CN105022790A - 一种面向对象的城市实体地理编码整合方法 - Google Patents

Abstract

本发明涉及一种面向对象的城市实体地理编码整合方法，包括以下步骤：步骤一：生成实体对象的类型编码；步骤二：生成实体对象的空间编码；步骤三：编码相似性判断，包含空间编码相似性和类型编码相似性判断两个子步骤；步骤四：对于新的实体对象，利用其进入中心编码库的精确到日的8位时间编码，连同空间编码和类型编码，用“-”进行连接，做入库处理，对于疑似的新实体对象，移交到“重复实体候选区”进一步处理。本发明提出一种专门针对城市矢量数据的实体综合编码构建方法，该编码能让快速膨胀、杂乱无序的城市运行数据能够以一种有序、可无限扩张的形式在地理框架上实现高效索引和整合，是现有整合技术的一种补充。

Description

一种面向对象的城市实体地理编码整合方法

技术领域

本发明属于城市地理编码技术领域，具体涉及一种面向对象的城市实体地理编码整合方法。

背景技术

大数据引发了新一轮的智慧革命，城市运作涉及的各种信息载体、传输媒介以及技术，催生了大数据时代下的智慧城市的迅速崛起。2008年，以IBM为代表的企业先行者推动着智慧城市建设在世界各国如火如荼的进行，形成了一系列以数据整合和共享为基础的城市地理信息公共平台。公共平台可比作一个数据二次生产机器，“原材料”(城市运作产生的各种爆炸的结构化或非结构化数据)以多种形式输入，经过数据抽取、清洗、整合等操作，形成以基础地理框架为依托的服务“成品”(易读、权威、迅速的可视化信息)，提供给各类终端用户以进行应用定制。其中，将多源矢量数据在地理信息框架下进行整合以实现高效索引是公共平台的一个重要功能。实现该功能的难点在于：由于数据时效性、媒介和用途的不同，时常出现同一个地理实体有多种空间、时间和事件标识，原系统中某个地理实体的唯一标识码在大数据集成的环境下失去了原来的作用，不能直接建立映射。

目前，实现上述功能的技术方案主要有两类：

(1)以数据映射为基础的整合：基于空间抽取加载转化工具(ETL)实现数据源到空间数据仓库的映射，再利用空间联机分析处理技术(SOLAP)建立空间三维立方体模型进行整合。ETL是不同平台和数据库中的源数据变换到空间数据仓库中的转化工具，包括四个子过程：数据抽取、数据转换、数据清洗、数据装载。通过ETL工具的处理后，利用SOLAP建立空间三维立方体，能够实现包括切片、切块、旋转、上卷和下钻的操作。数据立方体模型是数据仓库支持多维分析的主要方式，包括有空间维，时间维和属性维三个维度。目前，该技术方法也是空间数据整合的主流方法。

(2)以空间位置为基础的整合：将多源矢量数据进行分层存储，利用地理编码实现数据在位置上的关联整合。当前的地理编码表达包括规则格网地理编码和不规则格网地理编码两类。规则格网编码，是基于空间位置点可以被微小面积所代替的原理，按照一定的数学规则对地球表面进行切割，形成彼此邻接又不交叉的格网，并赋予标识符(即地理编码)的过程，例如自然区域编码系统(NAC)，GeoHash编码都属于这一范畴。与之相对的不规则格网编码中，最典型的是地名地址编码，该编码通过建立行政区域、街道、门牌号等城市管理单元与其几何中心的坐标对应关系，实现地理描述性语言(如街道、邮政编码等)到空间坐标的转化过程。如美国的“拓扑集成地理编码参照系统(TIGER)”、加拿大的邮政编码地址系统(PCAD)、澳大利亚的国家3级地理编码数据库系统(GNAF)，都属于利用这一方法进行大地定位的编码系统。

然而，以上两种常用技术方案存在的缺陷是：以数据映射为基础的整合方法侧重使用转化工具对数据进行二次映射，实现了面向主题的数据重组，应用效率较高，但需要人为对数据内容进行剖析并建立映射关系，整合的技术门槛较高，费时费力，不利于新数据的快速并入；以空间位置为基础的整合方法能一定程度上弥补前者的不足，利用有效的编码索引也能实现高效的检索，但忽视了地理实体在参与城市运行中的核心，只是纯粹的通过位置编码来实现不同数据层的对应，在处理精细化的单个实体对象的数据关联上鞭长莫及，同时也会导致一定程度的数据冗余和歧义。综上，以上两类方法缺乏从城市数据构成体系和逻辑关系的角度考虑整合，导致内容歧义和检索低效问题。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种可避免出现上述技术缺陷的面向对象的城市实体地理编码整合方法，在数据入库前执行该方法，能很大程度地减少空间数据的冗余和歧义现象，在应用分析时借助该编码的索引功能，也能达到快速提取候选项的目的。

