基于多節(jié)點(diǎn)距離測量的地理信息數(shù)據(jù)庫更新方法研究

楊艷靜

（新疆兵團(tuán)勘測設(shè)計(jì)院（集團(tuán)）有限責(zé)任公司，新疆 烏魯木齊 830000）

0.引言

隨著路網(wǎng)建設(shè)規(guī)模的不斷擴(kuò)大，對(duì)地理信息數(shù)據(jù)庫更新實(shí)時(shí)性提出了更高的要求，需要通過地理信息數(shù)據(jù)，在網(wǎng)絡(luò)組網(wǎng)環(huán)境下進(jìn)行地理信息數(shù)據(jù)庫構(gòu)造，并植入國家GIS地理信息數(shù)據(jù)系統(tǒng)中，通過實(shí)時(shí)測量和測繪方法，進(jìn)行地理信息數(shù)據(jù)庫的動(dòng)態(tài)監(jiān)測，在提高地理測繪的精準(zhǔn)度的同時(shí)，為路網(wǎng)建設(shè)和地圖更新建設(shè)提供數(shù)據(jù)基礎(chǔ)。研究地理信息數(shù)據(jù)庫更新方法，在促進(jìn)地理信息和測繪信息發(fā)展方面具有重要意義[1]。

在地理信息數(shù)據(jù)庫更新設(shè)計(jì)中，通過實(shí)時(shí)信息編碼和控制方法，采用遙感測繪技術(shù)，進(jìn)行地理信息數(shù)據(jù)庫的優(yōu)化構(gòu)造和設(shè)計(jì)，建立地理信息數(shù)據(jù)庫監(jiān)測和信息管理模型，采用全局地圖構(gòu)造的方法，實(shí)現(xiàn)地圖信息更新。傳統(tǒng)方法中，對(duì)地理信息數(shù)據(jù)庫更新的方法主要采用全局地圖尋優(yōu)方法、遙感測量方法、激光測繪方法等[2]，文獻(xiàn)[3]中采用一種面向高精度城市測繪的激光緊耦合地理信息數(shù)據(jù)庫測繪更新方法，通過對(duì)大范圍城市場景空間數(shù)據(jù)采集，結(jié)合視覺里程計(jì)實(shí)現(xiàn)地理信息測量和更新，該方法存在累積誤差較大的問題。文獻(xiàn)[4]中采用融合點(diǎn)云和多視圖的車載激光點(diǎn)云路側(cè)多目標(biāo)識(shí)別方法進(jìn)行地理信息數(shù)據(jù)庫更新，采用多視圖信息跟蹤，實(shí)現(xiàn)分組更新，但該方法對(duì)地理信息測量的準(zhǔn)確度不高。

針對(duì)上述問題，本文提出基于多節(jié)點(diǎn)距離測量的地理信息數(shù)據(jù)庫更新方法。首先采用高精度遙感測繪和激光測量技術(shù)，獲取高精度的三維空間地理位置信息，然后分析地理信息空間分布單元網(wǎng)格內(nèi)不同階段的路網(wǎng)分量，采用道路網(wǎng)絡(luò)中心性指標(biāo)參數(shù)分析和多參量節(jié)點(diǎn)融合的方法，實(shí)現(xiàn)地理信息數(shù)據(jù)庫更新。最后進(jìn)行實(shí)測分析，展示了本文方法在提高地理信息數(shù)據(jù)庫更新能力方面的優(yōu)越性能。

1.地理信息數(shù)據(jù)庫結(jié)構(gòu)模型分析

1.1 地理信息數(shù)據(jù)庫更新總體架構(gòu)

對(duì)數(shù)據(jù)庫的更新是建立在地理信息數(shù)據(jù)庫特征分析和多節(jié)點(diǎn)測量數(shù)據(jù)融合基礎(chǔ)上，采用地理信息數(shù)據(jù)庫多節(jié)點(diǎn)測量的方法，通過數(shù)據(jù)結(jié)構(gòu)特征分析，建立地理信息數(shù)據(jù)庫的特征分析模型；采用幾何圖元法、紋理可視化方法，進(jìn)行地理信息數(shù)據(jù)的熵結(jié)構(gòu)分析，定量描述矢量場變化信息，分析地理信息數(shù)據(jù)的點(diǎn)云分布和遙感特征分布；采用三維動(dòng)態(tài)時(shí)空數(shù)據(jù)分析的方法，構(gòu)建地理信息數(shù)據(jù)庫的三維時(shí)空信息知識(shí)圖譜，根據(jù)數(shù)據(jù)庫的全局方向變化信息；采用可視化的在線信息交互，建立知識(shí)表達(dá)模型，得到測繪基準(zhǔn)圖。由此得到地理位置信息的底層信息參數(shù)，從而實(shí)現(xiàn)數(shù)據(jù)庫更新[5]。技術(shù)流程圖（如圖1所示）：

