省級(jí)地理信息公共服務(wù)平臺(tái)數(shù)據(jù)融合方案研究

朱 琳，占 媛

（1.安徽省基礎(chǔ)測(cè)繪信息中心，安徽 合肥 230031）

安徽省地理信息公共服務(wù)平臺(tái)的建設(shè)目的是促進(jìn)地理信息資源的共享和高效利用，提高地理信息公共服務(wù)水平和能力。為進(jìn)一步提升地理信息公共服務(wù)平臺(tái)數(shù)據(jù)資源的豐富性，根據(jù)國(guó)家地理信息公共服務(wù)平臺(tái)建設(shè)要求以及國(guó)家基礎(chǔ)地理信息中心制定的《天地圖數(shù)據(jù)融合技術(shù)要求（2020）》，并針對(duì)本地的數(shù)據(jù)特點(diǎn)，統(tǒng)籌利用各類測(cè)繪地理信息數(shù)據(jù)資源，進(jìn)行國(guó)家、省、市級(jí)節(jié)點(diǎn)的數(shù)據(jù)融合，通過數(shù)據(jù)融合，提高地理信息公共服務(wù)平臺(tái)數(shù)據(jù)的現(xiàn)勢(shì)性，豐富數(shù)據(jù)內(nèi)容，實(shí)現(xiàn)各級(jí)節(jié)點(diǎn)之間數(shù)據(jù)的優(yōu)勢(shì)互補(bǔ)，充分發(fā)揮公共服務(wù)平臺(tái)分布式資源的節(jié)點(diǎn)作用，加強(qiáng)分布式資源節(jié)點(diǎn)的協(xié)同能力[1]。

數(shù)據(jù)融合是按照國(guó)家統(tǒng)一的數(shù)據(jù)模型和標(biāo)準(zhǔn)，利用最新的國(guó)家主節(jié)點(diǎn)數(shù)據(jù)、省級(jí)節(jié)點(diǎn)數(shù)據(jù)作為數(shù)據(jù)源，進(jìn)行數(shù)據(jù)融合生產(chǎn)，形成優(yōu)勢(shì)互補(bǔ)、現(xiàn)勢(shì)性高的地理信息公共服務(wù)平臺(tái)數(shù)據(jù)集[2]。數(shù)據(jù)融合的對(duì)象主要有矢量數(shù)據(jù)、地名地址與興趣點(diǎn)和影像數(shù)據(jù)三大類，其中矢量數(shù)據(jù)和地名地址與興趣點(diǎn)數(shù)據(jù)融合處理是整個(gè)工作的主要內(nèi)容和重點(diǎn)，需要根據(jù)融合數(shù)據(jù)源的特點(diǎn)，制定數(shù)據(jù)融合方案，對(duì)融合過程中的關(guān)鍵技術(shù)問題進(jìn)行研究，并據(jù)此提出相應(yīng)的對(duì)策，提高融合工作的效率。

1 數(shù)據(jù)源分析

融合數(shù)據(jù)源主要包括國(guó)家主節(jié)點(diǎn)和省級(jí)節(jié)點(diǎn)兩類數(shù)據(jù)，其中國(guó)家主節(jié)點(diǎn)數(shù)據(jù)為國(guó)家基礎(chǔ)地理信息中心下發(fā)的最新的主節(jié)點(diǎn)母庫(kù)數(shù)據(jù)和導(dǎo)航數(shù)據(jù)，省級(jí)節(jié)點(diǎn)數(shù)據(jù)包括本年度更新的省級(jí)母庫(kù)數(shù)據(jù)、基礎(chǔ)測(cè)繪數(shù)據(jù)、地理國(guó)情數(shù)據(jù)、本地POI數(shù)據(jù)和影像數(shù)據(jù)，具體數(shù)據(jù)情況如表1所示。

