重新執(zhí)行匹配流程。因而，當(dāng)前的問題就主要體現(xiàn)在幾何指標(biāo)的選取、指標(biāo)使用方式以及指標(biāo)相似性計(jì)算策略、質(zhì)量評(píng)估結(jié)果表示方法方面，下面將依次進(jìn)行討論。

3.1質(zhì)量元素選擇

與矢量數(shù)據(jù)質(zhì)量匹配相同，居民地匹配質(zhì)量也應(yīng)當(dāng)有質(zhì)量元素。目前對(duì)于空間數(shù)據(jù)匹配結(jié)果的幾何質(zhì)量元素并沒有深入的研究，也沒有統(tǒng)一的標(biāo)準(zhǔn)。參考矢量空間數(shù)據(jù)幾何精度質(zhì)量元素，結(jié)合匹配質(zhì)量問題自身的特點(diǎn)，為空間數(shù)據(jù)匹配結(jié)果質(zhì)量定義了4個(gè)幾何精度質(zhì)量子元素：形狀、位置、面積、方向。

匹配結(jié)果的幾何精度與矢量數(shù)據(jù)的數(shù)據(jù)精度內(nèi)涵不同，主要表示匹配完成后建立匹配關(guān)系的居民地實(shí)體之間幾何信息包括形狀、位置、面積、方向等的一致性，度量方法是對(duì)同名實(shí)體之間幾何精度指標(biāo)的相似性或差異性進(jìn)行度量，以此為依據(jù)找出匹配錯(cuò)誤，完成對(duì)匹配結(jié)果的質(zhì)量評(píng)估。

形狀作為空間面實(shí)體重要的幾何特征，具有比其他特征更明顯的識(shí)別作用，也是匹配的重要依據(jù)。在人們空間認(rèn)知的過程中，首先注意到的是物體的顏色、形狀、紋理及其周圍的環(huán)境。尺度相同或相近的空間數(shù)據(jù)中，同名居民地實(shí)體在形狀上通常較為相似，因此，本文將形狀作為最重要質(zhì)量子元素，進(jìn)行優(yōu)先度量和初次匹配判斷。位置、面積、方向三種幾何精度子元素的度量方法最為成熟，本文采用加權(quán)平均的方式進(jìn)行綜合度量，作為形狀度量匹配判斷后的二次判斷環(huán)節(jié)。

3.2匹配關(guān)系判斷方法

針對(duì)居民地形狀相似性的計(jì)算方法已經(jīng)有很多，但均不是十分成熟，在幾何匹配中通常作為其他指標(biāo)的輔助手段，且現(xiàn)有大多數(shù)算法都是針對(duì)一對(duì)一居民地實(shí)體匹配的情況，而在多尺度匹配中，非一對(duì)一匹配的情況有很多。因此，本文采用文獻(xiàn)[12]中利用格網(wǎng)疊置分析的形狀相似性度量方法，該方法能夠解決質(zhì)量評(píng)估中一對(duì)一及非一對(duì)一情況的形狀相似性度量問題。

位置、面積、方向三種幾何精度子元素的度量一般采用計(jì)算同名實(shí)體間幾何差異值與其限制的接近程度來完成，故本文引入文獻(xiàn)[13]中圖形數(shù)據(jù)差的概念，使用位置數(shù)據(jù)差、面積數(shù)據(jù)差及方向數(shù)據(jù)差分別表示三種幾何質(zhì)量子元素的度量結(jié)果，通過加權(quán)平均的方式獲得綜合圖形數(shù)據(jù)差作為幾何匹配質(zhì)量評(píng)估依據(jù)。各質(zhì)量子元素的權(quán)值采用文獻(xiàn)[14]中基于人工神經(jīng)網(wǎng)絡(luò)的方法，使用較為成熟的三層BP神經(jīng)網(wǎng)絡(luò)，并利用遺傳算法優(yōu)化收斂權(quán)值矩陣，將位置、面積、方向圖形數(shù)據(jù)差標(biāo)準(zhǔn)化值分別輸入對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)輸出層的神經(jīng)元，使用收斂過后的神經(jīng)網(wǎng)絡(luò)確定權(quán)重向量集。

在實(shí)際評(píng)估過程中，對(duì)匹配關(guān)系的判斷流程主要分為三個(gè)步驟，如圖2所示。

(1)對(duì)待評(píng)估數(shù)據(jù)中已經(jīng)建立匹配關(guān)系的“同名實(shí)體組合”進(jìn)行形狀相似性度量的初次判斷，當(dāng)度量值大于“相似”閾值時(shí)再進(jìn)行位置、面積、方向綜合圖形數(shù)據(jù)差度量，否則判斷為錯(cuò)誤匹配；

