CN102636174A - 一种道路数据继承方法和装置 - Google Patents

Abstract

本发明提供了一种道路数据继承方法和装置，该方法包括：获取两个版本的道路数据；分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合；根据所述链路映射关系集合，将对旧版本道路数据链路的处理操作继承到新版本道路数据中对应的链路上。相较于现有技术，本发明可以继承其他批次道路数据的处理操作，避免花费大量人力物力对已有数据进行重复处理，提高效率，节约成本。

Description

一种道路数据继承方法和装置

【技术领域】

本发明涉及地图和导航技术领域，特别涉及一种道路数据继承方法和装置。

【背景技术】

目前，互联网中的地图服务提供方通常会采用地图公司或测绘导航公司所提供的道路数据，道路数据主要包括点数据和路段数据。路段数据通常采用链路(link)来表示各条道路，每条道路由若干个链路构成，每个链路由一定数量的点坐标构成。点数据可以表示各建筑、地标、商店等等各对象的坐标位置信息，也可以是用于表示链路的点坐标。无论是点数据还是路段数据都具有慢演化的特点，这些数据会变但不会天天变。根据这个特点，地图、测绘导航公司对道路数据进行慢演化地更新，经过一段时间后，对局部的道路数据进行更新，而后分批次提供给客户，通常不同批次的道路数据具有不同的位置标识信息和版本信息。

对于地图或测绘导航公司所提供的数据，需要做进一步的处理才能用于提供服务。处理道路数据需要花费大量的人力物力，而目前地图或测绘导航公司所提供的道路数据，每个批次的数据是相互独立的，并没有提供各批次数据之间的关系。因此，对于地图数据的使用者而言，对每一批数据都需要花费大量人力物力成本，而无法有效利用之前的处理结果，导致不必要的成本消耗。

【发明内容】

有鉴于此，本发明提供了一种道路数据继承方法和装置，建立各批次道路数据之间的映射关系，在应用新的道路数据时，可以继承其他批次道路数据的处理操作，避免花费大量人力物力对已有数据进行重复处理，提高效率，节约成本。

具体技术方案如下：

一种道路数据继承方法，该方法包括以下步骤：

S1、获取两个版本的道路数据；

S2、分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

根据本发明一优选实施例，还包括：

S3、根据所述链路映射关系集合，将对旧版本道路数据链路的处理操作继承到新版本道路数据中对应的链路上。

根据本发明一优选实施例，所述对两个版本道路数据中的各链路进行差异度计算，具体包括：

从两个版本道路数据分别获取链路A和链路B，其中，链路A为点集{A_i}(i＝1，2…I)、链路B为点集{B_j}(j＝1，2…J)，I、J分别为链路A和链路B中数据点的个数；

计算链路A到链路B的距离H(A→B)，具体为：

计算链路A中的点{A_i}(i＝1，2…I)与链路B中所有点{B_j}j＝1，2…J)的距离最小值中的最大值，即 $H(A\→B)=\underset{i}{\max }\left\{{\min }_j\right\{\mathrm{dis}\tan \mathrm{ce}(A_i,B_j)\left\}\right\};$

计算链路B到链路A的距离H(B→A)，具体为：

计算链路B中的点{B_j}(j＝1，2…J)与链路A中所有点{A_i}(i＝1，2…I)的距离最小值中的最大值，即 $H(B\→A)=\underset{j}{\max }\left\{{\min }_i\right\{\mathrm{dis}\tan \mathrm{ce}(B_j,A_i)\left\}\right\};$

将计算得到的距离中的最大值，即H(AB)＝max{H(A→B)，H(B→A)}作为这链路A到链路B之间的差异度。

根据本发明一优选实施例，所述步骤S1和S2之间，还包括：针对获取的两个版本的道路数据进行点集合检测；将点集合完全相同的对应链路直接建立映射关系；

所述步骤S2具体为：仅对剩余的链路执行步骤S2。

根据本发明一优选实施例，所述步骤S2之后，还包括：

将两个版本道路数据中不具有映射关系的链路添加到待校验集合中。

一种道路数据继承装置，该装置包括：

数据获取模块，用于获取两个版本的道路数据；

匹配模块，用于分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

根据本发明一优选实施例，还包括：

操作继承模块，用于根据所述链路映射关系集合，将对旧版本数据链路的处理操作继承到新版本数据中对应的链路上。

根据本发明一优选实施例，所述匹配模块中对两个版本道路数据中的各链路进行差异度计算，具体包括：

从两个版本道路数据分别获取链路A和链路B，其中，链路A为点集{A_i}(i＝1，2…I)、链路B为点集{B_j}(j＝1，2…J)，I、J分别为链路A和链路B中数据点的个数；

