地图多要素协同综合的知识规则研究

高 朝，李 国 辉，龙 毅*，许 文 帅，周 侗

(1.南京师范大学地理科学学院/虚拟地理环境教育部重点实验室/江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；2.常州市基础地理勘测中心，江苏 常州 213003;3．南通大学地理科学学院，江苏 南通 226007)



地图多要素协同综合的知识规则研究

高 朝1，李 国 辉1，龙 毅1*，许 文 帅2，周 侗3

(1.南京师范大学地理科学学院/虚拟地理环境教育部重点实验室/江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；2.常州市基础地理勘测中心，江苏 常州 213003;3．南通大学地理科学学院，江苏 南通 226007)

针对地图制图综合逐步向多要素乃至全要素综合发展，而地图综合知识规则仍停留在单要素知识规则这一问题，该文结合地图协同综合提出地图多要素协同综合知识规则，对协同综合中知识规则进行详细分类，提出协同综合过程控制模型，为多要素协同综合中知识规则的建立提供一种可行的处理方法。

多要素；协同综合；知识规则；过程控制

0 引言

地理空间数据是地图制图表达的重要数据来源，其自动综合问题一直是现代地图学领域关注的热点问题[1]。目前，地图制图综合研究已取得较大进展[2,3]，传统单一要素的地图综合导致在后期各要素集成时跨要素的冲突处理更为复杂；而地图多要素协同综合以相关要素的协同空间关系为基础，指导综合过程的执行，以此实现空间冲突的最小化和综合结果的最优化。因此多要素协同综合成了地图综合新的研究方向[4]。随着地理要素类型的增加，空间关系的数据量和空间冲突的类型也呈指数级增长，如何充分获取和利用这些知识成了亟待解决的问题[5]。近些年，以人工智能为基础的综合技术引入为解决这一难题提供了新的思路，而无论是人工智能还是Agent技术，都必须以丰富的知识规则库为基础才能实现最大限度的自动化和智能化[6]。目前法国国家地理研究所(IGN)COGIT 实验室[7]、德国汉诺威大学[8]、国内的武汉大学[9]、解放军信息工程大学[10]等高校、研究机构已开展协同综合和智能综合的研究，取得了一系列突破性成果[11]。

在协同综合和智能化综合过程中，知识规则库的丰富性往往影响着综合的质量。国内外关于知识规则的研究由来已久，取得了一定的成果[12-14]，完善了单要素综合过程中知识的表达和处理，并提出知识规则的形式化表达方式，为知识规则的发展奠定了基础。但国内外关于知识规则的研究大多局限于单要素综合过程中且对要素间空间关系约束没有深入研究，没有考虑多要素协同综合下知识规则的建立和表达。为此，本文提出多要素协同综合过程中知识规则的形式化表达方式，为智能化协同综合过程中知识规则的建立提供一种可行的方法。

1 多要素协同知识规则体系

1.1 多要素协同知识规则及其特点

传统单要素综合中知识规则侧重于对单个要素进行约束，在综合过程中能较好地完成单要素综合的任务。但是单要素综合过程中没有涉及多个要素间的协同处理，缺乏对要素间空间关系的综合。多要素协同综合涉及的要素更多，空间关系更加复杂，更加注重空间关系的保持，强调要素间的协同操作。因此，在多要素协同综合过程中，知识规则需要更加完善以适应综合过程中多要素协同综合的要求。

(1) 多要素协同知识规则需要继承并完善传统知识规则中对单要素综合的处理方法。单要素综合与多要素综合相互关联，单要素综合的好坏关系着多要素综合完成质量。因此，在多要素协同综合过程中，需要借鉴前人对单要素综合的经验。

(2) 多要素协同知识规则需要提出要素间空间关系处理措施。与单要素综合相比，多要素综合处理的空间关系更加复杂，综合过程需要处理要素及其空间关系，极大地提高了多要素综合的难度。因此，有必要将空间关系作为一个独立模块，在维护自身空间关系的同时辅助多要素综合的进行。