(2)當(dāng)形狀相似的“同名實(shí)體組合”綜合圖形數(shù)據(jù)差度量值小于“差異”閾值時(shí)，可以判斷為正確匹配，否則判斷為錯(cuò)誤匹配；

(3)將前兩次判斷所得錯(cuò)誤匹配的實(shí)體與“未匹配實(shí)體”利用幾何度量和人工輔助的方式進(jìn)行聯(lián)合補(bǔ)充判斷，成功匹配的實(shí)體組合判斷為漏匹配。

判斷完成后利用判斷結(jié)果對(duì)原匹配結(jié)果進(jìn)行修正，可以提高匹配的質(zhì)量。

圖2　匹配關(guān)系判斷流程

3.3質(zhì)量評(píng)分評(píng)級(jí)模型

居民地幾何匹配質(zhì)量評(píng)估不同于空間數(shù)據(jù)質(zhì)量評(píng)估，沒有數(shù)量繁多、定性與定量度量混合的質(zhì)量元素，只需要利用不同匹配情況實(shí)體數(shù)目即可對(duì)匹配的質(zhì)量做出評(píng)估。

匹配關(guān)系正確性判斷的結(jié)果中“錯(cuò)誤匹配”和“漏匹配”都是匹配錯(cuò)誤，也均可認(rèn)為是一種“質(zhì)量缺陷”。因此，本文使用一種改進(jìn)缺陷扣分模型獲取匹配結(jié)果質(zhì)量得分?？臻g數(shù)據(jù)匹配的成果主要用于空間數(shù)據(jù)增量更新和融合，更新中建立匹配的同名空間實(shí)體為沒有變化的實(shí)體，較為相似但沒有匹配的實(shí)體作為變化實(shí)體，其他實(shí)體為刪除或新增實(shí)體?！板e(cuò)誤匹配”實(shí)體因錯(cuò)誤地建立了匹配關(guān)系而沒有進(jìn)行修改、刪除或新增操作，影響更新后的數(shù)據(jù)質(zhì)量；“漏匹配”實(shí)體在更新中本不應(yīng)進(jìn)行任何操作，但是因沒有匹配而產(chǎn)生了冗余操作，影響更新的效率。相比較而言，“錯(cuò)誤匹配”對(duì)于更新后數(shù)據(jù)質(zhì)量的影響要明顯大于“漏匹配”，故對(duì)這兩種類型的“缺陷”應(yīng)采用不同的扣分分值。

在大數(shù)據(jù)量的匹配時(shí)，由于數(shù)據(jù)源質(zhì)量、數(shù)據(jù)特點(diǎn)、匹配算法等因素方面的影響，產(chǎn)生一定數(shù)量匹配錯(cuò)誤屬于正?，F(xiàn)象，并不像空間數(shù)據(jù)質(zhì)量評(píng)估中對(duì)質(zhì)量缺陷那樣敏感，也就不能使用空間數(shù)據(jù)評(píng)估所使用的缺陷等級(jí)劃分和扣分分值設(shè)置方法。因此，本文提出了一種改進(jìn)的匹配缺陷扣分模型，設(shè)置“錯(cuò)誤匹配”和“漏匹配”為普通缺陷和輕微缺陷，當(dāng)評(píng)估得分滿分為100分時(shí)，普通缺陷“錯(cuò)誤匹配”的影響因子設(shè)為3，輕微缺陷“漏匹配”的影響因子設(shè)為1，其扣分方式為：

(4)

其中，NE為“錯(cuò)誤匹配”實(shí)體數(shù)目；NM為“漏匹配”實(shí)體數(shù)目；NA為所有參與匹配實(shí)體數(shù)目。

依據(jù)實(shí)際數(shù)據(jù)匹配與更新作業(yè)相關(guān)規(guī)定和用戶需求，將居民地幾何匹配質(zhì)量劃分為四個(gè)等級(jí)——優(yōu)秀、良好、合格、不合格。設(shè)置各質(zhì)量等級(jí)相應(yīng)評(píng)分分值區(qū)間見表1。

表1幾何匹配質(zhì)量等級(jí)評(píng)分分值區(qū)間

分制等級(jí)優(yōu)秀良好合格不合格百分制[90,100][80,90)[60,80)[0,60)十分制[9.0,10.0][8.0,9.0)[6.0,8.0)[0.0,6.0)

