CN108595496B - 一种OpenStreetMap与土地利用数据的类别映射方法 - Google Patents

一种OpenStreetMap与土地利用数据的类别映射方法 Download PDF

Info

Publication number
CN108595496B
CN108595496B CN201810219757.8A CN201810219757A CN108595496B CN 108595496 B CN108595496 B CN 108595496B CN 201810219757 A CN201810219757 A CN 201810219757A CN 108595496 B CN108595496 B CN 108595496B
Authority
CN
China
Prior art keywords
data
category
osm
new
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810219757.8A
Other languages
English (en)
Other versions
CN108595496A (zh
Inventor
周琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Geosciences
Original Assignee
China University of Geosciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Geosciences filed Critical China University of Geosciences
Priority to CN201810219757.8A priority Critical patent/CN108595496B/zh
Publication of CN108595496A publication Critical patent/CN108595496A/zh
Application granted granted Critical
Publication of CN108595496B publication Critical patent/CN108595496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种OpenStreetMap与土地利用数据的类别映射方法，包括如下步骤：采集已知的OSM数据与同区域的土地利用数据；将OSM数据中的线图层生成新面图层；计算OSM数据中的各个面图层的平均面积和由线图层转换生成的新面图层的平均面积，叠置后合并所有面图层；针对合并所有面图层后的OSM数据的每种类别，分别计算其与土地利用数据的各个类别的相交面积，将其中相交面积最大所对应的土地利用数据的类别作为OSM数据的该类别的映射；基于映射关系，对OSM数据的类别和土地利用数据中的类别进行重分类。本发明的方法不依赖主观判断，自动建立OSM与土地利用数据的类别映射关系，在异源土地利用数据的质量评价、数据融合和更新等方面具有潜在的应用价值。