表1 融合數(shù)據(jù)源情況

1.1 主節(jié)點(diǎn)數(shù)據(jù)分析

主節(jié)點(diǎn)數(shù)據(jù)為主節(jié)點(diǎn)母庫(kù)數(shù)據(jù)和導(dǎo)航數(shù)據(jù)，主節(jié)點(diǎn)母庫(kù)數(shù)據(jù)為2019年度融合成果數(shù)據(jù)，現(xiàn)勢(shì)性為2019年，內(nèi)容包括道路、鐵路、水系、居民地、綠地、地理單元、基礎(chǔ)設(shè)施和POI等要素。導(dǎo)航數(shù)據(jù)現(xiàn)勢(shì)性為2020年，數(shù)據(jù)內(nèi)容主要包括水系、交通、居民地及設(shè)施、植被、地名和POI等要素。其中，主節(jié)點(diǎn)母庫(kù)數(shù)據(jù)中的地鐵要素現(xiàn)勢(shì)性好，且包含完整的省外接邊數(shù)據(jù)。導(dǎo)航數(shù)據(jù)中道路數(shù)據(jù)信息較為豐富，道路模型完整。

1.2 省級(jí)節(jié)點(diǎn)數(shù)據(jù)分析

省級(jí)節(jié)點(diǎn)數(shù)據(jù)包括省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)、基礎(chǔ)測(cè)繪數(shù)據(jù)、地理國(guó)情監(jiān)測(cè)數(shù)據(jù)、本地維護(hù)POI數(shù)據(jù)、在線更新POI數(shù)據(jù)和影像數(shù)據(jù)。省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)主要包括矢量和POI兩大類數(shù)據(jù)，矢量數(shù)據(jù)是在2019年度融合成果數(shù)據(jù)的基礎(chǔ)上，利用影像數(shù)據(jù)對(duì)城市主城區(qū)范圍進(jìn)行了更新，現(xiàn)勢(shì)性為2020年，數(shù)據(jù)內(nèi)容全面，精度較高。POI數(shù)據(jù)范圍為全省全覆蓋，現(xiàn)勢(shì)性為2020年。 基礎(chǔ)測(cè)繪數(shù)據(jù)現(xiàn)勢(shì)性為2019年，數(shù)據(jù)內(nèi)容主要包括水系、交通、居民地及設(shè)施、境界與政區(qū)、植被等要素，要素內(nèi)容詳細(xì)，精度高。地理國(guó)情監(jiān)測(cè)數(shù)據(jù)現(xiàn)勢(shì)性為2019年，本次融合主要用到的是地理國(guó)情監(jiān)測(cè)數(shù)據(jù)中的地理單元要素；本地維護(hù)POI數(shù)據(jù)為我省根據(jù)自身數(shù)據(jù)情況選擇維護(hù)的政務(wù)類興趣點(diǎn)，數(shù)據(jù)現(xiàn)勢(shì)性為2020年。 在線更新POI為利用公眾在互聯(lián)網(wǎng)上提供的聯(lián)動(dòng)更新數(shù)據(jù)，經(jīng)過官方審核通過后作為更新的數(shù)據(jù)源。

2 技術(shù)路線

2.1 基本原則

數(shù)據(jù)融合時(shí)，通過對(duì)參與融合的不同精度、不同模型地理數(shù)據(jù)進(jìn)行分析比對(duì)，從中選取表達(dá)準(zhǔn)確、現(xiàn)勢(shì)性好、精度高、內(nèi)容全的要素進(jìn)行合并，并對(duì)合并后的結(jié)果進(jìn)行幾何拓?fù)洹⒖臻g關(guān)系與邏輯一致性處理，使融合后的地理信息數(shù)據(jù)在現(xiàn)勢(shì)性、準(zhǔn)確性、豐富性等方面達(dá)到最優(yōu)[3]。

2.2 技術(shù)路線

根據(jù)數(shù)據(jù)源的分析情況，設(shè)計(jì)了合理的數(shù)據(jù)融合總體技術(shù)路線，如圖1所示。

圖1 數(shù)據(jù)融合總體技術(shù)路線圖

3 數(shù)據(jù)融合方法

3.1 矢量數(shù)據(jù)融合

3.1.1 數(shù)據(jù)源選擇

矢量數(shù)據(jù)融合的數(shù)據(jù)源包括主節(jié)點(diǎn)母庫(kù)數(shù)據(jù)、導(dǎo)航數(shù)據(jù)、省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)、基礎(chǔ)測(cè)繪數(shù)據(jù)和地理國(guó)情監(jiān)測(cè)數(shù)據(jù)，按照數(shù)據(jù)融合選取原則及數(shù)據(jù)源分析成果，對(duì)參與融合的數(shù)據(jù)進(jìn)行分類，確定好本底數(shù)據(jù)、新增數(shù)據(jù)和補(bǔ)充數(shù)據(jù)源[4]。具體數(shù)據(jù)源用途如表2所示。

