一种自适应的矢量数据增量更新的方法
【技术领域】
[0001] 本发明涉及计算机技术领域，具体涉及一种自适应的矢量数据增量更新的方法。
【背景技术】
[0002] 城市发展日新月异，空间数据的建设需要跟上城市空间发展的步伐，国土资源与 社会化服务所涉及到的基础地理数据、地名地址数据、遥感影像数据及其它国土资源成果 数据采集回来后，需要进行及时动态的更新，以保证空间数据的现势性和准确性。矢量空间 数据更新是维护空间数据库现势性的主要手段，其主要通过变化信息检测，更新事件建模 和空间冲突检测等对数据进行更新。但目前的研究侧重从变化检测及时空过程建模的角 度，探讨更新方法、流程及变化信息的存储方式，对数据一致性维护及空间冲突处理的论述 不够充分。
[0003] 在变化信息检测方面，现有技术中有以拓扑联动的方式进行实体变化类型的推 断，为增量更新中拓扑一致性的维护提供了新思路。
[0004] 在更新事件时空建模方面，研究内容已从基于版本管理的更新模式发展到顾及更 新传播与一致性维护的空间数据模型及基于拓扑一致性维护的时空过程建模。
[0005] 目前的研究侧重从变化检测及时空过程建模的角度，探讨更新方法、流程及变化 信息的存储方式，对数据一致性维护及空间冲突处理的论述不够充分。无线实现增量更新 与数据的完整性维护，无法保证更新后数据的完整性与一致性。
【发明内容】
[0006] 本发明提供了一种自适应的矢量数据增量更新的方法，实现矢量数据变化检测与 增量更新、自适应的数据接边及空间冲突的检测与处理等功能，以保证更新后数据的完整 性与一致性。
[0007] 本发明提供了一种自适应的矢量数据增量更新的方法，包括如下步骤：
[0008] 基于入库标准对要更新的数据进行坐标系、数据结构及拓扑关系的检测和修正处 理，基于要更新的数据产生新的标准数据；
[0009] 判断新的标准数据的类型，如果判断所述新的标准数据类型为竣工测量数据则基 于要素更新方式进行数据更新，如果判断所述新的标准数据类型为大面积普查数据则采用 基于图幅更新方式进行数据更新；
[0010]在完成数据更新之后，对更新完的数据进行空间冲突的检测与处理。
[0011]所述采用基于图幅更新方式进行数据更新包括：
[0012] 对要更新的数据进行一个挖空和替换；
[0013] 对要进行对应范围内数据的提取，根据图幅范围对临时库中的数据和更新数据进 行挖空处理；
[0014] 将提取的更新数据填充到临时库对应范围中；
[0015] 对边界数据进行自适应接边处理。
[0016] 所述对边界数据进行自适应接边处理包括：
[0017] 对更新数据中的图层与数据库中的地形数据图层进行准确的图层匹配；
[0018] 对匹配完成后的图层进行接边相似度的计算；
[0019] 采用自适应处理的技术根据数据特征自动调整处理方法、参数或约束条件。
[0020] 所述采用自适应处理的技术根据数据特征自动调整处理方法、参数或约束条件包 括：
[0021] 进行更新对象周边区域的缓冲区搜索，确定候选接边对象；
[0022] 进行候选对象的接边匹配度计算，选取匹配度最高的对象进行接边操作；
[0023]根据对象的几何类型进行相应处理；
[0024]对接边后对象进行属性融合。
[0025]所述根据对象的几何类型进行相应处理包括：
[0026] 线对象的优先接边策略是通过比较更新数据与原数据的精度，接边到精度较高的 数据；
[0027] 面对象接边策略首先根据数据的精度选择平移的方式，精度低的数据平移至精度 高的数据，精度接近的数据则让新旧对象分别平移坐标偏移量的一半。
[0028] 所述基于要素更新方式进行数据更新包括：
[0029] 基于网格搜索的方法快速定位到具体的要素；
[0030] 采用人工神经网络的模式识别方法以新旧要素的匹配特征为依据，通过神经网络 决策树实现变化信息的识别；
[0031 ]更新信息识别可发现变化的要素将变化信息提取出来。