为了实现上述发明目的，本发明采用的技术方案如下：一种面向对象的城市实体地理编码整合方法，包括以下步骤：

步骤一：生成实体对象的类型编码：对空间数据涉及到的类型字段进行属性分解，通过建立城市要素的本体属性树，生成每个实体的类型编码，并链接其对应的概念格位置；

步骤二：生成实体对象的空间编码：基于实体对象的空间字段提取几何特征，对于街道以上的范围级别，利用6位邮政编码进行表达，对于街道以下的范围，除了用邮政编码进行表达，还加上GeoHash的区域网格编码进行表达；

步骤三：编码相似性判断，包含空间编码相似性和类型编码相似性判断两个子步骤：

(1)空间编码相似性判断：

空间编码由一系列具有索引关系的大小网格构成，可以充分利用编码本身的空间索引关系，来比较相同邮政编码下待编码的实体对象和中心编码库中的实体对象的索引网格重叠度，所用公式如下：

$\mathrm{Sim}\_S(O_i,O_j)=\underset{m=1}{\overset{\mathrm{level}}{\mathrm{\Σ}}}\frac{1}{2m}(\frac{\mathrm{GridSum}(O_{\mathrm{im}}\∩O_{\mathrm{jm}})}{\mathrm{GridSum}\left(O_{\mathrm{im}}\right)}+\frac{\mathrm{GridSum}(O_{\mathrm{im}}\∩O_{\mathrm{jm}})}{\mathrm{GridSum}\left(O_{\mathrm{jm}}\right)}),$

其中，Sim_S(O_i，O_j)表示待编码实体O_i和中心编码库中的实体O_j的索引网格重叠度，level表示所在的格网层级，GridSum(O_im)表示O_i在当前level＝m时的格网总数，GridSum(O_im∩O_jm)表示O_i和O_j在当前level＝m时相同的格网总数，当Sim_S(O_i，O_j)＞γ(γ为阈值)时，则进入下一步的类型相似性判断，否则表示待编码的实体对象与中心编码库中的实体对象不具有重复性，是新的实体对象；

(2)类型编码相似性判断：

对于通过空间编码相似性判断的实体，利用以下公式计算当前实体对象的类型编码和中心编码库中实体对象的类型编码的相似性：

其中，Sim_T(O_i，O_j)表示待编码实体O_i和中心编码库中的实体O_j的类型相似性，表示O_i的属性集合，表示O_i和O_j相同的属性个数，表示O_i或O_j具有的属性总数，DisMin(O_i，O_j)表示O_i和O_j在对应属性概念格中的最近通路的边数，ω₁和ω₂是两个可调的参数，ω₁+ω₂＝1，当Sim_T(O_i，O_j)＞η(η为阈值)时，表示待编码实体在中心编码库中极可能已存在，移交到“重复实体候选区”，否则表示待编码实体与中心编码库中的实体不具有重复性，是新的实体对象；

步骤四：对于新的实体对象，利用其进入中心编码库的精确到日的8位时间编码，连同空间编码和类型编码，用“-”进行连接，做入库处理，对于疑似的新实体对象，移交到“重复实体候选区”进一步处理。

鉴于目前智慧城市空间矢量数据整合过程中，缺乏从城市数据构成体系和要素逻辑关系进行分析所造成的内容歧义和检索低效问题，本发明以面向对象的时空数据模型为依据，立足于城市要素的构成体系和逻辑关系，借鉴地理信息本体分类和地理编码技术，提出了一种针对城市矢量数据的面向对象的实体编码整合方法，该方法将城市各类要素按照动因、空间、时间秩序的人地关系进行逻辑组织，以编码索引方式提供地理实体的“唯一认证”，使城市各类纷繁的数据实现以地理实体为核心的集成和挂接，能让快速膨胀、杂乱无序的城市运行数据能够以一种有序、可无限扩张的形式在地理框架上实现高效索引和整合，促进智慧城市的精细化管理和信息的有效共享。

