省市级天地图数据融合关键技术探讨

付治河，李小勇，刘 敏， 谢孟利，张立朝

（1.河南省基础地理信息中心，河南 郑州 450003）

省市级天地图数据融合关键技术探讨

付治河1，李小勇1，刘 敏1， 谢孟利1，张立朝1

（1.河南省基础地理信息中心，河南 郑州 450003）

结合河南·天地图省市节点数据资源整合实际，对天地图数据融合的技术流程及节点路网非重复要素筛选、道路网结构模式匹配等数据融合关键技术进行了探讨，实现了多源数据的快速融合，可为以后其他数据资源整合提供参考。

数据融合；兴趣点数据；多源异构；实体匹配

天地图是由国家、省、市三级节点共同建设的地理信息公共服务平台[1]，随着天地图应用的日益广泛与深入，丰富数据资源、完善服务功能、扩大应用范围，成为天地图建设的重要工作。目前，天地图各个节点所采用的数据源、配图方式、发布软件等不尽相同，出现了各级数据资源更新不同步，天地图核心数据资源衔接不一致，整体优势不突显,很有必要将各级资源进行整合，发挥各自优势，形成全国天地图一盘棋的局面。数据融合是丰富和更新天地图各级数据资源的有效途径，通过整合国家、省、市各级节点的数据资源，实现更深层次的分布式信息资源聚合与协同服务，并为未来基于云架构的分布式服务资源动态调度奠定基础[2]。

1 天地图数据融合技术方法

天地图数据融合是对参与融合的主节点、省、市级节点及行业的不同类型、不同结构、不同精度的地理数据进行分析比对，从中选取表达标准、现势性强、精度高、内容丰富的要素进行整合，并对整合后的结果进行拓扑关系、空间关系和逻辑一致性等处理，使融合后的地理信息数据在新鲜度、准确率、内容丰富度等方面满足技术设计要求。

1.1 天地图数据融合主要内容

天地图数据融合主要包括矢量数据融合、影像数据融合和POI数据融合。矢量数据融合以全省最新的卫星影像、航飞影像、最新的行业数据等为基础，对省、市级节点数据与国家节点数据进行融合。矢量数据融合主要包括以下5大类：居民地、水系、道路、铁路和绿地；影像数据融合采用全省0.5 m分辨率的高分影像数据与国家节点数据进行融合；POI数据融合以主节点数据为主，采用我省最新的行政地名数据对其进行补充，同时对这2 a变更的行政区划进行修改[3]。

数据融合技术流程见图1。

图1 数据融合技术流程图

1.2 天地图数据融合技术方法

1.2.1 道路数据融合

道路数据融合以主节点路网数据为本底数据，结合最新0.5 m的Worldview及其他矢量数据，在不改变主节点路网关系的前提下，将省、市节点路网向主节点路网整合。路网数据融合主要方法：使用国家主节点道路30 m缓冲面与省、市级节点道路做空间选择，将道路分为被缓冲面完全包含、与缓冲面无相交、与缓冲面部分相交3个层；使用主节点路网缓冲面对“部分相交”层作擦除，形成缓冲面外道路要素集（部分相交）。再结合0.5 m影像、矢量数据，对主节点路网、分割后的省级节点道路进行道路空间关系检查与重构。道路数据融合流程图见图2。

1.2.2 水系数据融合

水系数据融合以省级节点的水系数据为工作底图，根据现有数据情况，先进行省级节点水系数据与道路数据要素冲突检查，处理水系数据与道路要素之间的冲突，并结合影像更新水系数据。然后结合其他矢量数据、0.5 m影像，对重要水系进行空间位置及要素属性核查，结合主节点水系数据，对省级节点数据进行属性更新、水系要素增补，同时处理水系与其他要素之间的关系，最后形成水系融合数据成果。

图2 道路数据融合流程图

1.2.3 铁路、居民地、绿地数据融合

铁路、居民地、绿地数据融合以省节点的要素数据为本底数据，根据天地图数据格式要求，对要素的分类代码转换及属性进行重置，增加相关属性与要素，并结合0.5 m分辨率影像，处理铁路、居民地、绿地要素与其他要素层之间的空间关系，形成铁路、居民地、绿地融合数据。