表2 數(shù)據(jù)源用途

3.1.2 處理方法

按照融合的基本原則，對(duì)道路、鐵路、水系、居民地、地理單元、基礎(chǔ)設(shè)施進(jìn)行融合處理，數(shù)據(jù)處理過程中實(shí)時(shí)疊加高清影像作為參考，如圖2所示。

圖2 矢量數(shù)據(jù)融合流程圖

1）道路數(shù)據(jù)處理時(shí)，以省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)中路網(wǎng)數(shù)據(jù)為本底，利用基礎(chǔ)測(cè)繪數(shù)據(jù)、導(dǎo)航數(shù)據(jù)與省級(jí)節(jié)點(diǎn)數(shù)據(jù)變化對(duì)比結(jié)果，依據(jù)現(xiàn)勢(shì)性、數(shù)據(jù)精確度、空間關(guān)系合理性等進(jìn)行融合處理[5]。

2）鐵路數(shù)據(jù)處理時(shí)，以省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)為本底，導(dǎo)航數(shù)據(jù)、基礎(chǔ)測(cè)繪數(shù)據(jù)作為補(bǔ)充數(shù)據(jù)源進(jìn)行融合處理。

3）地鐵數(shù)據(jù)處理時(shí)，以國(guó)家主節(jié)點(diǎn)母庫(kù)數(shù)據(jù)為本底，充分結(jié)合各類數(shù)據(jù)源，保持地鐵數(shù)據(jù)的信息完整。地鐵站點(diǎn)捕捉在地鐵線上，地鐵站點(diǎn)及出入口應(yīng)在地鐵面狀數(shù)據(jù)內(nèi)。

4）水系數(shù)據(jù)處理時(shí)，對(duì)“新增”與“變化”數(shù)據(jù)進(jìn)行處理，并進(jìn)行屬性融合，融合時(shí)以省級(jí)母庫(kù)數(shù)據(jù)為本底，充分結(jié)合各類數(shù)據(jù)源，保持水系數(shù)據(jù)的信息完整，不應(yīng)出現(xiàn)河流在橋梁處斷開、線狀河與面狀河不相接等情況[6]。

5）居民地?cái)?shù)據(jù)處理時(shí)，對(duì)“新增”與“變化”數(shù)據(jù)進(jìn)行處理，并進(jìn)行屬性融合，融合時(shí)以省級(jí)母庫(kù)數(shù)據(jù)為本底，充分結(jié)合各類數(shù)據(jù)源，盡可能詳細(xì)地表示出單幢房屋或獨(dú)立構(gòu)建筑物等信息。

6）綠地?cái)?shù)據(jù)處理時(shí)，以省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)為本底，對(duì)“新增”與“變化”的數(shù)據(jù)進(jìn)行處理，并進(jìn)行屬性融合，融合時(shí)以省級(jí)節(jié)點(diǎn)數(shù)據(jù)為本底，充分結(jié)合各類數(shù)據(jù)源，對(duì)城市綠地進(jìn)行融合處理。

7）地理單元數(shù)據(jù)處理時(shí)，以國(guó)情監(jiān)測(cè)數(shù)據(jù)為本底，按照融合技術(shù)要求提取數(shù)據(jù)。

8）基礎(chǔ)設(shè)施數(shù)據(jù)的處理，以基礎(chǔ)測(cè)繪數(shù)據(jù)庫(kù)為本底，按照融合技術(shù)要求提取數(shù)據(jù)。

3.2 地名地址與POI融合

3.2.1 數(shù)據(jù)源選擇

地名地址與POI的數(shù)據(jù)源包括安徽省導(dǎo)航POI、安徽省導(dǎo)航DM、安徽省母庫(kù)、在線更新POI、省級(jí)本地維護(hù)POI和本底POI。按照數(shù)據(jù)融合選取原則及數(shù)據(jù)源分析成果，對(duì)參與融合的數(shù)據(jù)進(jìn)行分類，確定好本底數(shù)據(jù)、替換數(shù)據(jù)和補(bǔ)充數(shù)據(jù)源。具體數(shù)據(jù)源用途如表3所示。