(3) 多要素协同知识规则需要提出多要素冲突处理措施。多要素综合区别于单要素综合在于其需要考虑不同要素间的冲突。国内外关于要素间的冲突处理已有很多研究[15-17]，但仍有一定的局限性，如何将不同的冲突方法引入冲突处理过程成为一个难点。因此，在多要素协同综合过程中，多要素冲突处理措施的提出十分重要。

1.2 多要素协同综合知识规则分类

通过分析多要素综合中知识规则，本文将多要素协同综合知识规则分为单要素规则、协同关系规则和多要素冲突规则。1)单要素规则是在对单一要素进行综合处理时所涉及的知识规则。本文中单要素规则以传统单要素综合规则为基础，添加要素空间关系索引，在单要素综合过程中加以约束，以维护要素间的空间关系，达到综合单要素的目的。2)协同关系规则主要用于多要素协同关系的维持。其在协同综合过程中的作用主要表现在两方面：一是进行单要素综合过程中，协同关系规则作为一种约束条件对单要素规则起作用。例如，当建筑物与道路邻近时，建筑物单要素规则中向道路方向的移位操作就会受到协同关系规则约束而消除。二是在进行多要素协同关系综合过程中，协同关系规则对要素间协同关系进行检查，确认协同关系是否冲突；同时协同关系规则需要对多要素冲突处理过程中产生的综合操作进行检查，防止要素间的协同关系遭到破坏。3)多要素冲突规则主要用于规范要素间冲突处理过程。在协同综合过程中，当单要素综合无法处理或协同关系发生冲突时，就需要利用多要素冲突规则进行综合处理。本文中，提取各种冲突处理算法的适用条件和要素加入到多要素冲突规则中作为约束条件，在处理要素间冲突时，通过对比规则中的约束条件筛选出适合当前冲突的综合算法。

1.3 多要素协同知识规则形式化表达

国内关于综合过程中知识规则的形式化表达早有研究，郭庆胜[12]提出知识规则的形式化表达方式：CODE(OPTION,NCODE,CON1，…)，其中，CODE、OPTION、NCODE、CON1分别表示目标的标题码、综合行为、综合后的目标标题码、前提条件；王家耀等[13]进一步将其改善为Generknowledge，其中，ID、Cod、GQ、GC、GO、GA分别表示准则记录编号、数据编码、综合阈、综合环境、综合操作、综合算法。本文借鉴王家耀等提出的知识规则形式化表达方式，在多要素条件下将其划分为3种知识规则并添加多要素及其空间关系约束，构建适应多要素综合条件下的知识规则。

(1)在单要素规则中添加空间关系索引这一约束条件，其形式化表达格式为：

SingleRule

其中：ID、Cod、GC、GO、GA分别表示为准则记录编号、数据编码、综合环境、综合操作、综合算法，在文献[9]中有详细描述；GQ表示综合阈，在单要素规则中数据以要素对形式出现，通过对比综合阈中的距离、角度等信息判断要素所需要进行的综合操作；GR表示协同关系索引，协同关系在综合开始时利用Delaunay三角网等方法进行构建，当综合操作产生后，调用协同关系索引与协同关系规则进行匹配，判断该操作是否会破坏其与关联要素的空间关系。

(2)协同关系规则主要用来协调综合过程中的要素，维护要素间的空间关系，其形式化表达格式为：

RelationRule

其中：GE、GR分别表示关联要素和空间关系，综合要素通过调用协同关系规则提取在该空间关系下与关联要素允许的综合操作。综合过程中，综合操作执行前需要调用协同关系规则以判断该操作是否允许执行，从而达到维护要素空间关系的目的。

(3)多要素冲突规则主要用于处理要素和空间关系冲突，其形式化表达格式为：

CoorRule

其中：GE、GN、GR分别表示综合要素类型、要素数量、协同关系。每种多要素冲突处理算法适用的环境不同，因此需要综合对比冲突要素类型、要素数量及要素间的空间关系来筛选合适的算法。