计算链路A到链路B的距离H(A→B)，具体为：

计算链路A中的点{A_i}(i＝1，2…I)与链路B中所有点{B_j}(j＝1，2…J)的距离最小值中的最大值，即 $H(A\→B)=\underset{i}{\max }\left\{{\min }_j\right\{\mathrm{dis}\tan \mathrm{ce}(A_i,B_j)\left\}\right\};$

计算链路B到链路A的距离H(B→A)，具体为：

计算链路B中的点{B_j}(j＝1，2…J)与链路A中所有点{A_i}(i＝1，2…I)的距离最小值中的最大值，即 $H(B\→A)=\underset{j}{\max }\left\{{\min }_i\right\{\mathrm{dis}\tan \mathrm{ce}(B_j,A_i)\left\}\right\};$

将计算得到的距离中的最大值，即H(AB)＝max{H(A→B)，H(B→A)}作为这链路A到链路B之间的差异度。

根据本发明一优选实施例，还包括：

预处理模块，用于针对获取的两个版本的道路数据进行点集合检测；将点集合完全相同的对应链路直接建立映射关系；

所述预处理模块仅将剩余的各链路提供给所述匹配模块。

根据本发明一优选实施例，所述匹配模块还用于：

将两个版本道路数据中不具有映射关系的链路添加到待校验集合中。

由以上技术方案可以看出，本发明提供的道路数据继承方法和装置，利用几何算法计算道路数据的相关性，建立各批次道路数据之间的映射关系，使得对各个批次的处理操作可以得到继承，避免花费大量人力物力对已有数据进行重复处理，提高效率，节约成本。

【附图说明】

图1为本发明实施例一提供的道路数据继承方法流程图；

图2为本发明实施例一提供的两条链路示意图；

图3为本发明实施例二提供的道路数据继承方法流程图；

图4为本发明实施例三提供的道路数据继承装置示意图；

图5为本发明实施例四提供的道路数据继承装置示意图；。

【具体实施方式】

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

实施例一、

图1是本实施例提供的道路数据继承方法流程图，如图1所示，该方法包括：

S101、获取两个版本的道路数据。

不同版本的道路数据具有不同的版本信息和不同的位置标识信息。即使对于同一个真实对象，在不同版本的道路数据中，也可能采用不同的标识信息表示。而且，由于测绘人员在不同批次测量时的采点位置不同，也可能使得前后两次描述同一个真实对象的坐标数据有差异。

获取新旧两个版本的道路数据，包括点数据和链路数据。所述点数据和链路数据通常为点坐标形式的数据集合。

S102、分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

针对新旧两个版本之间数据的差异，本发明通过计算各链路差异度来找出两个版本之间的对应关系。

所述对两个版本道路数据中的各链路进行差异度计算，具体包括：

步骤S102_1、从两个版本道路数据分别获取链路A和链路B，其中，链路A为点集{A_i}(i＝1，2…I)、链路B为点集{B_j}(j＝1，2…J)，I、J分别为链路A和链路B中数据点的个数。

步骤S102_2、计算链路A到链路B的距离H(A→B)，具体为：

计算链路A中的点{A_i}(i＝1，2…I)与链路B中所有点{B_j}(j＝1，2…J)的距离最小值中的最大值，即 $H(A\→B)=\underset{i}{\max }\left\{{\min }_j\right\{\mathrm{dis}\tan \mathrm{ce}(A_i,B_j)\left\}\right\}.$

具体地，计算链路A中的点A₁与链路B中所有点{B_j}(j＝1，2…J)之间的距离distance(A₁，B_j)。

所述距离可以但不限于采用欧式距离计算得到。例如，计算A₁与B₁之间的距离，假设点A₁的坐标为(X _A1，Y _A1)点B₁的坐标为(X _B1，Y _B1)，则可以计算得到点A₁与点B₁的距离distance(A₁，B₁)：

