智能化测绘的混合计算范式与方法研究

传统数字化测绘产品在数字经济、数字治理与数字生活等方面发挥着越来越重要的时空基底和关键生产要素作用,但其精细程度、更新周期、服务方式难以满足数智新时代下的高质量发展需求。因此,迫切需要实现数字化测绘到智能化测绘的转型升级,通过构建新型时空新型基础设施以全方位提升高品质的时空信息供给能力、高层次的时空数据分析能力,以及高水平的时空知识服务能力。本文从测绘自然智能与人工智能结合的必要性分析出发,首先讨论了测绘智能计算的基本概论及内涵,然后提出了智能化测绘知识为引导、数据为驱动、算法为基础、服务为支撑(KDAS)的混合智能计算范式并梳理了其构建基本任务,最后从感知、认知、表达与服务4个维度研究并系统阐述了智能化测绘的混合计算关键技术和相应途径,试图为混合计算赋能智能化测绘知识体系构建以及产业发展升级搭建基础研究框架。

地图综合图卷积神经网络点群简化方法

地图综合是一个多因素影响的复杂决策过程,针对不同场景判断下的综合算子优化选择常规上通过基于规则的方法实施。顾及不同特殊条件影响,这些地图综合规则需要“打补丁”,导致地图综合规则体系越来越复杂,从而失去普适性。人工智能技术下的数据驱动综合方案通过机器学习提取典型案例中隐含的综合规则,并迁移到新的数据场景,为处理特殊规则下的地图综合提供了一种思路。本文引入深度学习技术,采用领域知识与数据驱动相结合的策略,提出了一种基于图卷积神经网络的点群自动综合方法。本文方法通过样本训练与深度学习获取不同数据场景下的地图综合知识,同时融入既有规则进行引导,可以更有效地向人工地图综合结果的目标迈进。首先,构建Delaunay三角网,在点群之间建立空间邻域关系,并根据地理空间上下文关联、空间异质性等领域知识计算各个点的特征信息,构造点群的特征向量。其次,引入拓扑自适应图卷积神经网络,构建点群数据自动综合网络模型。试验表明本文方法在局部区域与整体地图上均可以保持原始点群的各项特征,体现在相对数量保持、上下文特征继承、属性特征一致方面均有良好的表达效果。

基于图结构的空间同位模式挖掘

空间同位模式反映了不同地理要素分布的依存关系,是地理学第一定律的体现,也符合空间大数据分析重在揭示事物关联特征的目标。空间同位模式挖掘需要顾及空间分布耦合机制,探测空间邻近关系及基于支持度等指标分析高频共生模式。现有方法多在判定邻近关系的同时搜索共生模式,导致在挖掘高阶共生模式时需要实时修正几何邻近关系,在复杂系统下丧失计算过程的灵活性。考虑到图数据蕴含的拓扑连接信息与空间同位模式相契合,本文提出一种基于图结构的空间同位模式挖掘方法。该方法一步完成几何上的邻近关系探测,然后在图数据库中通过子图搜索完成逻辑上的同位模式判别。首先,基于Delaunay三角网构建自适应邻接图,利用自适应邻接过滤器删除无效连接。然后,通过候选子图的不断连接、剪枝、生长,逐步从N元递推获取N+1元候选同位模式。最后,通过计算支持度指标并与预定义阈值比较以确定空间同位模式。本文基于不断生长迭代的图遍历思想提升了空间同位模式挖掘面向更复杂的空间场景的普适性。试验表明本文方法具备高效的挖掘能力,相较传统算法,在多元空间同位模式的挖掘任务中效果更优。

