基于复合特征规则库的多源POI融合方法

多源POI融合是指将不同来源的POI数据集成为一个统一、准确且全面的数据库。POI数据作为国家地理信息公共服务平台(天地图)的重要数据资源之一,如何有效融合其他多种POI数据源,使天地图POI数据现势性、准确性及丰富性不断提高,是天地图建设的关键技术之一。当前有关POI数据融合方法的研究在测绘、地理信息系统及大数据和人工智能领域都受到了广泛关注,并取得了一定进展。但由于POI文本类属性的复杂性与多样性,在实际工程应用时如何有效判断POI的属性相似度仍面临挑战。针对天地图POI数据快速更新的迫切需要,以及当前多源POI数据融合方法存在的不足,本文提出一种基于复合特征规则库的多源POI融合方法,为天地图的数据更新与母库建设提供技术支撑。

多源异构POI融合方法及应用

针对不同来源的POI在数据格式、坐标参考、属性结构等方面存在差异的问题,提出了一种多源异构POI的融合方法。该方法首先将经过实测并质检的公开版地图数据做成一个母库;然后将其他来源的POI数据经过坐标统一后与母库进行空间位置和门址等属性信息的比对,将母库中没有的POI数据融合进去,最终形成内容规整、信息量丰富的POI融合库;最后进行基于空间约束关系的门址挂接,即使每一个POI点与对应的门牌建立关联关系,提升POI库的应用途径。试验结果表明,该方法能够实现多源POI数据的高效融合,与门址进行挂接后,可满足日益增加的LBS和基于地图的"点式"服务(即Location Point)的需求。

基于词信息量加权的地理POI数据融合新方法研究

伴随着网络电子地图与位置服务(LBS)的快速发展,为了提高移动地图POI点的数据质量,融合不同地图服务提供商提供的数据内容存在不一致信息。为提高数据的复用性和完善性,提出了词信息量加权的地理POI数据融合方法,通过对地址信息中的词进行统计,计算其所包含的信息量,筛选、匹配不同来源的数据,并统一不同地图经纬度坐标以校验结果,实现了地理数据的融合。实验得到了完善的POI数据集合,证明该方法具有应用价值。

“天地图·甘肃”地名地址与POI数据融合方法研究

通过地名地址与POI数据的融合处理,使数据时效性和有效性达到最优,促进天地图建设与应用,保证其生命力。文中对数据融合处理技术流程及Python应用进行了研究,Python的使用使枯燥的数据处理工作自动化、简单化,提高数据融合效率。

多源数据加权融合的城市建成区改进指数评估

针对多源数据提取建成区的研究大多集中在等权融合方向,缺乏考虑不同数据源包含的信息量差异的问题,通过多源数据加权融合方法对前人的城市建成区提取指数进行改进,以改善不同质量级数据直接融合导致建成区提取不准确的问题。首先,构建融合夜间灯光数据、NDVI数据、路网数据和POI数据的改进PREANI指数;其次,融入不透水面数据和温度数据构建无权指数UCI和有权指数WCI;最后,选择迭代法和动态阈值法提取建成区,并对3种指数分别进行评估。结果表明:改进PREANI的Kappa系数为0.80,UCI融入温度和不透水面数据将Kappa系数提高至0.83;WCI提取的建成区轮廓更准确,在增强城乡建成区细部对比、提升边缘地物区分能力方面表现良好,其Kappa系数、查全率、查准率和F1分数均在0.85以上。

基于相似度模型的可融合兴趣点分类研究

研究了如何进一步提高兴趣点(POI)信息融合结果的准确性问题。定义了POI各个特征字段的相似度,并根据这些相似度构造出了POI相似模型,结合机器学习中的分类方法对网上抽取的POI进行分类,有效地区分出可融合、不可融合的POI。最后利用美团团购网上的信息仿真,仿真结果说明了本方法的有效性。