$\mathrm{dis}\tan \mathrm{ce}(A_1,B_1)=\sqrt{{(X_{A1}-X_{B1})}^2+{(Y_{A1}-Y_{B1})}^2}$

以此类推，计算出点A₁与点B₁～B_J的距离{distance(A₁，B₁)，distance(A₁，B₂)，……，distance(A₁，B_J)}。

将计算得到的距离最小值min_j{distance(A₁，B_j)}作为点A1与链路B的距离。

依此类推，计算得到链路A中的点{A_i}(i＝1，2…I)与链路B的距离。

选取计算得到链路A中的各个点与链路B的距离中的最大值，即

作为链路A到链路B的距离H(A→B)。

步骤S102_3、计算链路B到链路A的距离H(B→A)，具体为：

计算链路B中的点{B_j}(j＝1，2…J)与链路A中所有点{A_i}(i＝1，2…I)的距离最小值中的最大值，即 $H(B\→A)=\underset{j}{\max }\left\{{\min }_i\right\{\mathrm{dis}\tan \mathrm{ce}(B_j,A_i)\left\}\right\}.$

具体与步骤S102_2类似，计算链路B中的点B₁与链路A中所有点{A_i}(i＝1，2…I)之间的距离distance(B₁，A_i)，将计算得到的距离最小值min_i{distance(B_j，A_i)}作为点B₁与链路A的距离。依此类推，计算得到链路A中的点{B_j}(j＝1，2…J)与链路A的距离。选取计算得到的各个点与链路A的距离中的最大值，即

作为链路B到链路A的距离H(B→A)。

步骤S102_4、将计算得到的距离中的最大值，即H(AB)＝max{H(A→B)，H(B→A)}作为这链路A到链路B之间的差异度。

举个例子，如图2所示，其中，点A1～A7表示第一条链路，点B1～B8表示第二条链路。

首先，计算点A1与点B1～B8之间的距离，选取计算得到的距离最小值，作为点A1与第二条链路的距离最小值，图中为点A1与点B1的距离A1-B1。

依次类推，可计算得到点A2～A7的各个点与第二条链路的距离最小值，分别为{A2-B2，A3-B3，A4-B4，A5-B5，A6-B7，A7-B8}。

采用同样的方法，计算点B1～B8与第一条链路的距离最小值，分别为{B1-A1，B2-A2，B3-A3，B4-A4，B5-A5，B6-A5，B7-A6，B8-A7}。

选取所计算得到的所有距离最小值中的最大值，即max{A1-B1，A2-B2，A3-B3，A4-B4，A5-B5，A6-B7，A7-B8，B1-A1，B2-A2，B3-A3，B4-A4，B5-A5，B6-A5，B7-A6，B8-A7}。如图中所示，得到所有距离最小值中的最大值为点B8与点A7的距离，作为第一条链路和第二条链路的差异度。

值得一提的是，计算链路A到链路B之间的差异度主要目的是找到链路中各个点到另一链路的距离中的最大值，在步骤S102_2与步骤S102_3中可以先不选取最大值，直到步骤S102_4中再选取链路中各个点到另一链路的距离(最小值)中的最大值作为两个链路的差异度。另外，所述步骤S102_2与步骤S102_3的先后顺序可以调换。

进一步判断两链路之间的差异度是否满足预设要求，即判断两条链路之间的差异度是否小于预设阈值。将差异度小于预设阈值的两链路的标识信息相互对应，从而建立该两链路的映射关系，形成链路映射关系集合。