等高线形态知识与图神经网络联合作用下的黄土地貌类型识别

地貌类型识别是多因素联合影响下的复杂决策问题。由于地貌区域环境的广泛性、差异性及地学要素作用的复杂性,简单地引入人工智能方法,通过典型样本监督学习并不能获得该问题的满意结果。因此,本文尝试将等高线形态知识这种测绘自然智能与人工智能结合,在地形形态表达规则和典型地貌类型样本训练联合驱动下,开展混合智能下黄土地貌类型识别研究,提出了整合等高线形态知识与带池化操作图神经网络(graph neural network,GNN)的地貌类型识别方法。本文方法将地貌单元的等高线建模为图结构,并将提取的等高线顶点的形态知识嵌入图节点中,采用带池化操作的GNN模型,挖掘图结构中的高层次特征和上下文信息,以识别地貌类型识别。试验结果证明了本文方法在黄土地貌类型识别上的有效性:在测试数据上获得了86.1%的F 1值,比两个对比方法高出3.0%~8.2%。

顾及形态特征的遥感影像湖泊多分辨率表达方法

遥感影像的多分辨率表达在数据传输、计算效率和隐私保护方面发挥着重要作用。传统的遥感影像多分辨率表达方法忽略了目标的整体形态特征,容易产生信息冗余,影响图像的易读性。结合超像素分割和纹理迁移技术,文章提出了一种顾及形态特征的遥感影像多分辨率表达方法。该方法首先根据地理特征差异和分形维数对湖泊形态特征进行了分析。然后,基于超像素分割算法对湖泊边界进行了简化。最后,利用原始和简化湖泊边界进行纹理迁移,生成多分辨率遥感影像。结果表明,该方法在遥感影像多分辨率表达过程中能够有效去除冗余细节,提高对象的易读性。

从横向上的“一张图”到纵向上的“金字塔”:地理国情数据的多尺度表达

地理国情普查成果描述了自然地表和人文地理要素的空间分布、特征及其相互关系,在制定和实施国家战略发展与规划、优化国土空间开发格局、优化各类资源配置工作中发挥着重要作用。为了从全局观念、系统性整体化应用好该普查成果,成果管理部门在横向上建立了“一张图工程”,通过空间数据库技术将地理国情调查成果全覆盖、无重叠、无缝隙地展示。然而,为了面向不同级别行政部门管理、不同层次行业部门应用、不同详略信息数据提取,成果表达还应进一步在纵向上构建多级“金字塔式”数据组织,灵活有效地为不同应用需求输出合适级别的成果数据,金字塔结构不同层次数据对应不同水准的应用需求,同时跨层次间的数据联系反映了同一区域的地理国情状况在不同视图下的表达。本文系统地讨论地理国情普查成果构建金字塔式数据表达的技术方法,涉及众源大数据处理、地图综合与尺度变换、多级瓦片地图架构、跨层次级联更新等技术的应用。

面向居民地要素智能化综合的样本库构建

以深度学习为代表的人工智能技术为制图综合智能化水平的提升创造了有力的条件。然而,智能学习模型的应用依赖高质量的样本数据,目前还缺乏适宜制图综合知识学习的案例数据集。以不同比例尺居民地要素综合为例,深入探讨服务于智能化制图综合的样本数据采集建库方法。主要工作包括:依据地图数据组织特点和制图综合过程决策需求,提出了区分特征型案例和变换型案例的样本数据组织体系以及相关的数据结构设计;基于通用GIS平台设计了样本数据采集与管理系统,形成对样本数据采集、存储、修正、更新等全链条的管理维护框架。本研究是针对图形表达的地图要素如何构建案例数据集的有益探索,对推动以制图综合为代表的复杂地图空间知识学习具有积极意义。

地理信息科学中尺度概念的诠释与表达

本文对地理信息科学的尺度概念、尺度效应、尺度变换等进行了总结,提出了尺度外延与内涵联合表达的3×3尺度矩阵,深入剖析了尺度矩阵中的9个尺度子概念。基于尺度子概念的相互作用,讨论了粒度与广度的依存关系,以及时间粒度、语义粒度分别与空间粒度联合表达的基本规则。针对空间关系尺度在空间分析、空间推理中的重要意义,提出并建立了拓扑关系粒度、方向关系粒度、距离关系粒度的计算方法。在完整诠释地理信息科学中的尺度概念基础上,提出了未来关于尺度问题研究的3个方向:尺度概念形式化、尺度效应与不变性、尺度变换与知识发现。