1.2.4 POI数据融合

POI即兴趣点，泛指一切可以被抽象为点的地理实体[4]。需对多源POI数据进行整合，形成一套现势性好、位置精度高的POI数据。POI数据融合首先要根据数据的特点，对数据进行初抽取，然后采用“属性+空间位置”双重比对的方法，实现多套POI之间的查重去冗。再根据天地图数据格式要求，对POI数据进行分类编码转换及属性重置，利用最新行政区划地名对旧的地名地址进行修正，同时修正主节点地名数据的坐标。

2 天地图数据融合关键技术及实现

2.1 节点路网非重复要素筛选技术

节点路网非重复要素自动筛选是在充分分析节点数据结构的基础上，以主节点数据为本底数据，利用ArcGIS的缓冲分析、叠置分析和一致性分析，自动筛选出省节点道路数据中与主节点路网不重复部分，以此来增补和丰富主节点路网数据，并重新构建主节点路网空间关系。

2.2 道路网结构模式匹配与融合技术

实体匹配是指将2个数据集中的同一地物识别出来[5]。道路网结构模式自动匹配技术是针对道路网中的同名点、同名线、同名面、同名要素上同名特征点，结合矢量要素的全局最优匹配方法[6]，对同名道路可能存在的各种匹配关系（图3）及道路节点的各种匹配关系（图4），利用基于概率松弛法的多尺度道路网匹配算法、叠置分析方法，特征相似变换和形状相似度化简算法以及拓扑关系、形状相似度、距离测度等特征指标，对路网进行识别和融合；并自动挂接同名道路各自的属性信息，从而实现道路网结构模式匹配技术。

图3 同名道路可能存在的各种匹配关系

图4 同名道路节点可能存在的多重匹配关系

2.3 多源数据空间位置冲突处理技术

在两种数据融合过程中，水系、居民地、铁路、道路等矢量数据要素存在空间位置冲突，通过利用ArcGIS的缓冲分析、叠置分析和空间运算，对于冲突图源进行自动识别，实现了多源数据空间位置冲突要素的快速提取和自动处理，确保拓扑关系前后保持一致性。

2.4 多源异构POI数据融合技术

在两种数据融合过程中，针对多源异构[7]POI数据融合难题，将天地图国家节点POI数据作为目标数据模型，通过明确参考数据源数据模型与目标数据模型之间的对应关系，分析其相似度，以计算机自动处理的方式，实现重复POI数据的自动查找、自动标识，并自动进行属性融合，同时依据POI的可靠数据源来修正目标POI数据的空间位置。该项技术可减少POI数据冗余，同时丰富POI非空间信息，提高POI精度。

2.5 天地图数据融合的实现

天地图数据融合可根据其数据结构和特点，借助一定的数学模型、软件和人工干预，并对整合数据进行认真分析，设定阀值，即可以得到一个相对满意的融合数据。天地图数据融合实例见图5。

图5 天地图数据融合实例

3 结 语

天地图数据融合充分利用主、分节点的数据资源、人力资源、软硬件资源，实现了主、分节点的数据优势互补，节约主、分节点的资源投入。天地图数据融合不仅丰富了天地图数据更新途径,也提高了天地图数据更新的效率，同时也提高天地图数据的新鲜度和精细度。天地图数据资源的不断丰富必将更好地满足社会和公众对地理信息服务的需求，改善用户体验、提高用户黏性，更好地服务于群众日常生活，不断增强天地图社会影响力。

[1] 国测信发（2014〕3号.天地图数据融合技术要求(试行)[S].

[2] 国测信发〔2011〕1号.“天地图”省市级节点建设方案[S].

[3] 陈焕新,刘栋永,徐世明,等.空间数据融合的框架流程及发展现状研究[J].地理信息世界，2013,20(5):26-31

[4] 赵卫峰,李清泉,李必军.利用城市POI数据提取分层地标[J].遥感学报,2011,15(5):982-983

[5] 朱靖,栾学晨.面向导航电子地图制作的多源地理空间数据融合技术[J].地理空间信息,2014,12(4):147-149

[6] 赵东保,盛业华.全局寻优的矢量道路网自动匹配方法研究[J].测绘学报,2010,39(4):416-421

[7] 宋小红,禄丰年,张立朝,等.地理国情普查中多源异构数据整合研究[J].测绘通报，2014(9):104-107

P208

B

1672-4623（2015）01-0045-03

10.3969/j.issn.1672-4623.2015.01.015

付治河，硕士，高级工程师，主要从事测绘地理信息应用与信息系统研发工作。

2014-12-19。

项目来源：矿山空间信息技术国家测绘地理信息局重点实验室2014年度开放基金资助项目（KLM201405) 。