表3 數(shù)據(jù)源用途

3.2.2 處理方法

1）數(shù)據(jù)一致性處理。根據(jù)《天地圖數(shù)據(jù)融合技術(shù)要求（2020）》要求，依據(jù)國(guó)家統(tǒng)一的數(shù)據(jù)模型和標(biāo)準(zhǔn)，對(duì)融合數(shù)據(jù)源進(jìn)行一致性處理，使所有數(shù)據(jù)源的數(shù)據(jù)結(jié)構(gòu)滿足要求。

2）本地維護(hù)類別POI處理。首先選取省級(jí)本地維護(hù)、在線更新數(shù)據(jù)中的政務(wù)大類興趣點(diǎn)數(shù)據(jù)作為融合數(shù)據(jù)源，并對(duì)其進(jìn)行質(zhì)量檢查；然后以省級(jí)本地維護(hù)主數(shù)據(jù)源，在線更新數(shù)據(jù)為補(bǔ)充數(shù)據(jù)，對(duì)本地維護(hù)選取類別的興趣點(diǎn)數(shù)據(jù)進(jìn)行融合；對(duì)數(shù)據(jù)進(jìn)行判重、去重處理；按照相關(guān)要求，對(duì)分類、簡(jiǎn)稱、品牌詞、重要度、標(biāo)簽等屬性進(jìn)行制作，最后進(jìn)行質(zhì)量檢查。

3）數(shù)據(jù)融合。首先選取國(guó)家下發(fā)安徽省母庫(kù)數(shù)據(jù)作為融合的本底數(shù)據(jù)，將省級(jí)本地維護(hù)數(shù)據(jù)及在線更新POI數(shù)據(jù)整體替換至安徽省母庫(kù)數(shù)據(jù)中，然后將國(guó)家下發(fā)導(dǎo)航數(shù)據(jù)作為補(bǔ)充數(shù)據(jù)融合至更新后的安徽省母庫(kù)數(shù)據(jù)中；對(duì)數(shù)據(jù)進(jìn)行判重、去重處理，判重時(shí)優(yōu)先保留順序?yàn)椋涸诰€更新POI＞省級(jí)本地維護(hù)數(shù)據(jù)＞安徽省母庫(kù)＞安徽省導(dǎo)航數(shù)據(jù)。按照相關(guān)要求，對(duì)數(shù)據(jù)的分類、簡(jiǎn)稱、品牌詞、重要度、標(biāo)簽等屬性進(jìn)行制作，最后進(jìn)行質(zhì)量檢查[7-10]。

4 主要技術(shù)問題研究

4.1 地理信息要素變化量提取

數(shù)據(jù)融合是將選取的各類數(shù)據(jù)源進(jìn)行提取合并，在確定本底數(shù)據(jù)源后，需要將其他數(shù)據(jù)源與本底數(shù)據(jù)進(jìn)行針對(duì)性的變化量提取，關(guān)于數(shù)據(jù)比對(duì)問題，由于全省的矢量數(shù)據(jù)條目數(shù)較多，如果只用人工方法進(jìn)行比對(duì)分析的話，工作效率低而且難度大。因此在作業(yè)過程中開發(fā)了數(shù)據(jù)比對(duì)工具，利用工具加人工相結(jié)合的方法進(jìn)行變化量提取。

數(shù)據(jù)的變化量提取，主要是對(duì)比數(shù)據(jù)和待比較數(shù)據(jù)的位置和屬性，確定數(shù)據(jù)的變化情況，形成比對(duì)結(jié)果。比對(duì)過程中主要是通過同名字段確定同一對(duì)象的關(guān)聯(lián)關(guān)系，在10m的分析半徑內(nèi)確定同一對(duì)象是否發(fā)生位置變化，用待比較字段確定同一對(duì)象是否發(fā)生屬性變化，在比對(duì)結(jié)果中通過新增字段記錄變化信息。新增“屬性值變化”字段記錄變化后的屬性值，新增“屬性變化”字段記錄發(fā)生屬性變化的字段，新增“變化類型”字段記錄對(duì)象的變化類型。變化類型主要分為“新增”、“刪除”、“圖形變化”、“屬性變化”、“圖屬變化”和“未變化”6種。數(shù)據(jù)比對(duì)工具主要設(shè)置參數(shù)有原始數(shù)據(jù)、參考數(shù)據(jù)、結(jié)果存放、分析半徑、相似度閾值、同名字段和待比較字段等。