信息量与相似度约束下的网络地图服务缩略图自动生成算法

缩略图可显著提高图片和视频等图形图像资源的展现效率,有效改善信息检索过程中的用户体验。地图服务是一种耦合空间和尺度信息的图像资源,其设计创作、检索筛选和存储管理均需要缩略图的支撑。设计精巧的缩略图带给人良好、鲜活的第一印象,帮助用户实现高效的交互与探索;粗糙凌乱的缩略图则让用户产生抵触情绪,打消其继续探索地图服务的主动性。本文借鉴视频关键帧的思路并结合地图表达特点,提出了地图服务关键位置和关键尺度的概念,并设计了相应的量化指标和提取算法,重点解决了缩略图视觉效果不佳、地图信息量不足和自动化程度不高等问题。算法基于信息量识别地图中内容丰富的关键位置,然后利用跨比例尺相似度判断发生显著变化的关键尺度,最后自动筛选出若干张代表地图服务内容的缩略图。试验表明本方法提取的缩略图数量适中、内容丰富、代表性强,可高度还原地图服务的内容构成和外观样式。

地图空间形状认知的自编码器深度学习方法

形状是地理空间要素的重要特征,是人们建立空间概念、形成空间认知的重要依据。本文利用深度学习的特征挖掘能力引入自编码学习方法,对二维地图空间中形状边界上多组邻域尺寸下的多个特征进行集成和整合,为空间形状认知的机理和形式化提供支撑。本文以建筑物数据为例,将建筑物形状边界转换为序列数据,并提取其描述特征;随后结合sequence-to-sequence自编码学习模型,对无标签的建筑面要素数据进行学习训练,形成形状认知编码。试验表明,本文方法能够产生符合形状认知、具有相似度计算意义的形状编码,具备对不同建筑物形状的区分能力;同时,在形状检索和匹配等应用场景中,该形状编码能有效地表示建筑物的全局和局部特征,与视觉认知结果一致。

基于多边形单纯剖分的复杂地类图斑符号填充

地图符号配置对于表达地图内容、揭示空间规律具有重要作用。由于地理环境特征的差异性,土地利用数据中存在大量复杂地类图斑。传统方法对复杂地类图斑进行地图符号填充会出现部分区域符号布局不合理或无符号的问题,为此,该文提出了一种基于多边形单纯剖分的复杂地类图斑符号填充方法。首先对图斑多边形构建约束Delaunay三角网,将地类图斑剖分为单纯形;根据单纯形特征对Delaunay三角形分类,以提取多边形骨架线,作为地图符号填充位置;然后根据多边形几何特征与人类视觉认知规律制定了地图符号填充策略。运用全国第二次土地调查的地类图斑数据进行实验分析,并与ArcGIS软件的面状符号填充效果进行对比,结果表明,该文方法更适于复杂地类图斑的符号填充。

混合隶属度支撑下的土地利用数据语义精度三重评价

语义精度是土地利用数据质量检验与评价的重要指标。针对当前语义精度体系化评价方法较少的现状,提出一种三重语义精度量化评价的方法。首先利用语义层次树和语义距离建立语义隶属度计算模型,然后由局部到整体,从单一图斑、单一覆盖类型及整幅地图这3个层次建立精度评价模型。实验选取导致土地利用数据语义精度变化不可避免且最为复杂的地图综合操作进行认知讨论,结果显示文中方法可较好评价土地利用数据语义精度,较好体现语义变化特点,具有较强实用性。

