多源異構(gòu)房產(chǎn)數(shù)據(jù)融合的應(yīng)用研究

吳國華

(福州市勘測院，福建 福州 350108)

1 引 言

隨著經(jīng)濟(jì)的快速發(fā)展和信息網(wǎng)絡(luò)技術(shù)的飛速進(jìn)步，人類已進(jìn)入以信息化為主體的新經(jīng)濟(jì)時(shí)代，房產(chǎn)作為經(jīng)濟(jì)社會(huì)發(fā)展最活躍的板塊，是信息化工作的重要組成部分，目前以“房產(chǎn)信息”為先導(dǎo)的不動(dòng)產(chǎn)信息化已成為國民經(jīng)濟(jì)和社會(huì)信息化的熱點(diǎn)。

福州市針對房產(chǎn)業(yè)務(wù)空間數(shù)據(jù)呈現(xiàn)出的多時(shí)空性、多尺度性、多語義性、多種存儲格式等數(shù)據(jù)差異[1]，明確房產(chǎn)數(shù)據(jù)的融合應(yīng)以空間數(shù)據(jù)融合為先導(dǎo)，進(jìn)而推動(dòng)其他相關(guān)數(shù)據(jù)的融合統(tǒng)一。通過數(shù)據(jù)匹配融合既有效保證數(shù)據(jù)空間位置的精準(zhǔn)性、又充分兼顧屬性數(shù)據(jù)的豐富性[2]，從而實(shí)現(xiàn)全市統(tǒng)一“樓盤表”的搭建，為后繼不動(dòng)產(chǎn)信息化及智慧城市建設(shè)奠定數(shù)據(jù)基礎(chǔ)[3]。

2 房產(chǎn)數(shù)據(jù)融合

為有效地對多源地理信息空間矢量數(shù)據(jù)進(jìn)行融合，需要消除多源異構(gòu)數(shù)據(jù)之間的空間坐標(biāo)系差異、數(shù)據(jù)存儲格式差異。

2.1 同名地物的匹配

同名地物要素的識別匹配過程實(shí)際上就是通過分析判斷待融合區(qū)域內(nèi)空間實(shí)體之間的差異性和相似性，進(jìn)而識別出矢量地圖中表達(dá)地球表面同一實(shí)體的過程。同名地物實(shí)體匹配的目標(biāo)就是識別出不同地圖數(shù)據(jù)中所表示的同一空間地物的實(shí)體。在GIS中表示地物實(shí)體的方法是采用點(diǎn)、線、面幾何表示方法，因此研究同名實(shí)體的匹配可通過研究點(diǎn)、線、面的匹配來實(shí)現(xiàn)[4]。

采用模擬人眼對現(xiàn)實(shí)世界物體進(jìn)行成像識別時(shí)對各類物體綜合匹配的原理，依據(jù)各類待匹配要素的特征選擇合適的匹配指標(biāo)來求解其特征的相似度，然后根據(jù)人眼識別圖形的視覺原理為各項(xiàng)特征指標(biāo)設(shè)置權(quán)重，最后通過計(jì)算加權(quán)綜合各特征地物的空間相似性，從而實(shí)現(xiàn)空間地理實(shí)體之間的匹配。綜合各類地理實(shí)體空間相似性指標(biāo)情況，通過對地理實(shí)體的結(jié)構(gòu)相似度、空間位置相似度、幾何形狀相似度、實(shí)體大小相似度來計(jì)算其總相似度的方法來實(shí)現(xiàn)地理實(shí)體的位置匹配[5]。那么待匹配要素A和B的要素相似度ObjSim(A，B)是將結(jié)構(gòu)相似度P(A，B)，空間位置相似度S(A，B)、幾何相似度G(A，B)、大小相似度Size(A，B)等結(jié)合在一起，綜合評價(jià)它們之間的整體相似情況，其值域區(qū)間為[0，1]，ωP、ωS、ωG和ωSize分別代表結(jié)構(gòu)、空間位置、幾何形狀、大小相似度在評價(jià)要素相似度時(shí)的權(quán)重值須滿足：

ωP+ωS+ωG+ωSize=1

(1)

ObjSim(A，B)=P(A，B)*ωP+S(A，B)*ωS+G(A，B)*ωG+Size(A，B)*ωSize

(2)