在進(jìn)行道路數(shù)據(jù)變化量的分析比對(duì)中，以省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)為本底，將最新的導(dǎo)航數(shù)據(jù)和基礎(chǔ)測(cè)繪數(shù)據(jù)分別與省級(jí)節(jié)點(diǎn)母庫(kù)數(shù)據(jù)進(jìn)行分析比對(duì)，最后利用工具提取的變化量結(jié)果進(jìn)行數(shù)據(jù)融合。該工具能有效提高數(shù)據(jù)分析比對(duì)效率，在多源數(shù)據(jù)的融合處理工作中具有重要意義。

4.2 水系要素顯示級(jí)別定級(jí)

全省水系量眾多，水系的類型級(jí)別和面積又各不相同，水系顯示級(jí)別定級(jí)是為配圖表達(dá)專門定義的，主要作用是確定該水系在地圖上的哪一級(jí)別進(jìn)行顯示較為合理。天地圖數(shù)據(jù)融合技術(shù)要求里沒有具體說明水系面顯示級(jí)別字段應(yīng)如何賦值，可能是因?yàn)槿珖?guó)各地的水系情況不盡相同，沒有做統(tǒng)一的賦值要求。

在水系顯示級(jí)別屬性賦值時(shí)按照天地圖配圖表達(dá)要求，同時(shí)參考省內(nèi)水系的實(shí)際情況和配圖表達(dá)效果，經(jīng)過多次實(shí)驗(yàn)，確定了以面積為指標(biāo)因素的面積指標(biāo)賦值表，如表4所示。首先根據(jù)水系面積來填寫水系顯示級(jí)別值，然后再綜合考慮收集到的水系的重要度信息和連通性因素來確定水系的最終顯示級(jí)別。

表4 水系顯示級(jí)別面積指標(biāo)

4.3 地名地址與興趣點(diǎn)判重

利用多源數(shù)據(jù)進(jìn)行融合后地名地址與興趣點(diǎn)數(shù)據(jù)可能會(huì)出現(xiàn)重復(fù)點(diǎn)的問題，即在一定距離內(nèi)出現(xiàn)多個(gè)重復(fù)興趣點(diǎn)，在興趣點(diǎn)判重問題上，由于全省興趣點(diǎn)條目數(shù)達(dá)一百余萬條，人工逐個(gè)檢查耗費(fèi)時(shí)間過長(zhǎng)，工作效率低而且很容易出現(xiàn)遺漏錯(cuò)誤。因此為了提高興趣點(diǎn)判重的工作效率，針對(duì)數(shù)據(jù)的特點(diǎn)開發(fā)了數(shù)據(jù)判重處理工具，主要方法是通過興趣點(diǎn)的名稱屬性和點(diǎn)與點(diǎn)之間的距離來判斷興趣點(diǎn)的相似度。判重時(shí)將距離設(shè)置在半徑100m內(nèi)，然后通過工具計(jì)算出的相似度值來人工輔助進(jìn)行判重，相似度在96%以上的認(rèn)為是同名點(diǎn)，直接去重。相似度在78%～96%之間的需要人工輔助進(jìn)行判重，若判斷為同名點(diǎn)則直接去重，否則將其作為新增點(diǎn)融合到本底數(shù)據(jù)中。

5 結(jié) 語(yǔ)

本文針對(duì)安徽省地理信息公共服務(wù)平臺(tái)融合數(shù)據(jù)源的特點(diǎn)，制定了數(shù)據(jù)融合技術(shù)路線，重點(diǎn)闡述了矢量數(shù)據(jù)和地名地址與興趣點(diǎn)的融合方法，同時(shí)對(duì)數(shù)據(jù)融合過程中的關(guān)鍵技術(shù)進(jìn)行分析和研究，并據(jù)此提出了相應(yīng)的對(duì)策，提高了數(shù)據(jù)融合處理的工作效率，為我省今后開展數(shù)據(jù)融合更新工作奠定了良好的技術(shù)基礎(chǔ)。通過數(shù)據(jù)融合，在提高數(shù)據(jù)現(xiàn)勢(shì)性的同時(shí)，也豐富了數(shù)據(jù)的內(nèi)容，從而進(jìn)一步提高了安徽省地理信息公共服務(wù)平臺(tái)對(duì)外提供地理信息服務(wù)的能力。