Road Centrality and Landscape Spatial Patterns in Wuhan Metropolitan Area,China

Road network is a corridor system that interacts with surrounding landscapes,and understanding their interaction helps to develop an optimal plan for sustainable transportation and land use.This study investigates the relationships between road centrality and landscape patterns in the Wuhan Metropolitan Area,China.The densities of centrality measures,including closeness,betweenness,and straightness,are calculated by kernel density estimation(KDE).The landscape patterns are characterized by four landscape metrics,including percentage of landscape(PLAND),Shannon′s diversity index(SHDI),mean patch size(MPS),and mean shape index(MSI).Spearman rank correlation analysis is then used to quantify their relationships at both landscape and class levels.The results show that the centrality measures can reflect the hierarchy of road network as they associate with road grade.Further analysis exhibit that as centrality densities increase,the whole landscape becomes more fragmented and regular.At the class level,the forest gradually decreases and becomes fragmented,while the construction land increases and turns to more compact.Therefore,these findings indicate that the ability and potential applications of centrality densities estimated by KDE in quantifying the relationships between roads and landscapes,can provide detailed information and valuable guidance for transportation and land-use planning as well as a new insight into ecological effects of roads.

Subdivision of Polygon Parcel in Land-Use Data Generalization

In land-use data generalization, the removal of insignificant parcel withsmall size is the most frequently used operator. Traditionally for the generalization method, thesmall parcel is assigned completely to one of its neighbors. This study tries to improve thegeneralization by separating the insignificant parcel into parts around the weighted skeleton andassigning these parts to different neighbors. The distribution of the weighted skeleton depends onthe compatibility between the removed object and its neighbor, which considers not only topologicalrelationship but also distance relationship and semantic similarity. This process is based on theDelaunay triangulat'on model. This paper gives the detailed geometric algorithms for this operation.

Constraints of Progressive Transmission of Spatial Data on the Web

The progressive transmission of map data on the World Wide Web provides the user with a self-adaptive strategy to access remote data. It not only speeds up the web transfer but also offers an efficient navigation guide for information acquisition. The key technology in this transmission is the efficient multiple representation of spatial data and pre-organization on the server site. This paper aims at progressive transmission investigating some constraints from three aspects: data organization on server site, data control in the transmission process and data restore after reaching the client. Two strategies, namely on-line map generalization and off-line map generalization, are examined respectively for this kind of progressive transmission.

地理知识图谱下的建筑群空间分布模式推理

以图结构表达的知识图谱不仅在语义网络的描述与推理中发挥着重要作用,对于空间实体的结构化抽象与空间推理也具有重要意义。空间实体的联系信息在知识图谱中以图的边记录,通过路径探测、子图对齐、模式发现等基于边的知识图谱计算推理,在空间场景认知可发挥重要作用。地理知识图谱是一种对地理概念、实体及其相互关系进行形式化描述的知识系统,既有通用知识的内涵与特点,也有地理知识特定的时空特征,能够将语义模型和时空模型联系起来,描述语义关系、空间关系和时间关系,在地理知识的表达、理解、获取与推理方面有巨大的应用潜力。现有地理知识图谱的研究工作多集中于语义方面,语义关系的抽取与表达比较丰富,可以支持进一步的地理知识语义搜索等功能;然而地理知识图谱在时空模型上的知识表达比较缺乏,现有的空间关系局限在要素之间,很少涉及空间认知中进一步的分布态势、空间格局等,地理知识图谱在空间语义知识方面有待增强。本文基于知识图谱构建原理,以建筑群地理知识图谱构建为例,实现格网型建筑物模式的识别。先将建筑物抽象成实体,表达为图的节点,基于几何邻近分析提取建筑物之间的空间邻域关系,以此构建建筑群地理知识图谱;在此基础上结合建筑物模式识别的领域知识,进一步推理构建其他的空间语义关系,完善地理知识图谱;再将建筑群场景的格网模式表达为知识图谱的规则,在知识图谱上基于NoSQL语言进行推理。结果表明,本文方法能有效提取建筑物格网模式,验证了地理知识图谱在空间推理上的作用和在领域问题研究中的良好适应性,为地理知识图谱在空间认知领域的应用提供了思路。