如果差异度小于预设阈值，则建立映射关系，添加到链路映射关系集合中。如果差异度大于预设阈值，则说明这两条链路之间差异大。

所述预设阈值可以根据实际计算需求或迭代得到的经验值来设定。

逐次地从两个版本的道路数据中各取出一条链路进行计算，直至结束。

如果一条链路在另一版本的数据中找不到任何一条与其差异度小于预设阈值的链路，则说明该链路不具有映射关系。

所述链路映射关系集合中，可以将描述同一个真实对象的两链路采用同一个标识信息来表示对应关系。

实施例二、

图3是本实施例提供的道路数据继承方法流程图，如图3所示，该方法包括：

S201、获取两个版本的道路数据。

本步骤与实施例一中的步骤S101相同，于此不再赘述。

S202、针对获取的两个版本的道路数据进行点集合检测；将点集合完全相同的对应链路直接建立映射关系。

在本步骤中，找出能够精确匹配的链路，可以减少后续计算的数据量。如果新旧两条链路的点集合完全相同(即点坐标完全相同)，则认为这两条链路能够精确匹配。

S203、分别对两个版本道路数据中剩余的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

针对剩余的链路进行差异度计算的过程与实施例一中的步骤S102相同，于此不再赘述。

S204、根据所述链路映射关系集合，将对旧版本数据链路的处理操作继承到新版本数据中对应的链路上。

所述处理操作包括对道路数据进行坐标转换、拼接、分层、分级等后续处理，该些后续处理操作一般通过软件程序代码实现。通过链路映射关系，可以将对旧版本数据链路这些处理操作继承到新版本数据链路中。具体地，可以采用新版本数据链路的标识信息替换对应旧版本数据链的路标识信息，来实现处理操作的继承。

S205、将两个版本道路数据中不具有映射关系的链路添加到待校验集合中。

对于待校验集合中的链路，可以通过人工校验的方式进行。

实验证明，通过本发明的方法，道路继承覆盖率可以达到90％左右，继承准确率超过80％。这样，大幅度地减少了人工校验的数据量，节约成本。

以上是对本发明所提供的方法进行的详细描述，下面对本发明提供的道路数据继承装置进行详细描述。

实施例三

图4是本实施例提供的道路数据继承装置示意图。如图4所示，该装置包括：

数据获取模块401，用于获取两个版本的道路数据。

不同版本的道路数据具有不同的版本信息和不同的位置标识信息。即使对于同一个真实对象，在不同版本的道路数据中，也可能采用不同的标识信息表示。而且，由于测绘人员在不同批次测量时的采点位置不同，也可能使得前后两次描述同一个真实对象的坐标数据有差异。

数据获取模块401获取新旧两个版本的道路数据，包括点数据和链路数据。所述点数据和链路数据通常为点坐标形式的数据集合。

匹配模块402，用于分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

匹配模块402针对新旧两个版本之间数据的差异，通过计算各链路差异度来找出两个版本之间的对应关系。

匹配模块402中对两个版本道路数据中的各链路进行差异度计算，具体包括：

匹配模块402先从两个版本道路数据分别获取链路A和链路B，其中，链路A为点集{A_i}(i＝1，2…I)、链路B为点集{B_j}(j＝1，2…J)，I、J分别为链路A和链路B中数据点的个数。

其次，匹配模块403计算链路A到链路B的距离H(A→B)，具体为：

计算链路A中的点{A_i}(i＝1，2…I)与链路B中所有点{B_j}(j＝1，2…J)的距离最小值中的最大值，即 $H(A\→B)=\underset{i}{\max }\left\{{\min }_j\right\{\mathrm{dis}\tan \mathrm{ce}(A_i,B_j)\left\}\right\}.$

具体地，计算链路A中的点A₁与链路B中所有点{B_j}(j＝1，2…J)之间的距离distance(A₁，B_j)。

所述距离可以但不限于采用欧式距离计算得到。例如，计算A₁与B₁之间的距离，假设点A₁的坐标为(X _A1，Y _A1)点B₁的坐标为(X _B1，Y _B1)，则可以计算得到点A₁与点B₁的距离distance(A₁，B₁)：

$\mathrm{dis}\tan \mathrm{ce}(A_1,B_1)=\sqrt{{(X_{A1}-X_{B1})}^2+{(Y_{A1}-Y_{B1})}^2}$

