多源道路网数据自动匹配与融合的算法模型及拓展应用研究

Along with the development of GIScience, more and more road-network datasets have become available, which are not only consist of the traditional geospatial data from various official Bureaus and/or professional surveying and mapping corporations, but also the continuously growing Volunteered Geographic Information (VGI). In order to make different datasets interoperable, this project is dedicated to the automatic data matching and integration between different road networks. The research strategy can be characterized by three stages: in the first stage, a new matching algorithm will be developed based on the concept of ‘local network comparisons’, which can help to enhance the matching accuracy in the areas where the roads are densely distributed and/or the topologic conditions are very complicated; meanwhile, an intelligent segmentation method will be created and applied to split the relevant road features in the beginning of the matching process, so that the road networks with quite different LoDs (Levels of Details) can be also successfully matched together. In the second stage, the road network data can be categorized into four groups according to their geometric and topologic characteristics, different data groups will trigger on different methodologies for the comprehensive data integration. In the third stage, based on the extensive investigation and in-depth analysis of the variety of different VGI data sources, one standardized approach will be established to realize the automatic data matching and integration among various VGI and traditional road networks.

随着信息技术的不断发展，道路网数据的来源变得复杂多样，其中不仅包括传统的专业地理信息数据，也包括内容丰富且现势性高的志愿者地理信息数据。为了有效利用好这些数据、本课题将在三个层面上进行多源道路网数据自动匹配与融合的算法模型及拓展应用研究。（1）在匹配算法层面，本课题将研发基于“局部网络”比对的匹配算法，以解决道路网密集区域最优匹配的选取问题；并创建智能化的道路要素分割方法，以解决数据的比例尺表达差异较大的问题。（2）在融合模型层面，本课题将对道路网数据进行分类，并针对不同类型的道路网数据分别建立相应的数据融合模型，从而实现多源道路网数据的全面融合。（3）在拓展应用层面，本课题将对VGI数据源进行全面的调研与分析，并在此基础上建立标准化的业务流程，以实现不同来源的VGI数据之间以及VGI数据与传统的专业道路网数据之间的自动匹配与融合。

随着地理信息科学的不断发展，道路网数据的来源变得复杂多样。为了综合利用不同数据集中的信息、减少因数据重复采集所带来的资源浪费，就需要将不同来源的数据融合在一起使用。为此，项目围绕多源道路网数据的匹配算法、融和模型以及拓展应用等三个层面展开了探索研究。.在匹配算法层面，项目创建了全新的基于“局部网络”比对的匹配算法。与传统方法相比，该算法能够更加全面的考虑匹配道路的上下文信息，能够在更为宏观的层面上进行“最优匹配”的判定与选择，从而解决了道路网密集区域最优匹配的选取问题；项目还创建了智能化的道路要素分割方法，实现了“当且仅当对匹配运算有利时才进行道路要素分割”的目标，解决道路网数据比例尺表达差异较大情况下的匹配问题。在包括同比例尺与不同比例尺数据的大面积区域匹配测试中，匹配算法的整体成功率超过了97.0%, 准确率达到了99.3%。.在融合模型层面，项目所建立的数据融合模型全面覆盖不同类型的道路网数据。为了实现多源矢量道路网的融合，项目按照数据的几何及拓扑特征对道路网数据进行分类，并分别为不同类型的道路网数据有针对性的建立相应的数据融合方法与模型；为了实现矢量道路网和高分遥感影像的融合，项目采用深度学习中的卷积神经网络的方进法对遥感影像中的道路网数据进行提取，再将提取的道路网和矢量道路网数据进行匹配融合，进而实现对矢量道路网数据的优化与更新。.在拓展应用层面，项目针对志愿者地理信息（Volunteered Geographic Information，简称VGI）数据结构不够标准、数据表达不规范、数据质量参差不齐等问题，开发了数据预处理算子工具，并在此基础上建立了标准化的业务流程，实现了不同来源的VGI数据之间以及VGI数据与传统专业道路网数据之间的自动匹配与融合。在该流程中，项目还开发了算法程序对大面积的道路网数据进行自动分割，以突破计算机硬件的限制。.此外，为了推进项目成果的转化，项目开发了具有完全自主知识产权的多源道路网自动匹配和融合软件，并在两个实际的数据生产项目中得到了测试与应用。

内容获取失败，请点击重试