等时线模型支持下的深圳市综合医院空间可达性测度分析

可达性是在空间分布格局、设施约束等综合条件下的空间决策问题,等时线模型为该决策分析可提供方法支持,它是以时间地理为框架,用时间成本来衡量时空可达性的重要模型。面向兴趣点(Point of Interest,POI)可达性分析通常包括2种形式:①基于"供给"角度从特定POI出发的服务可达分析;②基于"需求"角度从任意空间位置出发获得最近服务的便利度分析。目前的研究从"供给"角度探求特定POI的服务范围居多,对"需求"角度的等时线分析关注不够。本研究针对这一缺陷,开展面向服务需求的兴趣点可达性等时线分析,考察任意位置达到某类服务设施最近点的时间代价。在几何度量方法上,本研究利用了网络空间Voronoi图模型,与传统欧氏空间Voronoi图相比,本方法顾及了街道网络对空间通达的直接影响。本研究发现了等时线的形态、坡度等特征能够反映POI的疏密分布和道路网的通达性。

基于傅里叶能量度量的曲线多尺度表达

通过傅里叶级数将地理要素从空间域转化到频率域,从频域的角度结合Parseval定理计算地理要素各个频率所包含的能量,并以人眼识别能力为基准,结合地理要素的原始比例尺计算其实地距离阈值,将曲线的直流分量剔除后得到该地理要素的有效总能量.再分别设置不同的能量衰减率将地理要素的高频部分进行剔除,并将相对应的不同傅里叶展开次数下的拟合曲线与地理线要素之间的平均空间距离和能量衰减率相结合,探索地理要素的能量变化对其比例尺的影响,建立曲线的能量衰减率与其尺度变化之间的函数关系.最后,分别选取小比例尺的海岸线数据和大比例尺的等高线数据作为研究对象进行实验,设置不同缩放等级的地图比例尺并计算与其相对应的能量衰减率及傅里叶展开次数对曲线进行重建,验证了该方法对各尺度下地理线要素的多尺度表达都具有良好的表现效果.

一种傅里叶信息度量的曲线分形描述与多尺度表达方法

提出了一种新的描述地理线要素复杂程度的方法。首先利用傅里叶级数将地理线要素从空间域转化到频率域进行分析,对不同的地理线要素进行傅里叶展开后得到其不同的傅里叶描述子,并采用设定面积阈值的方法,将傅里叶展开前后的地理要素产生的偏差控制在一定范围内,使经过傅里叶描述子还原的曲线可以近似代替原地理线要素。然后,在香农信息熵理论的基础上对傅里叶展开后的拟合曲线进行信息量的计算,再将频率域与分形理论相结合,在首尾分布以及Koch的"二八定律"的基础上对信息量数据进行进一步处理,从而提出了分布指数p的概念。最后将分布指数与方根模型相结合,利用最小二乘法得到了地图在不同尺度下的分布指数的近似表达式,并选取一片区域的等高线数据进行实验,验证了分布指数对不同尺度下的地理线要素复杂程度具有较好的表达效果,并可以将其运用于线要素的多尺度表达。

基于交通轨迹数据的三维动态噪声地图

噪声信息具有空间传播和随距离衰减变化的特征,采用三维动态可视化形式表达噪声地图可以体现该特征。本文针对噪声的空间分布与强度变化提出一种噪声地图表达的方法,基于Bertin符号参量分析,以具有高度可变的方柱并配以深浅变化的颜色作为噪声符号,动态传递噪声信息。为进行多尺度地图展示,在不同地图等级下设有相应细节层次的符号尺寸和定位排列方式。噪声地图以Web端Mapbox为展示平台,基于交通噪声模型和GPS轨迹数据,对上海黄浦区某区域一时间段内的噪声情况进行模拟表达,实现噪声数据的立体动态化显示。三维动态的表达扩展了噪声数据的表现维度,多维度、多参量的立体动态符号不仅可准确刻画噪声的分布,而且从视觉观感上提高了受众的兴趣度和专注度,这为研究噪声的热点分布、传递趋势等空间规律提供了可视化参考。