圖1 關(guān)鍵技術(shù)路線圖

根據(jù)圖1可知：采用高精度遙感測繪和激光測量技術(shù)，獲取高精度的三維空間地理位置信息，在此基礎(chǔ)上，進(jìn)行時(shí)空大數(shù)據(jù)模型的構(gòu)建，采用三維實(shí)體模型表達(dá)和點(diǎn)云數(shù)據(jù)融合的方法，建立地理位置信息的GIS空間信息庫，應(yīng)用人工智能技術(shù)進(jìn)行地理位置信息的自動(dòng)化獲取，通過幾何語義一體化的智能處理，實(shí)現(xiàn)攝影測量、遙感、人工智能、大數(shù)據(jù)處理[6]。

1.2 地理信息數(shù)據(jù)庫模型參數(shù)分析

基于數(shù)據(jù)稀疏頻繁集檢測方法，采用最大概率密度檢測，得到地理信息數(shù)據(jù)的初始聚類目標(biāo)函數(shù)滿足lift(X→Y)＞1，表明X和Y是正相關(guān)的，意味著相同子空下挖掘數(shù)據(jù)的離散度具有穩(wěn)態(tài)性；如果lift(X→Y)＜1，則表明X和Y是負(fù)相關(guān)的，那么原始地理信息數(shù)據(jù)與分頁查詢的遙感數(shù)據(jù)具有動(dòng)態(tài)關(guān)聯(lián)性；如果lift(X→Y)=1，表明X和Y是獨(dú)立的，原始地理信息數(shù)據(jù)與分頁查詢的數(shù)據(jù)之間沒有相關(guān)性。由此，構(gòu)建全局統(tǒng)一的格網(wǎng)密度進(jìn)行結(jié)構(gòu)特征描述參數(shù)分布集，得到地理信息數(shù)據(jù)的空間變化特征的紋理可視化分布結(jié)構(gòu)（如圖2所示）:

圖2 地理信息數(shù)據(jù)的空間變化特征的紋理可視化分布結(jié)構(gòu)

2.數(shù)據(jù)庫更新方法優(yōu)化實(shí)現(xiàn)

2.1 地理信息數(shù)據(jù)庫更新的多節(jié)點(diǎn)距離測量

獲取高精度的三維空間地理位置信息，在地理覆蓋范圍最大約束控制下，采用移動(dòng)測量和SLAM標(biāo)定的方法[7]，得到定量描述矢量方向的空間變化特征，用P(u)表示，地理信息數(shù)據(jù)庫多節(jié)點(diǎn)測量數(shù)據(jù)的樣條曲線，如式（1）、式（2）所示：

式（1）、式（2）中，u為時(shí)間函數(shù)；x(u),y(u),z(u)分別為三維地理信息測量的空間分布坐標(biāo)參數(shù)；Px(u)、Py(u)、Pz(u)分別為樣條曲線的矢量場信息評(píng)估量曲線，由此得到地理信息的多節(jié)點(diǎn)測量曲線（如圖3所示）:

圖3 地理信息的多節(jié)點(diǎn)測量曲線

沿采樣點(diǎn)矢量正向和逆向?qū)ΨQ積分生成地理信息數(shù)據(jù)庫的測量參數(shù)分布擬合模型，如式（3）所示：

式（3）中，w1、w2和w3分別為矢量場紋理分布權(quán)重；Si為地理信息數(shù)據(jù)庫的變分辨率；Hi為特征聚焦函數(shù)；Vi為特征壓縮的維數(shù)。由此建立地理信息數(shù)據(jù)庫的實(shí)時(shí)更新狀態(tài)參數(shù)模型，根據(jù)矢量道路網(wǎng)變化信息分布，通過多節(jié)點(diǎn)距離測量的方法，分析地理信息空間道路信息。

2.2 地理信息數(shù)據(jù)庫更新輸出

分析地理信息空間分布單元網(wǎng)格內(nèi)不同階段的路網(wǎng)容量，采用道路網(wǎng)絡(luò)中心性指標(biāo)參數(shù)分析和多參量節(jié)點(diǎn)融合的方法，采用多層級(jí)特征進(jìn)行提取和累積轉(zhuǎn)換，地理信息空間的數(shù)據(jù)更新控制目標(biāo)函數(shù)，如式（4）所示：