以此类推，计算出点A₁与点B₁～B_J的距离{distance(A₁，B₁)，distance(A₁，B₂)，……，distance(A₁，B_J)}。

将计算得到的距离最小值min_j{distance(A₁，B_j)}作为点A1与链路B的距离。

依此类推，计算得到链路A中的点{A_i}(i＝1，2…I)与链路B的距离。

选取计算得到链路A中的各个点与链路B的距离中的最大值，即作为链路A到链路B的距离H(A→B)。

再次，匹配模块403计算链路B到链路A的距离H(B→A)，具体为：

计算链路B中的点{B_j}(j＝1，2…J)与链路A中所有点{A_i}(i＝1，2…I)的距离最小值中的最大值，即 $H(B\→A)=\underset{j}{\max }\left\{{\min }_i\right\{\mathrm{dis}\tan \mathrm{ce}(B_j,A_i)\left\}\right\}.$

具体地，计算链路B中的点B₁与链路A中所有点{A_i}(i＝1，2…I)之间的距离distance(B₁，A_i)，将计算得到的距离最小值min_i{distance(B_j，A_i)}作为点B₁与链路A的距离。依此类推，计算得到链路A中的点{B_j}(j＝1，2…J)与链路A的距离。选取计算得到的各个点与链路A的距离中的最大值，即

作为链路B到链路A的距离H(B→A)。

最后，匹配模块402将计算得到的距离中的最大值，即H(AB)＝max{H(A→B)，H(B→A)}作为这链路A到链路B之间的差异度。

值得一提的是，计算链路A到链路B之间的差异度主要目的是找到链路中各个点到另一链路的距离中的最大值，在计算过程中也可以先不选取最大值，直到最后再选取链路中各个点到另一链路的距离(最小值)中的最大值作为两个链路的差异度。

进一步判断两链路之间的差异度是否满足预设要求，即判断两条链路之间的差异度是否小于预设阈值。将差异度小于预设阈值的两链路的标识信息相互对应，从而建立该两链路的映射关系，形成链路映射关系集合。

如果差异度小于预设阈值，则建立映射关系，添加到链路映射关系集合中。如果差异度大于预设阈值，则说明这两条链路之间差异大。

所述预设阈值可以根据实际计算需求或迭代得到的经验值来设定。

逐次地从两个版本的道路数据中各取出一条链路进行计算，直至结束。

所述链路映射关系集合中，可以将描述同一个真实对象的两链路采用同一个标识信息来表示对应关系。

另外，匹配模块402还将两个版本道路数据中不具有映射关系的链路添加到待校验集合中。

如果一条链路在另一版本的数据中找不到任何一条与其差异度小于预设阈值的链路，则说明该链路不具有映射关系。将该些链路添加到待校验集合中，待人工校验。

实施例四

图5是本实施例提供的道路数据继承装置示意图。如图5所示，该装置包括：

数据获取模块501，用于获取两个版本的道路数据。

该数据获取模块501与实施例三中的数据获取模块401相同，于此不再赘述。

预处理模块502，用于针对获取的两个版本的道路数据进行点集合检测；将点集合完全相同的对应链路直接建立映射关系。

利用预处理模块502先找出能够精确匹配的链路，以减少后续计算的数据量。如果新旧两条链路的点集合完全相同(即点坐标完全相同)，则认为这两条链路能够精确匹配。

预处理模块502仅将剩余的各链路提供给匹配模块503。

匹配模块503，用于分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

该匹配模块503仅对预处理模块502中剩余的各链路进行差异度计算，具体计算的过程与实施例三中匹配模块402相同，于此不再赘述。

操作继承模块504，用于根据所述链路映射关系集合，将对旧版本数据链路的处理操作继承到新版本数据中对应的链路上。

所述处理操作包括对道路数据进行坐标转换、拼接、分层、分级等后续处理，该些后续处理操作一般通过软件程序代码实现。通过链路映射关系，可以将对旧版本数据链路这些处理操作继承到新版本数据链路中。具体地，可以采用新版本数据链路的标识信息替换对应旧版本数据链的路标识信息，来实现处理操作的继承。

本发明提供的道路数据继承方法和装置，采用几何算法计算道路数据之间相关性，建立各批次道路数据之间的映射关系，使得对各个批次的处理操作可以得到继承。经实际处理数据表明，本发明能够保证较高的继承覆盖率、继承准确率和继承召回率，能够有效避免花费大量人力物力对已有数据进行重复处理，提高效率，节约成本。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种道路数据继承方法，其特征在于，包括：