本发明是基于编码的数据整合方法，并没有改变原数据在物理上的结构，而是通过编码这个唯一的身份认证实现了松散的逻辑整合，因此严格意义上来讲，它是现有整合方法的一种补充，它的优势是：第一，具有很好的健壮性，属性粒度和空间网格粒度并不会影响整个编码的框架，只要在原编码的基础上扩充位数即可。第二，具有普适性，虽然该方法是基于城市要素，但对自然要素也同样适用。第三，它不仅仅是城市实体的一种身份认证，因编码本身包含了实体要素的属性、空间和时间特性，因此在数据分析中能够通过逆编码快速构建不同空间变量的粗糙关系，预先过滤掉大量不相关的实例，能够很大程度上提高数据分析的效率。第四，在空间数据入库前执行该方法，对重复出现在数据库里的空间数据避免入库操作，有效减少冗余数据和歧义数据的产生。

附图说明

图1为编码构成的基本要素示意图。

图2为编码整合的概念流程示意图。

图3为编码计算流程示意图。

图4为类型编码计算流程示意图。

图5为空间编码计算流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

与本发明相关的术语名词解释如下：

城市地理信息公共平台是依托地理信息数据，通过在线方式满足政府部门、企事业单位和社会公众对地理信息和空间定位、分析的基本需求，具备个性化应用的二次开发接口和可扩展空间，实现地理空间框架应用服务功能的数据、软件及其支撑环境的总称。

空间数据仓库：空间数据仓库是在数据仓库的基础上，引入空间维数据，增加对空间数据的存贮、管理和分析能力，根据主题从不同的GIS应用系统中截取从瞬态到区段直到全体地球系统的不同规模时空尺度上的信息，从而为当今的地学研究以及有关环境资源政策的制定提供最好的信息服务。

地理本体：就是把有关的科学领域的知识、信息和数据抽象成为一个个具有共识的对象或实体，并按照一定的关系组成体系，同时进行概念化处理和明确的定义，最后以形式化表达的理论与方法。

区域GeoHash编码：将空间矢量数据抽象成为面元要素，基于其所占据的空间范围，利用空间四叉树原理将其关联到若干Geohash单元网格中，形成一系列不同分辨率的用以表达区域范围的索引网格。

如图1所示，城市要素由实体要素、经济要素和事件要素构成。实体要素是人工要素或已被人类介入的自然要素的总和，包括城市分区、城市建筑、城市交通、城市水利、城市管线等方面。经济要素是在城市中具有自由行为方式，独立负责行为并获得经济利益的有机体，包括政府、企业和个人。事件要素是城市运行过程中，实体要素和经济要素参与下的活动总称，包括城市安全、城市管理、城市运营等方面。其中，实体要素是连接经济要素和事件要素的关键，而事件要素是基于经济要素和实体要素的相互作用而产生的。实体对象是实体要素的具象化表达，每个实体对象都需要一个统一的身份标识，才能在参与城市事件时避免歧义。

城市的实体对象即地理对象，在面向对象的理论中，对象是独立封装的具有惟一标识的概念实体，在城市中，每个地理时空对象中封装了对象的时态性、空间特性、属性特性和相关的行为操作及与其他对象的关系，其中时间、空间及属性在每个时空对象中具有同等重要的地位，从这个角度来讲，城市实体对象的综合编码看当做一个由属性、时间和空间特征编码构成的简易化的地理对象模型，其基本构成形式如图1所示。

如图2所示，空间公共平台是一个空间数据托管平台，当有新的空间矢量数据输入时，需要将新数据快速并入平台的中心编码库体系，因此，编码计算的流程也是空间矢量数据的整合过程。编码前，首先进行数据配准、数据完备性检查等预处理，然后将其分解为以空间内容为主的空间数据基础表和以专题和事件内容为主的属性附属表，二者通过矢量数据自带的自然序号进行关联；随后，通过该发明提出的方法进行编码计算和入库判断，只将新的实体对象入库，同时，属性附属表也做入库处理，通过编码建立实体中心编码库和属性附属表字段的索引关系。

待整合的空间矢量数据至少需具备空间字段和类型字段，如图3所示，面向对象的城市实体地理编码整合方法的步骤如下：

步骤一：生成实体对象的类型编码。领域专家对该数据涉及到的类型字段进行属性分解，通过建立城市要素的本体属性树，生成每个实体的类型编码，并链接其对应的概念格位置。类型编码计算流程如图4所示。