4　實(shí)驗(yàn)與分析

為驗(yàn)證本文評(píng)估方法的有效性，通過實(shí)驗(yàn)對(duì)其進(jìn)行驗(yàn)證。實(shí)驗(yàn)用數(shù)據(jù)為我國東部沿海丘陵地區(qū)某城市1∶5萬和1∶10萬數(shù)據(jù)，如圖3所示。

(a) 1∶10萬目標(biāo)數(shù)據(jù)　　　　　(b) 1∶5萬參考數(shù)據(jù)圖3　居民地實(shí)驗(yàn)數(shù)據(jù)

本文采用居民地匹配中較為常見的基于面積重疊率相似性的雙向匹配方法，對(duì)實(shí)驗(yàn)居民地?cái)?shù)據(jù)進(jìn)行匹配，當(dāng)匹配閾值設(shè)置為0.6時(shí)，匹配結(jié)果如圖4-(a)所示。圖中使用紅色線段連接建立匹配關(guān)系居民地實(shí)體中心的方法表示匹配結(jié)果，圖中原色填充、灰色(黑色)邊框的實(shí)體為建立匹配關(guān)系的“同名實(shí)體”，無色填充、灰色(黑色)邊框的實(shí)體為未匹配實(shí)體。

接下來，采用本文評(píng)估方法對(duì)匹配結(jié)果進(jìn)行質(zhì)量評(píng)估，匹配關(guān)系判斷結(jié)果如圖4-(b)所示。圖中紅色(灰色)填充、灰色(黑色)邊框的實(shí)體組合為正確匹配的“同名實(shí)體”，綠色填充、灰色邊框與黃色填充、黑色邊框的實(shí)體組合為錯(cuò)誤匹配的“同名實(shí)體”，紅色(灰色)填充、無邊框的實(shí)體組合為漏匹配實(shí)體組合。

(a) 雙向匹配結(jié)果　　　　　　(b) 匹配關(guān)系判斷結(jié)果圖4　雙向匹配評(píng)估

為全面驗(yàn)證本文評(píng)估方法的有效性，下面對(duì)不同匹配方法所得匹配結(jié)果進(jìn)行評(píng)估。使用基于面積重疊率相似性的單向匹配方法，獲得匹配結(jié)果如圖5-(a)所示(匹配關(guān)系表示方法同圖4-(a))。采用本文評(píng)估方法評(píng)估得到匹配關(guān)系判斷結(jié)果如圖5-(b)所示(判斷結(jié)果表示方法同圖4-(b))。經(jīng)統(tǒng)計(jì)與計(jì)算，得到質(zhì)量評(píng)估結(jié)果見表2。

(a) 單向匹配結(jié)果　　　　　　(b) 匹配關(guān)系判斷結(jié)果圖5　單向匹配評(píng)估

表2匹配質(zhì)量評(píng)估結(jié)果

匹配方法查全率查準(zhǔn)率質(zhì)量得分質(zhì)量等級(jí)雙向匹配51.4%97.0%94.7優(yōu)秀單向匹配53.4%91.9%87.2良好

分析評(píng)估結(jié)果可知，雙向匹配結(jié)果的質(zhì)量要明顯高于單向匹配，原因在于單向重疊相似度匹配只考慮參與匹配兩實(shí)體重疊面積與其中一個(gè)實(shí)體面積的比值，相似性度量不夠全面，而雙向匹配沒有這一缺陷，匹配質(zhì)量較高。通過比較實(shí)驗(yàn)也可以看出，本文匹配質(zhì)量評(píng)估方法能夠處理不同匹配方法的匹配質(zhì)量評(píng)估問題，能夠正確地評(píng)估不同情況下的匹配結(jié)果質(zhì)量，具有較強(qiáng)的有效性和魯棒性。

5　總　結(jié)

空間數(shù)據(jù)匹配結(jié)果的質(zhì)量評(píng)估是空間數(shù)據(jù)增量更新的基礎(chǔ)，針對(duì)目前缺乏有效匹配質(zhì)量評(píng)估方法的現(xiàn)狀，本文以居民地為例，利用幾何指標(biāo)進(jìn)行匹配關(guān)系判斷，并采用改進(jìn)的匹配缺陷扣分模型獲得質(zhì)量評(píng)估結(jié)果，最后實(shí)驗(yàn)表明：