待融合業(yè)務(wù)空間數(shù)據(jù)的地圖比例尺一般都是 1∶500或 1∶1 000，屬相同或相近比例尺地圖的匹配范疇。在GIS空間數(shù)據(jù)的表達(dá)上，面狀數(shù)據(jù)的表達(dá)其實(shí)包含點(diǎn)狀數(shù)據(jù)和線狀數(shù)據(jù)，此處以房屋面數(shù)據(jù)的匹配為例來說明。房屋面數(shù)據(jù)的匹配其實(shí)就是房屋輪廓線和房屋面頂點(diǎn)的匹配，其中關(guān)鍵是房屋面頂點(diǎn)的匹配。設(shè)待匹配的房屋面要素A和B，二者的要素相似度ObjSim(A，B)，通過計(jì)算匹配房屋面要素A和B的要素結(jié)構(gòu)、空間位置、幾何形狀、大小相似度在評價(jià)要素相似度時(shí)的權(quán)重值，利用式(1)、式(2)求解其相似度值。如果其要素相似度大于閾值，則表明這對房屋面組合即為最優(yōu)的要素匹配結(jié)果，從而實(shí)現(xiàn)了不同數(shù)據(jù)源之間同名房屋面實(shí)體的匹配。匹配工具采用FME中Geometry、VertexCreator、stringCountenator等轉(zhuǎn)換器，通過要素類型提取、節(jié)點(diǎn)方位編碼、相似度函數(shù)定義計(jì)算，實(shí)現(xiàn)房屋面數(shù)據(jù)的匹配。

2.2 空間位置融合調(diào)整

空間地理實(shí)體的幾何位置調(diào)整，是在同名地圖匹配的基礎(chǔ)上建立起兩個(gè)或兩個(gè)以上待調(diào)整地圖之間的局部坐標(biāo)轉(zhuǎn)換關(guān)系。在對業(yè)務(wù)空間數(shù)據(jù)進(jìn)行位置調(diào)整之前，各地物要素的可信度評價(jià)至關(guān)重要[6]。而可信度的量化需要綜合考慮地物要素的自身因素及周圍其他地物要素的因素。因此待匹配要素位置的可信度評價(jià)可用同名實(shí)體對周圍地物的影響度、同名實(shí)體位置的準(zhǔn)確度、同名實(shí)體在不同數(shù)據(jù)源中的重要性等三個(gè)因子來綜合評價(jià)。

(1)多評價(jià)因素的同名地物要素調(diào)整變換

在矢量數(shù)據(jù)中面要素的表達(dá)最為復(fù)雜，且可以認(rèn)為面是由點(diǎn)和線構(gòu)成的，這里仍以房產(chǎn)空間數(shù)據(jù)面要素的調(diào)整變換為例來闡述同名地物要素調(diào)整變換的過程。具體調(diào)整變換算法采用多評價(jià)因素的面狀地物調(diào)整變換算法，所采用的權(quán)值不僅與進(jìn)行調(diào)整變換的同名面狀地物的可信程度相關(guān)，也與構(gòu)成該面狀地物的各頂點(diǎn)密切相關(guān)?；诿鏍畹匚镆氐恼{(diào)整變換算法流程框架如圖1所示。

圖1 基于面狀地物要素的調(diào)整變換算法框架圖

對不同數(shù)據(jù)來源的同名面狀地物要素的可信度計(jì)算，需先確定該評價(jià)因素矩陣。評價(jià)因素矩陣描述了各評價(jià)因素對某個(gè)點(diǎn)要素的影響，矩陣中元素ρij表示評價(jià)因素j對點(diǎn)要素i的影響大小。設(shè)基于多評價(jià)因素的面要素位置調(diào)整變換共有n個(gè)同名點(diǎn)狀要素ρi，記為i={1，2，……，n}，有m個(gè)評價(jià)因素，記為j={1，2，……，m}，則稱矩陣ρ=(ρij)n*m為同名面要素的評價(jià)因素矩陣。所選取的評價(jià)因素有三個(gè)，故m=3。由于不同的評價(jià)因素量化值的數(shù)量級不同，所以要對其進(jìn)行歸一化處理，否則評價(jià)因素之間就沒有可比性。在評價(jià)因素矩陣確定后，就需要對各個(gè)評價(jià)因素權(quán)值的確定，各評價(jià)因素權(quán)值的合理與否直接決定調(diào)整變換結(jié)果的可信程度。根據(jù)信息論中熵法來確定各評價(jià)因素的權(quán)值，表明各評價(jià)因素對于面狀要素位置的重要程度。