步骤二：生成实体对象的空间编码。基于实体对象的空间字段提取几何特征，对于街道以上的范围级别(如省、县行政区)，利用6位邮政编码进行表达；街道以下(如居民小区)的范围，除了考虑邮政编码，还加上GeoHash编码的区域网格编码表达，以覆盖重要的但又无法用不规则格网表达的精细实体要素，如垃圾箱。空间编码计算流程如图5所示。

步骤三：编码相似性判断，包含空间编码相似性和类型编码相似性判断两个子步骤：

(1)空间编码相似性判断。空间编码由一系列具有索引关系的大小网格构成，可以充分利用编码本身的空间索引关系，来比较相同邮政编码下待编码的实体对象和中心编码库中的实体对象的索引网格重叠度，公式如下：

$\mathrm{Sim}\_S(O_i,O_j)=\underset{m=1}{\overset{\mathrm{level}}{\mathrm{\Σ}}}\frac{1}{2m}(\frac{\mathrm{GridSum}(O_{\mathrm{im}}\∩O_{\mathrm{jm}})}{\mathrm{GridSum}\left(O_{\mathrm{im}}\right)}+\frac{\mathrm{GridSum}(O_{\mathrm{im}}\∩O_{\mathrm{jm}})}{\mathrm{GridSum}\left(O_{\mathrm{jm}}\right)})---\left(1\right),$

上式中，Sim_S(O_i，O_j)表示待编码实体O_i和中心编码库中的实体O_j的索引网格重叠度。level表示所在的格网层级，GridSum(O_im)表示O_i在当前level＝m时的格网总数，GridSum(O_im∩O_jm)表示O_i和O_j在当前level＝m时相同的格网总数。当Sim_S(O_i，O_j)＞γ(γ为阈值)时，则进入下一步的类型相似性判断，否则表示待编码的实体对象与中心编码库中的实体对象不具有重复性，是新的实体对象。

(2)类型编码相似性判断。对于通过空间编码相似性判断的实体，利用以下公式计算当前实体对象的类型编码和中心编码库中实体对象的类型编码的相似性。

上式中，Sim_T(O_i，O_j)表示待编码实体O_i和中心编码库中的实体O_j的类型相似性，表示O_i的属性集合，表示O_i和O_j相同的属性个数，表示O_i或O_j具有的属性总数，DisMin(O_i，O_j)表示O_i和O_j在对应属性概念格中的最近通路的边数，ω₁和ω₂是两个可调的参数，ω₁+ω₂＝1。当Sim_T(O_i，O_j)＞η(η为阈值)时，表示待编码实体在中心编码库中极可能已存在，移交到“重复实体候选区(表示该实体可能在中心编码库中存在相同的实体)”；否则表示待编码实体与中心编码库中的实体不具有重复性，是新的实体对象。

步骤四：对于新的实体对象，利用其进入中心编码库的精确到日的8位时间编码，如20150426，连同空间编码和类型编码，用“-”进行连接，做入库处理；对于疑似的新实体对象，移交到“重复实体候选区(表示该实体可能在中心编码库中存在相同的实体)”进一步处理。

上述过程在数据内容层面上实现了一次粗糙过滤，对于重复候选区的实体对象，基于精细的空间轮廓和属性信息进行人工筛查。

在本发明的技术方案中：编码可通过计算机处理生成，具有逆编码的可能性，即通过编码规则反推地理要素的各类特征；编码在空间、时间、属性方面都能够反应一定的层次性；编码是局部数据对接的依据，因此满足唯一性；编码尊重了已有标准和充分利用相关空间数据资源；编码具有一定的可扩展空间，在不影响已有编码体系的前提下可纳入新的地理实例；编码以面向对象时空数据模型为基础，与计算机处理系统能够很好的对接。