(1)已匹配實(shí)體間的幾何質(zhì)量元素度量可以發(fā)現(xiàn)匹配中的錯(cuò)誤，進(jìn)而提高匹配的質(zhì)量；

(2)改進(jìn)的匹配缺陷扣分模型可以適應(yīng)匹配質(zhì)量評(píng)估領(lǐng)域的應(yīng)用，并真實(shí)地反應(yīng)匹配質(zhì)量評(píng)估結(jié)果。

匹配質(zhì)量評(píng)估是一項(xiàng)復(fù)雜繁瑣的工作，本文僅在利用幾何質(zhì)量元素進(jìn)行居民地匹配質(zhì)量評(píng)估方面進(jìn)行了研究，實(shí)際評(píng)估過程仍需要參考其他質(zhì)量元素的度量結(jié)果，這將是下一步研究需要關(guān)注的方向。

[1]陳軍, 李志林, 蔣捷等. 基礎(chǔ)地理空間數(shù)據(jù)庫的持續(xù)更新問題[J]. 地理信息世界, 2004, 2(5):1-5.

[2]COOPER A. The Concepts of Incremental Updating and Versioning[A]. Proceedings of the 21st International Cartographic Conference, August 2003:855-857.

[3]SAMAL A, SETH S, CUETO K. A Feature-based Approach to Conflation of Geospatial Sources[J]. Geographical Information Science, 2004, 18(5):459-489.

[4]BEERI C, DOYTSHER Y, KANZA Y. Finding Corresponding Objects when Integrating Several Geo-spatial Datasets [A]. Proceedings of the 13th Annual ACM International Workshop on Geographic Information Systems, Bremen, Germany, 2005:87-96.

[5]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.

[6]楊敏, 艾廷華, 劉鵬程等. 等高線與水網(wǎng)數(shù)據(jù)集成中的匹配及一致性改正[J]. 測(cè)繪學(xué)報(bào),2012,41(1):152-158.

[7]趙東保, 徐艷杰, 張弘弢. 道路網(wǎng)匹配質(zhì)量檢核與修正機(jī)制研究[J]. 中國礦業(yè)大學(xué)學(xué)報(bào), 2013,42(4):689-694.

[8]胡圣武. GIS質(zhì)量評(píng)價(jià)與可靠性分析[M]. 北京:測(cè)繪出版社, 2006.

[9]吳芳華. 矢量地圖數(shù)據(jù)質(zhì)量控制的理論與實(shí)踐[D]. 鄭州：信息工程大學(xué), 2002.

[10]吳娟. 基于云理論的矢量地圖數(shù)據(jù)質(zhì)量評(píng)估方法研究[D].鄭州：信息工程大學(xué), 2011.

[11]Cobb M, Chung M, Foley H. A Rule-based Approach for the Conflation of Attributed Vector Data[J]. Geoinformatica,1998,2(1):7-35.

[12]焦洋洋, 翟仁健, 陳藝文等. 一種利用格網(wǎng)疊置分析的居民地形狀匹配方法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2015, 32(3):310-314.

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

[14]許俊奎, 武芳, 魏慧峰. 人工神經(jīng)網(wǎng)絡(luò)在居民地面狀匹配中的應(yīng)用[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào), 2013, 30(3):293-298.

Settlement Place Matching Quality Evaluation Method Based on Geometric Accuracy

Jiao Yangyang1, 2, Jin Cheng1,2,3, Xu Daozhu1,2,3

1. Xi’an Research Institute of Surveying and Mapping, Xi’an 710054, China 2. State Key Laboratory of Geo-information Engineering, Xi’an 710054, China 3. Institute of Geospatial Information, Information Engineering University, Zhengzhou 450001, China

Spatial data matching plays a basic and key part in spatial data update and maintenance. In order to solve the current problem of lacking ways of evaluating spatial data matching quality, a method to evaluate the quality of settlement place matching based on geometric accuracy is put forward in this paper. The connotation of settlement place matching quality problem is analyzed, and the evaluation method based on geometric accuracy is decided. According to the characteristics of settlement matching quality evaluation, the defect marking model for vector data quality evaluation is improved, and a model for settlement matching quality evaluation is obtained. Finally, the settlement geometric matching quality score rating model is established. The experiment results show that the method is effective and practicable in settlement matching quality evaluation.

matching; settlement; quality evaluation; geometric accuracy

2016-02-02。

國家自然科學(xué)基金資助項(xiàng)目(41171354，41101362，41171305)；國家863計(jì)劃資助項(xiàng)目(2009AA12Z305)。

焦洋洋(1989— )，男，研究實(shí)習(xí)員，主要從事地圖制圖綜合及空間數(shù)據(jù)更新方面的研究。

P283

A