智慧城市的测绘地理信息统计数据质量控制模型

周文锋

(象山县测绘与地理信息有限公司, 浙江 宁波 315700)

0 引言

作为社会经济发展的基础,测绘地理信息同时也是整体提升国民信息化程度的重要条件[1],不仅能够用于维护国家安全,同时也能够应用于国民大众的实际生活[2]。近些年,测绘地理信息的相关研究被社会大众所广泛关注,因此相关领域的研究发展也较快。测绘地理信息统计数据的质量至关重要,不仅要求其具有较高的完整性与准确性,同时还要确保数据间的逻辑性[3]。因此，研究一种测绘地理信息统计数据质量控制方法也较为重要。

张烃与董树屏等人在数据质量控制研究中采用分级管理模式[4],通过三级主体、两级监督的数据质量控制机制提升数据质量。李婵与范增禄等人在数据质量控制研究中引入格式检查[5],针对可能存在的错误信息,通过格式检查以及内部一致性检查等方法进行质量控制。本文在前人研究基础上,研究基于智慧城市的测绘地理信息统计数据质量控制模型,以此提升测绘地理信息统计数据质量。

1 测绘地理信息统计数据质量控制模型

1.1 模型整体结构设计

智慧城市中的测绘地理信息统计数据是以城市为目标[6],以网络技术为纽带,基于计算机技术与多媒体技术,结合遥感测绘以及虚拟现实等技术对目标实施不同分辨率、不同尺度、不同时空以及不同种类的三维统计描述而生成的信息,可以利用这些信息对城市的过去、当前与未来进行虚拟化展示。基于智慧城市的测绘地理信息统计数据质量控制模型整体结构,如图1所示。

注：①全球定位系统(global positioning system,GPS);②数字高程模型(digital elevation model,DEM)。图1 基于智慧城市的测绘地理信息统计数据质量控制模型整体结构

该模型主要分为两个部分,分别是智慧城市客户端部分与桌面管控端部分,通过两部分之间的有机结合形成一个有机的整体。通常,管控端部署在内业工作站上,客户端部署在外业数据采集现场的移动端,通过移动网络实现指令下达、数据上传和交换共享。桌面管控端将测绘地理信息采集命令传输给智慧城市客户端,并将城市地理底图等资源传输至智慧城市客户端;智慧城市客户端采集测绘地理信息后,测绘地理信息统计数据经由过程质量控制后存储至一体化存储区域内。测绘地理信息统计完成后,成果汇交至桌面管控端,利用成果质量控制过程质量管理,并将管理结果存储至成果库内。

1.2 过程质量控制

通过智慧城市客户端对测绘地理信息的采集与统计进行过程质量控制。

1.2.1 信息质量控制

信息质量控制是智慧城市中测绘地理信息统计数据质量控制的主要环节,指的是对测绘数据本身进行质量控制,包括对数字高程模型(digital elevation model,DEM)、数字正射影像(digital orthophoto map,DOM)、数字线划地图(digital line graphic,DLG)等数据进行控制,其存在于测绘地理信息统计数据质量控制的整体流程中。在海量智慧城市测绘地理信息采集过程中,不仅要提升相关作业人员与管理人员的责任心,同时还要保障测绘地理信息采集过程的标准化,关注开发生产作业程序,降低测绘地理信息采集的误差率,需最大限度利用网络资源,最终确保所采集的测绘地理信息数据的息一致性和唯一性。信息质量控制。

信息质量控制方法主要分为三个环节,此处以DEM数据为例来描述整个过程。

具体描述如下：

(1)原始资源质量检查。这一环节的目的是确定DEM信息内是否存在系统误差、粗差或随机误差等,从而避免DEM信息精度不合格等问题。

(2)DEM信息处理中的质量检查。这一环节中最关键的内容是确定内插模型[7],并利用逼近度、平滑度以及计算时间等方法来确定合适的模型。大量研究结果表明,双线性内插的效果更为合适。