鉴于目前智慧城市空间矢量数据整合过程中，缺乏从城市数据构成体系和要素逻辑关系进行分析所造成的内容歧义和检索低效问题，本发明提出了一种针对城市矢量数据的面向对象的编码整合方法，该方法将城市各类要素按照动因、空间、时间秩序的人地关系进行逻辑组织，以编码索引方式提供地理实体的“唯一认证”，使城市各类纷繁的数据实现以地理实体为核心的集成和挂接，促进智慧城市的精细化管理和信息的有效共享。本发明以面向对象的时空数据模型为依据，立足于城市要素的构成体系和逻辑关系，借鉴地理信息本体分类和地理编码技术，提出一种专门针对空间矢量数据的城市实体综合编码的构建方法，作为现有整合技术的补充，能让快速膨胀、杂乱无序的城市运行数据能够以一种有序、可无限扩张的形式在地理框架上实现高效索引和整合。本发明是基于编码的数据整合方法，并没有改变原数据在物理上的结构，而是通过编码这个唯一的身份认证实现了松散的逻辑整合，因此严格意义上来讲，它是现有整合方法的一种补充，它的优势是：第一，具有很好的健壮性，属性粒度和空间网格粒度并不会影响整个编码的框架，只要在原编码的基础上扩充位数即可。第二，具有普适性，虽然该方法是基于城市要素，但对自然要素也同样适用。第三，它不仅仅是城市实体的一种身份认证，因编码本身包含了实体要素的属性、空间和时间特性，因此在数据分析中能够通过逆编码快速构建不同空间变量的粗糙关系，预先过滤掉大量不相关的实例，能够很大程度上提高数据分析的效率。第四，在空间数据入库前执行该方法，对重复出现在数据库里的空间数据避免入库操作，有效减少冗余数据和歧义数据的产生。

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (1)

1.一种面向对象的城市实体地理编码整合方法，其特征在于，包括以下步骤：

步骤一：生成实体对象的类型编码：对空间数据涉及到的类型字段进行属性分解，通过建立城市要素的本体属性树，生成每个实体的类型编码，并链接其对应的概念格位置；

步骤二：生成实体对象的空间编码：基于实体对象的空间字段提取几何特征，对于街道以上的范围级别，利用6位邮政编码进行表达，对于街道以下的范围，除了用邮政编码进行表达，还加上基于GeoHash的区域网格编码进行表达；

步骤三：编码相似性判断，包含空间编码相似性和类型编码相似性判断两个子步骤：

(1)空间编码相似性判断：

空间编码由一系列具有索引关系的大小网格构成，可以充分利用编码本身的空间索引关系，来比较相同邮政编码下待编码的实体对象和中心编码库中的实体对象的索引网格重叠度，所用公式如下：

$\mathrm{Sim}\_S(O_i,O_j)=\underset{m=1}{\overset{\mathrm{level}}{\mathrm{\Σ}}}\frac{1}{2m}\left(\frac{\mathrm{GridSum}(O_{\mathrm{im}}\∩O_{\mathrm{jm}})}{\mathrm{GridSum}\left(O_{\mathrm{im}}\right)}\right)+\frac{\mathrm{GridSum}(O_{\mathrm{im}}\∩O_{\mathrm{jm}})}{\mathrm{GridSum}\left(O_{\mathrm{jm}}\right)},$

其中，Sim_S(O_i，O_j)表示待编码实体O_i和中心编码库中的实体O_j的索引网格重叠度，level表示所在的格网层级，GridSum(O_im)表示O_i在当前level＝m时的格网总数，GridSum(O_im∩O_jm)表示O_i和O_j在当前level＝m时相同的格网总数，当Sim_S(O_i，O_j)＞γ(γ为阈值)时，则进入下一步的类型相似性判断，否则表示待编码的实体对象与中心编码库中的实体对象不具有重复性，是新的实体对象；

(2)类型编码相似性判断：

对于通过空间编码相似性判断的实体，利用以下公式计算当前实体对象的类型编码和中心编码库中实体对象的类型编码的相似性：

其中，Sim_T(O_i，O_j)表示待编码实体O_i和中心编码库中的实体O_j的类型相似性，表示O_i的属性集合，表示O_i和O_j相同的属性个数，表示O_i或O_j具有的属性总数，DisMin(O_i，O_j)表示O_i和O_j在对应属性概念格中的最近通路的边数，ω₁和ω₂是两个可调的参数，ω₁+ω₂＝1，当Sim_T(O_i，O_j)＞η(η为阈值)时，表示待编码实体在中心编码库中极可能已存在，移交到“重复实体候选区”，否则表示待编码实体与中心编码库中的实体不具有重复性，是新的实体对象；

步骤四：对于新的实体对象，利用其进入中心编码库的精确到日的8位时间编码，连同空间编码和类型编码，用“-”进行连接，做入库处理，对于疑似的新实体对象，移交到“重复实体候选区”进一步处理。