式（4）中，α1、α2、α3、α4分別為不同階空間特征信息參數(shù)；T(i,j)為坐標(biāo)卷積信息融合參數(shù)；C(i,j)為數(shù)據(jù)庫檢索的自相關(guān)分量；E(i,j)為不同方向各個(gè)尺度的局部結(jié)構(gòu)參數(shù)，提取小渦流等小尺度特征進(jìn)行數(shù)據(jù)庫更新，得到數(shù)據(jù)庫訪問傳輸負(fù)載，如式（5）所示：

式（5）中，Ci為前像素點(diǎn)的輸出紋理參數(shù)；Di為多頻噪聲融合分量；Mi為量化指標(biāo)參數(shù)集；Ni為模糊指向性聚類參數(shù)，當(dāng)滿足以下關(guān)系，如式（6）所示：

式（6）中，Ri為矢量場范圍內(nèi)的最小值；N為數(shù)據(jù)維數(shù)，建立統(tǒng)計(jì)概率模型，得到取地理信息的多節(jié)點(diǎn)測量輸出特征，如式（7）所示：

式（7）中，v為以矢量方向分布概率的多普勒二階梯度；vi(x)為方向變化信息；N為數(shù)據(jù)空間點(diǎn)數(shù)，采用多點(diǎn)參數(shù)距離測量的方法，輸出的信息響應(yīng)特征，如式（8）所示：

式（8）中，C1為地物特征；b為目標(biāo)地物的形態(tài)參數(shù)；ws為高分辨率遙感影像分布集；Ci為地理空間的耕地形態(tài)信息；c2為街道信息；SIZEi為數(shù)據(jù)大小。通過上述處理，采用分區(qū)分層的地理學(xué)思想，建立地理信息空間分布模型，采用道路網(wǎng)絡(luò)中心性指標(biāo)參數(shù)分析和多參量節(jié)點(diǎn)融合的方法，實(shí)現(xiàn)地理信息數(shù)據(jù)庫更新[8]。

3.實(shí)驗(yàn)測試

為了驗(yàn)證本文方法在實(shí)現(xiàn)地理信息數(shù)據(jù)庫實(shí)時(shí)更新的應(yīng)用性能，進(jìn)行實(shí)驗(yàn)測試。實(shí)驗(yàn)測試中，選擇街道、梯田、坡耕地、林草區(qū)、林間耕地等地理場景為測試對(duì)象，訓(xùn)練樣本數(shù)據(jù)來自我國西南的山地區(qū)域的遙感信息，遙感監(jiān)測的經(jīng)緯度參數(shù)分布（如表1所示）:

表1 地理信息遙感監(jiān)測的經(jīng)緯度參數(shù) 單位:°

由表1可知：采用3塊1000×1000像素大小的區(qū)域作為地理信息庫的更新驗(yàn)證集，得到原始的地理信息數(shù)據(jù)庫采樣的遙感影像數(shù)據(jù)（如圖4所示）:

圖4 原始的地理信息數(shù)據(jù)庫采樣的遙感影像數(shù)據(jù)

圖5 數(shù)據(jù)更新結(jié)果

采用本文方法，進(jìn)行數(shù)據(jù)庫更新，得到更新后的數(shù)據(jù)（如圖5所示）:分析圖5可知：本文方法有效實(shí)現(xiàn)了地理信息數(shù)據(jù)庫的實(shí)時(shí)更新。測試更新的實(shí)時(shí)性，對(duì)比結(jié)果（如表2所示）。分析表2可知：用本文方法進(jìn)行地理信息數(shù)據(jù)庫更新的實(shí)時(shí)性較好，精準(zhǔn)度較高。

表2 數(shù)據(jù)更新實(shí)時(shí)性對(duì)比 單位：s

4.結(jié)束語

本文在分析傳統(tǒng)地理信息數(shù)據(jù)庫更新所存在的實(shí)時(shí)性和準(zhǔn)確性不高的情況下，提出了基于多節(jié)點(diǎn)距離測量的地理信息數(shù)據(jù)庫更新路線，并對(duì)該技術(shù)的總體架構(gòu)和路線進(jìn)行詳細(xì)的分析；其次，通過真實(shí)的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了該方法的應(yīng)用性能較高，即能夠顯著提升地理信息數(shù)據(jù)庫的更新效率（實(shí)時(shí)性高）和精準(zhǔn)性，在數(shù)字城市和智慧城市項(xiàng)目建設(shè)過程中，具有很大的應(yīng)用價(jià)值。