S1、获取两个版本的道路数据；

S2、分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

2.根据权利要求1所述的方法，其特征在于，还包括：

S3、根据所述链路映射关系集合，将对旧版本道路数据链路的处理操作继承到新版本道路数据中对应的链路上。

3.根据权利要求1所述的方法，其特征在于，所述对两个版本道路数据中的各链路进行差异度计算，具体包括：

从两个版本道路数据分别获取链路A和链路B，其中，链路A为点集{A_i}(i＝1，2…I)、链路B为点集{B_j}(j＝1，2…J)，I、J分别为链路A和链路B中数据点的个数；

计算链路A到链路B的距离H(A→B)，具体为：

计算链路A中的点{A_i}(i＝1，2…I)与链路B中所有点{B_j}(j＝1，2…J)的距离最小值中的最大值，即 $H(A\→B)=\underset{i}{\max }\left\{{\min }_j\right\{\mathrm{dis}\tan \mathrm{ce}(A_i,B_j)\left\}\right\};$

计算链路B到链路A的距离H(B→A)，具体为：

计算链路B中的点{B_j}(j＝1，2…J)与链路A中所有点{A_i}(i＝1，2…I)的距离最小值中的最大值，即 $H(B\→A)=\underset{j}{\max }\left\{{\min }_i\right\{\mathrm{dis}\tan \mathrm{ce}(B_j,A_i)\left\}\right\};$

将计算得到的距离中的最大值，即H(AB)＝max{H(A→B)，H(B→A)}作为这链路A到链路B之间的差异度。

4.根据权利要求1所述的方法，其特征在于，

所述步骤S1和S2之间，还包括：针对获取的两个版本的道路数据进行点集合检测；将点集合完全相同的对应链路直接建立映射关系；

所述步骤S2具体为：仅对剩余的链路执行步骤S2。

5.根据权利要求1所述的方法，其特征在于，所述步骤S2之后，还包括：

将两个版本道路数据中不具有映射关系的链路添加到待校验集合中。

6.一种道路数据继承装置，其特征在于，该装置包括：

数据获取模块，用于获取两个版本的道路数据；

匹配模块，用于分别对两个版本道路数据中的链路进行差异度计算，对差异度满足预设要求的两个链路之间建立映射关系，形成链路映射关系集合。

7.根据权利要求6所述的装置，其特征在于，还包括：

操作继承模块，用于根据所述链路映射关系集合，将对旧版本数据链路的处理操作继承到新版本数据中对应的链路上。

8.根据权利要求6所述的装置，其特征在于，所述匹配模块中对两个版本道路数据中的各链路进行差异度计算，具体包括：

从两个版本道路数据分别获取链路A和链路B，其中，链路A为点集{A_i}(i＝1，2…I)、链路B为点集{B_j}(j＝1，2…J)，I、J分别为链路A和链路B中数据点的个数；

计算链路A到链路B的距离H(A→B)，具体为：

计算链路A中的点{A_i}(i＝1，2…I)与链路B中所有点{B_j}(j＝1，2…J)的距离最小值中的最大值，即 $H(A\→B)=\underset{i}{\max }\left\{{\min }_j\right\{\mathrm{dis}\tan \mathrm{ce}(A_i,B_j)\left\}\right\};$

计算链路B到链路A的距离H(B→A)，具体为：

计算链路B中的点{B_j}(j＝1，2…J)与链路A中所有点{A_i}(i＝1，2…I)的距离最小值中的最大值，即 $H(B\→A)=\underset{j}{\max }\left\{{\min }_i\right\{\mathrm{dis}\tan \mathrm{ce}(B_j,A_i)\left\}\right\};$

将计算得到的距离中的最大值，即H(AB)＝max{H(A→B)，H(B→A)}作为这链路A到链路B之间的差异度。

9.根据权利要求6所述的装置，其特征在于，还包括：

预处理模块，用于针对获取的两个版本的道路数据进行点集合检测；将点集合完全相同的对应链路直接建立映射关系；

所述预处理模块仅将剩余的各链路提供给所述匹配模块。

10.根据权利要求6所述的装置，其特征在于，所述匹配模块还用于：将两个版本道路数据中不具有映射关系的链路添加到待校验集合中。

Images