2 协同综合过程控制模型

钱海忠等[17]提出制图综合控制模型，为基于知识规则的自动综合奠定了理论和方法基础，但是其模型主要针对单要素综合，对多要素协同综合下知识规则的应用缺乏系统研究。本文针对综合控制模型进行改善，提出多要素协同综合过程控制，添加多要素关系约束与冲突检测与处理机制，建立基于知识规则的完整的协同综合过程控制流程。

2.1 协同综合冲突控制流程

多要素协同综合过程中，一个重要的任务就是对综合数据进行冲突检查和处理，主要分为两部分：单要素数据冲突检查和多要素协同关系冲突处理。

单要素数据冲突检查过程中，首先需要遍历综合数据，通过对比数据与规则中的综合阈判断数据是否需要综合。当数据需要综合时，需要检查要素关系，判断当前要素关系是否允许进行特定的综合操作。最后，根据单要素规则和协同关系规则提取出单要素综合所需要的综合操作和综合算法；多要素协同关系冲突处理过程中，当单要素规则无法处理数据冲突时，需要调用多要素冲突规则进行处理，根据多要素冲突规则和协同关系规则提取出多要素协同关系综合算法，具体流程如下：

Source://数据和规则源

Target:冲突识别与处理

For each data from Data//遍历数据

For each singlerule from SingleRule//遍历单要素规则

If(data.value>singlerule.GQ)//数据与综合阈比较

For each relationrule from RelationRule//遍历协同关系规则

If(data.relation==relationrule.GR)//数据与规则匹配

go=relationrule.GO && singlerule.GO//筛选单要素操作

If(go!=NULL)//如果存在操作

Lib1.add(data)//将数据添加到数据库

Lib2.add(go)//将单要素操作添加到数据库

Else//如果不存在操作

Take all Linked data//取出所有关联数据

For each coorrule from Coorrule//遍历多要素冲突规则

If(Linked data instance of coorrule)//数据与规则匹配

ga=coorrule.GA//调用冲突处理算法

Lib3.add(Linked data)//将所有关联数据添加到数据库

Lib4.add(ga)//将冲突处理算法添加到数据库

多要素协同综合开始前，需要确定综合的数据源和综合目标。其中综合的数据源包括地图数据和知识规则，而综合目标则是完成该过程所需要达到的目的，即地图数据冲突的识别和处理；协同综合开始后，首先需要判断单个要素间是否存在冲突，通过对比数据与单要素规则和协同关系规则进行判断，将数据分为无冲突、单要素冲突和多要素冲突三类，对不同冲突类型数据进行分类处理；在单要素冲突处理过程中，单要素规则会提供相应的综合操作，在多要素冲突处理过程中，通过提取冲突要素关联数据与多要素冲突规则进行对比，筛选出最佳冲突处理算法对冲突要素进行处理；当所有数据检查完毕且冲突处理完成后，完成协同综合冲突控制的目标。

2.2 协同综合控制模型

多要素协同综合拥有了上述三种协同综合规则后，可以完整地执行一套协同综合流程。一个完整的协同综合控制模型如图1所示。

图1 协同综合控制模型

Fig.1 Control model of cooperative generalization

步骤1：多要素协同综合开始后，首先需要对制图综合数据进行检查，提取出待综合数据，即3.1节协同综合冲突控制流程中的单要素数据冲突检查过程。

步骤2：根据单要素规则和协同关系规则对待综合数据进行分类和处理。当单要素规则可以对冲突数据进行处理时，提取单要素规则中综合操作加入综合队列；当单要素规则无法处理冲突数据时，将冲突数据转为多要素冲突。