房屋面數(shù)據(jù)融合調(diào)整采用FME的VertexCreator轉(zhuǎn)換器獲取相關(guān)要素的節(jié)點(diǎn)，然后利用TINGenerator轉(zhuǎn)換器對獲取的節(jié)點(diǎn)構(gòu)TIN，再通過空間分析轉(zhuǎn)換器SpatialRelator獲取與要素節(jié)點(diǎn)相關(guān)的Delaunay三角網(wǎng)，最后利用AreaCalculator求其面積和，即地物要素對周圍地物要素的影響度，同時(shí)定義其準(zhǔn)確度和重要性，來綜合評定其可信度。此處對所有房屋在數(shù)據(jù)源中的重要性數(shù)值采用經(jīng)驗(yàn)值來確定，而其要素位置準(zhǔn)確度用其位置中誤差的倒數(shù)。FME轉(zhuǎn)換器組合流程如圖2所示。

圖2 地物要素的影響度計(jì)算流程圖

(2)同名房屋面的調(diào)整變換

同名房屋面要素的調(diào)整變換，原理是利用離散Fréchet距離來確定同名面要素上的對應(yīng)節(jié)點(diǎn)對，它是用來度量兩線之間的最短距離。應(yīng)用FME的轉(zhuǎn)換器組合及python代碼通過循環(huán)遍歷調(diào)整所選節(jié)點(diǎn)序列，計(jì)算兩條離散Fréchet距離最小值，以篩選獲得節(jié)點(diǎn)間的匹配點(diǎn)對，匹配轉(zhuǎn)換流程圖及輔助python代碼部分截圖如圖3、圖4所示。

圖3 節(jié)點(diǎn)間最短距離計(jì)算流程圖

圖4 節(jié)點(diǎn)間最短距離計(jì)算python代碼截圖

確定同名房屋面要素的對應(yīng)節(jié)點(diǎn)對后，還需要考慮節(jié)點(diǎn)所在的房屋面要素的可信度和最佳節(jié)點(diǎn)配對路線中對應(yīng)節(jié)點(diǎn)出現(xiàn)在所有節(jié)點(diǎn)對中的次數(shù)，次數(shù)的倒數(shù)與可信度的乘積即為不同數(shù)據(jù)源中對應(yīng)節(jié)點(diǎn)對的權(quán)重值，再結(jié)合對應(yīng)節(jié)點(diǎn)對的坐標(biāo)值，進(jìn)行加權(quán)平均計(jì)算調(diào)整變換后圖形的節(jié)點(diǎn)位置。

2.3 空間數(shù)據(jù)編碼融合

在空間數(shù)據(jù)融合中除了要進(jìn)行幾何位置融合，還要解決空間數(shù)據(jù)由于采用不同的分類、分級標(biāo)準(zhǔn)所產(chǎn)生的差異，針對這類差異可采用編碼拆分組構(gòu)、編碼擴(kuò)充、分類分級調(diào)整、重新編碼等一系列的編碼規(guī)范化融合方法[7]。比如同屬于房屋層數(shù)據(jù)，融合前有商品房、自建房、單位產(chǎn)權(quán)等多層，按照標(biāo)準(zhǔn)應(yīng)融合為統(tǒng)一的房屋層，其區(qū)別僅是分類分級編碼不同。解決了空間數(shù)據(jù)分層的問題，在屬性編碼表的統(tǒng)一過程中還需要對各自獨(dú)立分類分級的編碼進(jìn)行規(guī)范化統(tǒng)一。仍以空間數(shù)據(jù)中房屋面編碼融合為例，針對業(yè)務(wù)空間數(shù)據(jù)的特性，為精確地表示每一棟建筑物，在業(yè)務(wù)空間數(shù)據(jù)編碼融合中采用規(guī)范的7段27位層次碼結(jié)構(gòu)。整個(gè)編碼由城市基礎(chǔ)網(wǎng)格代碼、建筑代碼以及業(yè)務(wù)管理拓展碼構(gòu)成，具體編碼結(jié)構(gòu)如圖5所示。

圖5 房屋編碼結(jié)構(gòu)圖

2.4 空間數(shù)據(jù)時(shí)效性融合

空間數(shù)據(jù)的時(shí)效性是指空間數(shù)據(jù)所表示的地物沿時(shí)間軸呈現(xiàn)在空間的變化情況。在空間數(shù)據(jù)融合的過程中不僅是對現(xiàn)狀地物要素的融合，對已經(jīng)滅失的歷史數(shù)據(jù)同樣需要融合保留，以保留空間數(shù)據(jù)的時(shí)空完整性。數(shù)據(jù)時(shí)空特性的融合統(tǒng)一，實(shí)際上就是對數(shù)據(jù)空間尺度和時(shí)間尺度的融合統(tǒng)一[8]。在業(yè)務(wù)空間數(shù)據(jù)時(shí)效性融合的過程中，著重空間尺度的融合，而對于時(shí)間尺度則采用保留多時(shí)點(diǎn)歷史數(shù)據(jù)，方便后繼數(shù)據(jù)使用者的歷史回溯查詢等。而對于時(shí)效性不高的業(yè)務(wù)空間數(shù)據(jù)，則需要根據(jù)數(shù)據(jù)時(shí)相進(jìn)行融合補(bǔ)充。