基于距离类别的多源兴趣点融合算法

为了更好地实现多源兴趣点(POI)数据的有效集成与精确融合,提出了一种结合空间与非空间属性的距离类别的兴趣点融合算法(MNMDC)。首先,对空间属性,通过标准化权重算法计算待融合对象的空间相似度得到融合集;其次,利用非空间Jaro-Winkle算法对融合集中类别一致的对象使用低阈值排除,对类别不一致的使用高阈值排除;最后,使用距离约束、类别一致约束和高阈值的非空间Jaro-Winkle算法找出空间算法遗漏的可融合对象。实验结果表明,该方法平均准确率达到93.3%,与空间和非空间算法(COM-NWT)及格网化纠正方法相比,在7组不同重合度的数据下MNMDC方法的平均准确率提高2.7和1.6个百分点、平均召回率提高2.3和1.4个百分点。MNMDC在实际融合过程中能更精确地融合POI数据。

基于多模态数据融合的典型路网POI自动识别

针对路网兴趣点(point of interest,POI)数据传统获取方法人工依赖高、成本高、效率低等问题,基于遥感影像和车辆轨迹数据融合提出了一种典型路网POI自动识别方法。该方法通过卷积神经网络(convolutional neural network,CNN)提取遥感影像中的道路几何特征,并利用循环神经网络(recurrent neural network,RNN)有效捕捉车辆轨迹隐含的道路交通特征,最后通过神经网络,实现从多模态数据中识别路网中红绿灯路口、加油站、停车场等兴趣点。本研究以2019年重庆市中心城区道路兴趣区域的400张遥感影像数据和40000条出租车轨迹数据作为训练样本进行了实验验证。结果表明,对比单一使用车辆轨迹数据的算法,该算法识别精度提高了近11.83%;对比单一使用遥感影像数据的算法,该算法识别精度提高了近2.53%。

夜间灯光数据和兴趣点数据结合的建成区提取方法

提出一种夜间灯光数据和兴趣点(POI)数据相结合的建成区提取方法,根据NPP/VIIRS影像的亮度、纹理信息和POI数据的密度信息,分别利用阈值法对两种数据进行建成区提取,并应用数学形态学方法对提取结果进行融合。该方法利用POI数据位置准确、与建成区分布高度相关等特点,有效弥补了夜间灯光数据分辨率较低与灯光溢出问题,获取到较为准确的建成区边界。选取深圳、广州和惠州3个不同形态的城市,将该文方法与其他方法的提取效果进行对比,证明该方法提取精度较高,适用于市级尺度的精细化城市建成区提取和城市扩张研究。

基于LBSN和多图融合的兴趣点推荐

兴趣点推荐作为推荐领域的一个重要分支一直备受研究者青睐。本文提出一种基于位置的社交网络(LBSN)和多图融合的兴趣点推荐方法GraphPOI。综合分析用户和兴趣点的内在因素和外部表征,首先,对用户-兴趣点的评分矩阵进行学习得到用户和兴趣点的内部潜在向量;其次,根据评分矩阵构造用户-兴趣点交互图,得到兴趣点在用户空间的表征向量以及用户在兴趣点空间的表征向量;然后,对兴趣点按其地理位置进行聚类,得到兴趣点在位置空间的表征向量,结合兴趣点在用户空间的表征向量进而得到兴趣点的外部表征向量;对用户社交图中的信息扩散现象进行建模,捕获用户的朋友关系,得到用户在社交空间的表征向量,结合用户在兴趣点空间的表征向量进而得到用户的外部表征向量;最后,结合用户和兴趣点的内部潜在向量与外部表征向量,得到用户和兴趣点的最终向量表示,并将其输入到多层神经网络模型中进行评分预测。在Yelp数据集上对所提模型进行验证,结果表明本文方法能够有效提升兴趣点推荐的准确性。

基于天地图数据融合的地名地址更新普查

地名地址数据是地理空间框架数据库的重要组成部分,是对地名、地址信息的结构化描述与标识,是数据融合中的关键步骤。随着天地图数据融合工作的进一步开展,针对天地图数据融合中的地名地址调查的要求有了更加明晰的理解,本文从地名地址的总体要求和技术路线以及外业采集和数据处理进行了论述,对于做好天地图数据融合工作起到了积极的作用。