(3)最终DEM质量检查。这一环节中最关键的内容是确定内插模型的准确度与可应用性;其次,需要判断DEM数据高程修正数的起始信息、终止信息、网格间距以及高程值取值范围是否满足要求;再次,需要针对非平滑区域实施编辑处理,并进行优化处理。通过DEM得到的同等高线叠加判断非正常现象,确保最邻近图幅DEM紧密接边。

1.2.2 时空位置信息质量控制

时空位置信息是测绘地理信息的重要组成部分。测绘数据采集后,为保障所采集信息中时空位置信息的准确性,需对时空位置信息进行质量控制。智慧城市客户端中时空位置信息的质量控制流程,如图2所示。

图2 时空位置信息质量控制流程

可依照不确定传播理论[8],利用式(1)描述初始时空位置信息的不确定性q1为

(1)

式中,q0和qd分别为初始时空位置信息以及地理数据数字化的不确定性;qs为测绘地理信息统计数据其他存储导致的不确定性;q0c和f1分别为测绘地理信息统计数据转换过程中的不确定性和不确定性传输函数。

可依照不确定性传输理论,利用式(2)描述中间时空位置信息的不确定性q2为

(2)

式中,qr和qg分别为时空位置信息恢复与代数运算导致的不确定性;qb和q1c分别为逻辑运算与时空位置信息转换导致的不确定性;f2为不确定性传输函数。

可依照不确定性传输理论,利用式(3)描述终极时空位置信息的不确定性q3为

(3)

式中,q2c和q0分别为时空位置信息与图形转换以及输出设备分辨率导致的不确定性;f3表示不确定性传输函数;qr、qg、qb、q1c和qa为q1的函数;q2c和q0为q2的函数。依照式(1)～式(3)能够判断测绘地理信息统计数据中不同阶段的时空位置信息的数据质量[9]。

1.3 成果质量控制

通过桌面管控端来对成果质量进行控制,包括数据清洗、交互检查与智能分析三方面的内容。

1.3.1数据清洗和转换

数据清洗是根据相应的标准由智慧城市应用端的一体化存储区域自动提取测绘地理信息统计数据实例,以此提升测绘地理信息统计数据质量的过程。通过智慧城市应用端的一体化存储区域的前置交换单元来自动检测测绘地理信息统计数据并实施反馈,包括重复信息检测、缺失信息检测、非正常信息检测、非一致数据检测以及逻辑错误检测等[10]。

同源测绘地理信息统计数据与其他数据源的测绘地理信息统计数据之间存在相应的业务逻辑。在对测绘地理信息统计数据实施数据清洗过程中需符合相应的业务逻辑标准,对不符合业务逻辑的测绘地理信息统计数据需予以相应的处理。被清洗掉的测绘地理信息统计数据定义将被定义为非标准信息,剩余的测绘地理信息统计数据被定义为标准信息。

数据清洗需符合以下几点要求：

(1)确保测绘地理信息统计数据存在关键字属性。

(2)最大限度放松清洗标准,确保测绘地理信息统计数据的原样性。

(3)测绘地理信息统计数据清洗过程中,仅实施数据映射,不会自动纠正测绘地理信息统计数据。

(4)被清洗的测绘地理信息统计数据将进行归档保存。

数据转换是将测绘地理信息统计数据的格式与形式进行统一化处理,先制定测绘地理信息统计数据格式与形式上的统一标准,再依照转换规则对不同来源的测绘地理信息统计数据实施转换,在此过程中需保障测绘地理信息统计数据自身意义不变[11]。

通过设计前置交换单元软件模块来完成测绘地理信息统计数据的清洗过程,软件结构(图3)。其中,前置交换单元包含服务调用、数据仓库技术(extract transform load,ETL)工具以及测绘地理信息副本库三个主要部分。

注：①数据工具平台(data tool platform,DTP)。图3 前置交换单元结构

1.3.2交互检查

将所采集的测绘地理信息统计数据装载在智慧城市系统内,从而完成测绘地理信息统计数据的可视化与查询等[12],并结合人工判读的方式确定测绘地理信息统计数据的空间位置与属性的准确性。这种质量控制方法能够显著提升测绘地理信息统计数据表现的直观性,方便相关检查人员确定数据的真实性,提升测绘地理信息统计数据质量控制效率。