步骤3：根据多要素冲突规则对冲突数据进行处理，筛选出具体的综合算法，通过协同关系规则判断后生成综合操作，加入综合队列。

步骤4：根据重要性对综合队列中的综合操作进行排序，顺序执行相应的综合操作。

步骤5：综合操作完成后，对综合后数据重新检查，如果存在冲突，提取出待综合数据；如果不存在冲突，将综合后数据加入CASE库，综合完成。

3 实验验证

在Eclipse 3.7环境下利用Java语言及多智能体技术(Agent)对提出的方案进行实验和分析。选取庐山地区部分道路和建筑物数据，初始比例尺1∶10 000，目标比例尺1∶25 000，图2中分别展示了原始数据和综合后的效果。

图2 样区协同综合结果

Fig.2 Cooperative generalization cartographic results at scale 1∶25 000

对比综合前后样区道路与建筑物的变化，可以看出利用知识规则的建筑物与道路协同综合的实验效果：在建筑物综合方面，建筑群1附近一些较小的建筑物被删除，建筑群3、4、5、6处完成了建筑物的合并。建筑物间通过删除和合并等操作，建筑物的个数明显减少，轮廓更加清晰，样区内建筑的整体形态得到了很好地保持；在建筑物与道路综合方面，在1∶25 000地图上，道路2周围建筑物通过移位、合并等操作解决了道路-建筑物相邻的冲突。

综合过程中部分规则调用如表1所示。综合过程开始后各要素Agent调用单要素规则内空间关系(GR)对周围要素进行冲突判断与处理，操作产生后调用自身空间关系(GR)与协同关系规则进行匹配；当协同关系规则与单要素规则出现冲突时，调用多要素冲突规则对冲突要素进行处理，完成冲突处理后，要素Agent会终止操作，表示该要素综合完成。

表1 协同规则调用

Table 1 Rules called in cooperative generalization

要素ID：1620单要素规则，操作：合并要素ID：912单要素规则，操作：合并要素ID：20单要素规则，操作：删除要素ID：24单要素规则，操作：移位要素ID：2单要素规则，操作：移位要素ID：12单要素规则，操作：删除要素ID：11单要素规则，操作：移位要素ID：2单要素规则，操作：移位要素ID：4单要素规则，操作：移位要素ID：24单要素规则，操作：移位要素ID：24多要素冲突规则，操作：移位；协同关系：邻近要素ID：6多要素冲突规则，操作：移位；协同关系：邻近要素ID：8多要素冲突规则，操作：移位；协同关系：邻近要素ID：19多要素冲突规则，操作：移位；协同关系：邻近要素ID：2多要素冲突规则，操作：移位；协同关系：邻近要素ID：2多要素冲突规则，操作：移位；协同关系：邻近要素ID：11多要素冲突规则，操作：移位；协同关系：邻近要素ID：2多要素冲突规则，操作：移位；协同关系：邻近要素ID：24多要素冲突规则，操作：移位；协同关系：邻近要素ID：2多要素冲突规则，操作：移位；协同关系：邻近要素ID：9多要素冲突规则，操作：合并；协同关系：邻近要素ID：16多要素冲突规则，操作：合并；协同关系：邻近INFO⁃FeatureAgent(建筑物：24)准备终止．INFO⁃FeatureAgent(建筑物：2)准备终止．

4 总结与展望

本文针对传统知识规则研究中强调单要素综合而忽视多要素协同综合的问题，提出了基于知识规则的多要素协同综合控制模型，并将协同综合中的知识规则进行详细分类，提供了一种多要素协同综合知识规则建立的可行性方法。通过道路和建筑物的双要素协同综合实验证明该协同规则可以较好地对要素进行综合处理。需要说明的是，针对多要素的知识规则研究尚处于研究阶段，还没有完全成熟，实验数据扩展到更多要素的综合效果及如何在规则中融入更多现有的综合处理方法还需要进一步研究。

[1] 王家耀．空间数据自动综合研究进展及趋势分析[J]．测绘科学技术学报,2008,25(1):1-7,12.

[2] 毋河海．GIS与地图信息综合基本模型与算法[M]．武汉:武汉大学出版社,2012.