[0032]所述采用人工神经网络的模式识别方法以新旧要素的匹配特征为依据，通过神经 网络决策树实现变化信息的识别包括：
[0033]选取已实现更新信息检测的对象组合作为训练样本；
[0034]计算训练样本的变化特征；
[0035] 把变化特征参数作为输入层，变化分类信息作为输出层，进行神经网络训练，并验 证模型的准确性与可靠性，以获得模型的阈值与权重矩阵；
[0036] 对更新数据与原数据进行空间叠加操作，获取候选的测试更新对象组合，并计算 其变化特征参数；
[0037] 把变化特征参数作为输入量，使用建立的神经网络模型进行更新信息的模式判 另IJ，以获取更新信息的分类结果。
[0038]所述对更新完的数据进行空间冲突的检测与处理包括：
[0039] 按照空间冲突约束规则，使用顾及语义的拓扑检验方法构建约束条件进行目标搜 索；
[0040] 空间冲突的处理则利用空间编辑功能对冲突对象进行处理；
[0041] 反复检验直至消除所有冲突后，才进行历史库备份与现状库更新处理，完成更新 的全过程。
[0042] 在本发明所提供的方法实现矢量数据变化检测与增量更新、自适应的数据接边及 空间冲突的检测与处理等功能，以保证更新后数据的完整性与一致性。以一致性维护与空 间冲突处理为切入点，提出了一种自适应的矢量数据增量更新方法减少了大量人工操作。 本发明的自适应的对象接边算法综合考虑了对象间的空间距离、语义相似度及拓扑一致 性，对几何及语义联系最紧密的对象进行自适应的接边处理。可用于解决矢量数据更新中 的数据完整性维护的问题。基于格网划分的变化信息快速定位法大大缩小了检测范围，极 大地提高了变化信息的检测速度，且不受变化对象分布范围的影响，能够准确高效地检测 出矢量数据空间信息及属性信息的变化。基于神经网络决策树的变化信息识别方法具备了 决策树逻辑性强、易于实现的优点、同时兼顾了神经网络的自适应特征，在保证运算效率的 前提下，可提高分类的准确度，此外、该方法还可以减少人工的干预，有助于提升矢量数据 更新的自动化水平，具有实用价值。基于约束规则的空间冲突检测与处理方法，有助于修正 与现实地理实体不符的空间关系，维护更新后空间数据库的拓扑一致性。该约束模型设计 合理、计算效率高，有利于更新过程中数据质量的控制。
【附图说明】
[0043] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其它的附图。
[0044] 图1是本发明实施例中的自适应的矢量数据增量更新的方法流程图；
[0045] 图2是本发明实施例中的自适应接边流程图；
[0046] 图3是本发明实施例中的要素变更示意图。
[0047]图4是本发明实施例中的采用自适应处理的技术根据数据特征自动调整处理方 法、参数或约束条件流程图；
[0048] 图5是本发明实施例中的以房屋面对象接边为例进行说明示例图；
[0049] 图6是本发明实施例中的基于要素更新方式进行数据更新的方法流程图；
[0050] 图7是本发明实施例中的更新信息检测的方法流程图。
【具体实施方式】
[0051] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它 实施例，都属于本发明保护的范围。
[0052] 本发明中的一种自适应的矢量数据增量更新的方法，主要基于入库标准对要更新 的数据进行坐标系、数据结构及拓扑关系的检测和修正处理，基于要更新的数据产生新的 标准数据;判断新的标准数据的类型，如果判断所述新的标准数据类型为竣工测量数据则 基于要素更新方式进行数据更新，如果判断所述新的标准数据类型为大面积普查数据则采 用基于图幅更新方式进行数据更新;在完成数据更新之后，对更新完的数据进行空间冲突 的检测与处理。
[0053] 相应的，图1示出了本发明实施例中自适应的矢量数据增量更新的方法流程图，包 括如下步骤：
[0054] S101、基于入库标准对要更新的数据进行坐标系、数据结构及拓扑关系的检测和 修正处理，基于要更新的数据产生新