1.3.3智能分析

基于智慧城市系统,结合测绘地理信息统计数据的相关业务规则,设计专业的测绘地理信息统计数据质量控制软件,快速、高效地完成测绘地理信息统计数据质检,充分降低交互检查过程中存在的漏检与误检的概率[13]。

2 测试结果与分析

为验证本文所提出的测绘地理信息统计数据质量控制模型的实际应用性能,开展以下实验。

以我国某城市为测试对象,该城市于2016年开始实施智慧城市建设。将该城市区域范围划分为8个部分(图4),并应用本文提出的模型对该城市的测绘地理信息统计数据进行质量控制实验。

图4 测试对象区域划分

2.1 时空位置信息统计数据精度分析

在时空位置信息采集过程中,在测试对象内不同区域内分别采集一个地理位置坐标,将所采集的初始坐标数据以及本文模型控制后所得的坐标数据与实际坐标数据相对比,获取时空位置信息的准确性[14],测试结果如表1所示。

表1 数据准确性统计表 单位：m

从表1可以看出,采用本文模型进行质量控制后所得的地理位置坐标数据与初始坐标数据相比更接近测试对象的实际地理位置坐标数据,误差几乎可以忽略。由此说明采用本文提出的模型能够显著改善测绘地理信息统计数据的精度[15]。

2.2 数据清洗测试

采用本文模型对测试对象测绘地理信息统计数据进行数据清洗,通过数据清洗去除冗余数据、拆分字段、合并字段、内容替换等,并解决数据重叠和矛盾冲突等问题,数据清理成功的原则是“一数一源”。通过数据清洗统计该城市不同区域中数据清洗的耗时与准确率,测试结果如表2所示。

表2 数据清洗测试结果

分析表2能够得到,采用本文模型对测试对象的测绘地理信息统计数据实施数据清洗,效率与准确率较高。

2.3 数据质量评估

为进一步验证本文模型的数据质量控制性能,以文献[4]中基于分级管理模式的数据质量控制模型和文献[5]中基于格式检查的数据质量控制模型为对比模型,参照国内外相关研究成果,根据空间数据质量评估指标,以数学基础精度与平面位置精度等为标准,评估本文模型与对比模型的测绘地理信息统计数据质量控制性能,测试结果,如图5所示。

图5 数据质量评估结果

经分析,本文模型控制下的测绘地理信息统计数据质量各指标值均高于两个对比模型,其中数据准确性高达99%;文献[4]模型控制下的测绘地理信息统计数据的逻辑一致度与完整性均显著下降,均低于85%;文献[5]模型控制下的测绘地理信息统计数据质量各项指标值较为均衡,但显著低于本文模型,由此能够充分证明本文模型具有较高的数据质量控制性能。

2.4 数据应用测试

采用栅格仿真器对2号区域内的空间环境进行仿真测试,并分别基于原始测绘地理信息统计数据和本文模型控制下的测绘地理信息统计数据进行路径规划,测试结果如图6所示。其中的圆形与三角形分别表示起点和终点。

(a)原始数据

(b)本文模型质量控制后的数据图6 路径规划结果

分析图6能够得到,基于本文模型控制下的测绘地理信息统计数据规划的出行路径与基于原始测绘地理信息统计数据规划的出行路径相比,路线更为平缓,且整体路径更短,由此说明本文模型具有较好的实际应用性能。

3 结束语

本文在传统数据质量控制模型的基础上,提出了基于智慧城市的测绘地理信息统计数据质量控制模型,并对该模型的整体结构设计,以及过程质量控制、成果质量控制等核心内容进行了详细的分析;其次,通过真实的实验数据,验证了该模型可有效提升测绘地理信息统计数据的精度,具有较好的实际应用性能。本文提出的研究方法能够为我国智慧城市的规划建设以及社会大众生活出行提供更优质的数据基础。由于时间限制,此次测试样本较少。在日后的研究中还需扩大测试样本量,证实该方法的稳定性。