2.5 空間數(shù)據(jù)融合評價(jià)與驗(yàn)核

空間數(shù)據(jù)融合評價(jià)：是對融合生成的點(diǎn)、線、面數(shù)據(jù)精度的評價(jià)。評價(jià)數(shù)據(jù)融合后空間坐標(biāo)位置合并變換質(zhì)量的優(yōu)劣程度，具體方法是通過計(jì)算若干組同名面狀要素頂點(diǎn)點(diǎn)對的距離中誤差值來評價(jià)融合精度是否符合要求。選擇調(diào)整圖層和參照圖層中90組同名房屋面進(jìn)行統(tǒng)計(jì)，采用基于多評價(jià)因素的調(diào)整變換算法實(shí)現(xiàn)其空間位置調(diào)整，通過計(jì)算90組同名房屋面中點(diǎn)對的距離中誤差為 ±0.036 m。綜上分析得出采用基于多評價(jià)因素的調(diào)整變換算法保持了房屋圖形實(shí)體的形狀特性，且調(diào)整結(jié)果亦反映出調(diào)整圖層和參照圖層之間的點(diǎn)位精度上的差異，其變換結(jié)果精度符合要求。具體房屋面調(diào)整變換截圖如圖6所示。

圖6 房屋面調(diào)整變換示意圖

空間數(shù)據(jù)融合驗(yàn)核：主要驗(yàn)核內(nèi)容是拓?fù)潢P(guān)系和邏輯關(guān)系，比如房產(chǎn)丘幢落水、與道路矛盾、房產(chǎn)丘間重疊或間隙等。采用融合成果與高精度地形圖或正射影像疊套比對的方式，驗(yàn)核融合成果的位置精度及拓?fù)潢P(guān)系。通過對融合成果中涉及的2萬多個(gè)地塊和約30萬個(gè)房屋面進(jìn)行抽樣比對驗(yàn)證，統(tǒng)計(jì)滿足鄰近地物要素點(diǎn)間距中誤差不超過 ±0.20 m的比率約為76%。對不滿足精度條件的業(yè)務(wù)空間數(shù)據(jù)，需人工比對融合處理。

3 融合效果展示

選取具有代表性的業(yè)務(wù)屬性信息與空間數(shù)據(jù)融合前后的對比效果展示說明如下。

3.1 業(yè)務(wù)屬性信息與空間數(shù)據(jù)融合展示

以龍?jiān)盒麓?#樓為例，融合前的業(yè)務(wù)屬性信息、分層圖、戶型圖等多源數(shù)據(jù)如圖7所示。

圖7 龍?jiān)盒麓?號樓融合前空間及屬性組合示意圖

融合后通過查詢該樓盤第203單元信息獲取的圖形、屬性融合成果展示，如圖8所示。

圖8 業(yè)務(wù)屬性數(shù)據(jù)與空間數(shù)據(jù)融合效果圖

3.2 空間數(shù)據(jù)時(shí)效性融合展示

原業(yè)務(wù)數(shù)據(jù)對拆遷樓盤僅在屬性表中記錄標(biāo)識，并未形成空間對應(yīng)更新成果。通過數(shù)據(jù)融合，對歷史原因存在的大量冗余空間數(shù)據(jù)進(jìn)行清除更新。如圖9融合前后的業(yè)務(wù)空間數(shù)據(jù)分別疊加對應(yīng)年份的正射影像，明顯對拆遷后的房屋面做了刪除，對新增房屋進(jìn)行了融合補(bǔ)充。

圖9 融合前后數(shù)據(jù)疊加影像對比圖

4 結(jié) 語

通過對多源異構(gòu)房產(chǎn)數(shù)據(jù)的融合，有效提升了房產(chǎn)空間數(shù)據(jù)的精度和時(shí)效性，同時(shí)大幅提升了融合效率。房產(chǎn)空間數(shù)據(jù)的融合統(tǒng)一不僅有效避免了信息化的重復(fù)建設(shè)，消除了數(shù)據(jù)冗余提升了數(shù)據(jù)管理效率，而且統(tǒng)一標(biāo)準(zhǔn)后的集中管理也大幅降低了日常管理維護(hù)成本，提高了數(shù)據(jù)應(yīng)用的深度、廣度，同時(shí)為福州市進(jìn)一步實(shí)現(xiàn)不動(dòng)產(chǎn)信息化及智慧城市建設(shè)奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。