[3] 吴小芳,杜清运,徐智勇．多层次移位原则的道路与建筑物空间冲突处理[J]．测绘学报,2010,39(6):649-654.

[4] 龙毅,曹阳,沈婕,等．基于约束D-TIN的等高线簇与河网协同综合方法[J]．测绘学报,2011,40(3):379-385.

[5] 许文帅．基于多Agent的道路与居民地协同综合方法研究[D]．南京：南京师范大学,2014.

[6] DUCHNE C,GAFFURI J．Combining three multi-agent based generalisation models:AGENT,CartACom and GAEL[A]．Lecture Notes in Geoinformation & Cartography[C]．2008.277-296.

[7] TOUYA G,DUCHNE C,RUAS A．Collaborative generalisation:Formalisation of generalisation knowledge to orchestrate different cartographic generalisation processes[A]．Lecture Notes in Computer Science[C]．2010.264-278.

[8] BOBRICH J．Cartographic map generalization in urban districts[A]．Proc.of Gis Research Uk Annu.conf[C]．2001.513-515.

[9] 艾廷华,郭宝辰,黄亚峰．1∶5万地图数据库的计算机综合缩编[J]．武汉大学学报(信息科学版),2005,30(4):297-300.

[10] 王家耀．地图制图学与地理信息工程学科发展趋势[J]．测绘学报,2010,39(2):115-119,128.

[11] RENARD J．Urban structure generalization in multi-agent process by use of reactional agents[J]．Transactions in GIS,2014,18(2):201-218.

[12] 郭庆胜．地形图自动综合知识库的建立方法[J]．武汉测绘科技大学学报,1993,1(S1):40-43.

[13] 王家耀,钱海忠．制图综合知识及其应用[J]．武汉大学学报(信息科学版),2006,31(05):382-386.

[14] TAILLANDIER P,TAILLANDIER F．Multi-criteria diagnosis of control knowledge for cartographic generalisation[J]．European Journal of Operational Research,2012,217(3):633-642.

[15] 李娜,杜清运,吴小芳,等．制图综合中道路与建筑物的移位研究[J]．测绘科学,2006,31(4):92-94.

[16] 武芳,侯璇,钱海忠,等．自动制图综合中的线目标位移模型[J]．测绘学报,2005,34(3):262-268.

[17] 钱海忠,武芳,王家耀．自动制图综合链与综合过程控制模型[J]．中国矿业大学学报,2006,35(6):787-791.

Research on Knowledge Rule of Multi-features Cooperative Generalization for Map

GAO Zhao1,LI Guo-hui1,LONG Yi1,XU Wen-shuai2,ZHOU Tong3

(1．CollegeofGeographicScience,NanjingNormalUniversity,KeyLaboratoryofVirtualGeographicEnvironmentofMinistryofEducation,JiangsuCenterforCollaborativeInnovationinGeographicalInformationResourceDevelopmentandApplication,Nanjing210023;2．BasicGeographicSurveyingCenterofChangzhou,Changzhou213003;3．SchoolofGeographicScience,NantongUniversity,Nantong226007,China)

The map generalization develops towards multi-feature even all-feature,but the knowledge rules still stay at single elements．For this problem,cooperative generalization rules of multi-feature are proposed combined with map cooperative generalization．By detailed classification for the knowledge rules,the paper presents a cooperative generalization process control model,which provides a viable approach for the construction of knowledge rules in cooperative generalization of multi-feature.

multi-features;cooperative generalization;knowledge rules;process control

2015-03-07；

2015-06-19

国家自然科学基金项目(41171350、41271449、41301514)；江苏省高校自然科学研究项目(13KJB170020)

高朝(1991-)，男，硕士研究生，主要研究方向为地图自动综合。 *通讯作者E-mail：longyi@njnu.edu.cn

10.3969/j.issn.1672-0504.2015.05.002

P208

A

1672-0504(2015)05-0006-04