融合空间和文本信息的兴趣点类别表征模型

准确表征兴趣点(POI)类别(如大学、餐厅等)是理解城市空间、辅助城市计算的关键。现有的POI类别表征模型通常只挖掘用户在POI之间的移动行为并学习序列特征,而忽视了POI数据的空间特征和文本语义特征。为了解决上述问题,提出一种融合空间和文本信息的POI类别表征学习模型Cat2Vec。首先,利用POI的空间共现关系构建POI类别共现点互信息(PMI)矩阵;然后,基于预训练的文本表征模型学习POI的文本语义特征;最后,引入新的映射矩阵,并基于矩阵分解技术将PMI矩阵分解为POI类别表征矩阵、文本语义特征矩阵以及映射矩阵的内积。在两个真实世界的数据集Yelp和高德上进行的POI语义重叠度评测中,相较于基准模型中表现最好的Doc2Vec模型,所提模型的性能分别平均提高了5.53%和8.17%。实验结果表明所提模型能更有效地嵌入POI语义。

“天地图·泰州”数据融合处理研究

因天地图各级节点间数据现势性不统一,无法实现真正的数据共享,难以支撑复杂的空间分析和深度应用,通过整合国家、省、市各级节点的数据资源,提高天地图数据的现势性,丰富数据内容,促进地理信息资源共享和高效利用,提高测绘地理信息公共服务能力。文章主要介绍了江苏省泰州市海陵区和高港区的矢量数据及地名地址数据融合处理过程,为其他电子地图项目的编制和生产提供参考。

语义因子支持的多源POI分类信息一致化处理

为了解决网络POI分类异构导致多源POI数据匹配与整合困难的问题,该文利用分类特征词提取、特征词去重与优化等关键技术,构建POI分类的语义概念格,然后通过概念格之间的语义关联关系,实现多源异构POI分类体系的映射与转换。最后通过实验验证了该文方法的有效性,并将其成功应用于省级地理信息公共服务平台(政务版)数据更新。

融合建筑物与POI数据的精细人口空间化研究

精细的人口分布数据能刻画出行政单元内部细节的人口空间分布信息,为城市规划、灾害评估等相关研究和应用提供有效数据支撑。利用房屋建筑及高德兴趣点(point of interest,POI)数据提取建模因子,结合随机森林模型获取了武汉市2015年常住人口50 m空间化数据集。结果表明,相较于WorldPop数据集结果,所提出方法的结果在武汉市高、中、低3种不同人口密度社区单元均具有更高的拟合精度。

融合高分辨率遥感影像和POI数据的多特征潜在语义信息用于识别城市功能区

准确识别和划分城市功能区对合理规划城市发展和解决城市问题具有重要作用。遥感影像拥有丰富的光谱纹理特征但难以表征建筑物的社会经济属性,而社交媒体数据等城市数据为城市研究与应用提供了丰富的数据资源,补充了遥感影像所缺失的建筑物内在特征。融合高分辨遥感影像和POI数据的多特征信息,利用嵌入主题模型挖掘其潜在语义信息识别城市功能区。以宁波市2个典型的城市商业区为研究区设计3个实验,验证该方法的效果和性能。研究结果表明:该方法能够取得85.67%和85.78%的分类精度,并准确识别出城市功能区。同时,光谱、纹理、几何和POI特征组合的多特征信息能够明显提升城市功能区的识别精度,并且嵌入主题模型能够更好地挖掘多特征的高层次潜在语义信息,效果明显优于pLSA、LDA和STM 3种主流模型。

多权组与双半径结合的异源POI融合方法

针对当前存在的异源POI融合效率低、融合精准度不高及融合成果信息完善程度不足的问题,该文综合考虑异源POI间属性字段信息完整性类型,提出一种多权组与双半径结合的数据融合方法。在设定的匹配半径范围内,依据POI空间位置属性及非空间位置属性相似度,综合计算异源POI间相似度,精准匹配异源重复数据,互补完善POI属性字段信息集。选取郴州市苏仙、北湖区内的百度、腾讯POI进行融合测试,长沙市雨花区内的百度、腾讯、高德POI进行两两融合检验。测试及检验区域异源POI数据,均能在低耗时内实现良好的匹配融合效果。实验结果表明,该方法实现了异源POI数据精准高效融合,具备较强适用性,能够有效丰富空间位置数据,可为地理信息研究与应用提供有力的数据支持服务。