Description

一种OpenStreetMap与土地利用数据的类别映射方法
技术领域
本发明涉及地理数据处理技术领域，尤其涉及一种OpenStreetMap与土地利用数据的类别映射方法。
背景技术
土地利用数据是人类对土地的规划、治理、改造和利用等重要的数据资料，可以通过地面测量、航测和遥感等传统技术手段来获取。随着Web2.0技术的发展，以及由大量非专业人员志愿获取并通过互联网向大众或相关机构提供的自发地理信息的涌现，面向典型的自发地理信息(OpenStreetMap，OSM)的土地利用制图已成为传统方法的重要补充。OSM具有免费获取、全球覆盖和现势性高等优点；也因数据提供人员的“非专业”特性，存在质量问题。
已有诸多的研究通过对比OSM与专业测绘机构或商业公司提供的参考土地利用数据来评价OSM质量。例如，Arsanjani and Vaz(2015)在《International Journal ofApplied Earth Observation and Geoinformation》卷35中第329-337的文献利用参考土地利用数据Global Monitoring for Environment and Security Urban Atlas(GMESUA)分析了欧洲10个城市的OSM数据的土地利用制图精度。Fonte and Martinho(2017)在《International Journal of Geographical Information Science》卷31中第2382-2400的文献还验证了利用OSM数据评价GMESUA数据质量的可行性。然而，不同源的土地利用数据(如OSM和GMESUA)的分类体系通常不一致，在做数据质量评价前需要先建立两种不同分类标准之间的映射关系，如OSM(或GMESUA)的一种或多种类别对应GMESUA(或OSM)的哪种或哪些类别。
现有方法均是根据类别名称采用主观判断来确定的，可能导致如下问题：第一，由于OSM的分类更细(例如，OSM数据通常包括landuse、building、poi、water、traffic、nature等多个不同的图层，且每个图层又包含几十种不同的类别)，很难主观地确定每种OSM类别对应的参考土地利用数据的类别；第二，由于不同用户对OSM分类标准的理解不同、判断标准不同，可能导致OSM与参考土地利用数据之间完全不同的映射关系，从而导致OSM或参考土地利用数据的不同质量评价结果。
发明内容
有鉴于此，本发明提供了一种OpenStreetMap与土地利用数据的类别映射方法，不依赖于主观判断，自动建立OSM与土地利用数据的类别映射，在异源土地利用数据的质量评价、数据融合和更新等方面具有潜在的应用价值。
为实现上述目的，本发明采用了一种技术方案：一种OpenStreetMap与土地利用数据的类别映射方法，包括如下步骤：
步骤101：采集已知的OSM数据与同区域的土地利用数据，分别获取所述OSM数据和土地利用数据的图层、空间实体和类别信息；
步骤102：将所述OSM数据中的线图层以初始半径为半径建立缓冲区，根据所述缓冲区与所述土地利用数据的各个类别的相交面积计算出新缓冲半径，并以所述新缓冲半径为半径生成新面图层；
步骤103：计算所述OSM数据中的各个面图层的平均面积和由线图层转换生成的新面图层的平均面积，再根据各个面图层和新面图层的平均面积的大小来叠置所有的面图层，并合并叠置后的所有面图层；
步骤104：针对合并所有面图层后的所述OSM数据的每种类别，分别计算其与所述土地利用数据的各个类别的相交面积，将其中相交面积最大所对应的所述土地利用数据的类别作为所述OSM数据的该类别的映射；同时，针对所述土地利用数据中的每种土地利用类别，分别计算其与所述OSM数据的各个类别的相交面积，将其中相交面积最大所对应的所述OSM数据的类别作为所述土地利用数据的该类别的映射；
步骤105：基于步骤104得到的映射关系，对所述OSM数据的类别和所述土地利用数据中的类别进行重分类；其中根据是否允许合并土地利用数据的类别，选用不同的重分类方法。
进一步地，步骤101中获取的所述OSM数据的图层包括面图层和线图层、所述土地利用数据的图层包括面图层，所述OSM数据的面图层和线图层、所述土地利用数据的面图层分别对应包括至少一个空间实体，所述OSM数据和土地利用数据的空间实体分别对应一种类别。
进一步地，步骤102具体还包括如下步骤：
步骤201：针对所述OSM数据中的一个线图层，以初始半径建立缓冲区；
步骤202：计算所述缓冲区与所述土地利用数据的各个类别的相交面积，将面积最大的相交面积所对应的土地利用类别记为Cmax；
步骤203：计算Cmax的面积、周长及面积与周长的比值，并将面积与周长的比值作为所述线图层的新缓冲半径；
步骤204：以所述新缓冲半径对所述线图层建立新缓冲区，并计算所述新缓冲区与Cmax的新相交面积，以及所述新相交面积与新缓冲区面积的比值；
步骤205：判断所述新相交面积与新缓冲区面积的比值是否不小于0.5，若是，进入步骤206；若否，则进入步骤207；
步骤206：所述OSM数据中的该线图层与Cmax映射，所述OSM数据中的该线图层的新缓冲区半径设置为步骤203计算得到的新缓冲半径，以所述新缓冲半径为半径建立的新缓冲区即是新面图层；
步骤207：所述OSM数据中的该线图层的新缓冲区半径设置为0，则所述OSM数据中的该线图层不生成新面图层。
进一步地，在步骤201中的所述初始半径设置为(0，1]米。
进一步地，若所述OSM数据中的线图层包含两种或两种以上的子类，则在步骤204中，利用步骤203计算得到的新缓冲半径对各个子类分别建立新缓冲区，并分别计算各个子类的新缓冲区与Cmax的新相交面积，以及各个子类的新相交面积与新缓冲区面积的比值；进入步骤205和206后，若有两种或两种以上的子类的新相交面积与新缓冲区面积的比值不小于0.5，则对各个子类对应生成的各个新面图层进行合并而只生成一个新面图层。
进一步地，在步骤103中，各个面图层的平均面积为各个面图层包含的所有空间实体的面积平均值，所有空间实体的面积平均值为所有空间实体的面积值加和除以所有空间实体的数量，由线图层转换生成的面图层的平均面积设置为新缓冲区半径的平方再乘以圆周率。
进一步地，在步骤103中，用平均面积较小的面图层压盖平均面积较大的面图层。
进一步地，步骤105中允许合并土地利用类别的重分类方法，具体包括如下步骤：
步骤301：新建类别Ci，初始化i＝1；
步骤302：从合并后的所述OSM数据的类别和所述土地利用数据的类别中取出一对存在映射关系的类别，重分类为Ci；
步骤303：继续取出与上述两种类别中任意一种存在映射关系的新类别，也将其重分类为Ci；
步骤304：遍历所有未被重分类的类别，若Ci不再增加新类别，则新建类别Ci+1，直至将所述OSM数据和土地利用数据的所有类别重分类完毕。
进一步地，在步骤105中若不允许合并土地利用类别，则重分类方法包括：将所述OSM数据的类别重新分类为与之映射的所述土地利用数据的类别，遍历所述OSM数据的所有类别，直至将其重新分类完毕。
进一步地，本方法还可以扩展应用于自动建立其他不同源的土地利用数据的类别映射关系。
本发明的实施例提供的技术方案带来的有益效果是：(1)本发明的方法不依赖主观判断，能自动且自适应地建立OSM数据与土地利用数据的类别映射关系，并分别对OSM和土地利用数据进行重分类；(2)本发明的方法在异源土地利用数据的质量评价、数据融合和更新等方面具有潜在的应用价值。
附图说明
图1是本发明的OpenStreetMap与土地利用数据的类别映射方法的流程图；
图2是本发明的OSM数据处理前的类别；
图3是本发明的土地利用数据处理前的类别；
图4是本发明的OSM数据中的线图层的缓冲区半径的计算流程图；
图5是本发明的建立线图层的缓冲区的示意图；
图6是本发明的OSM数据与土地利用数据的映射关系图；
图7是本发明的基于映射关系图进行重分类的结果(且允许合并土地利用数据的类别)；
图8是本发明的OSM数据重分类后的类别(且允许合并土地利用数据的类别)；
图9是本发明的土地利用数据重分类后的类别(且允许合并土地利用数据的类别)；
图10是本发明的基于映射关系图进行重分类的结果(且不允许合并土地利用数据的类别)；
图11是本发明的OSM数据重分类后的类别(且不允许合并土地利用数据的类别)；
图12是本发明的允许合并土地利用类别的重分类方法的流程图；
图13是本发明的英国谢菲尔德地区OSM数据处理后的类别；
图14是本发明的英国谢菲尔德地区GMESUA数据处理后的类别。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
实施例一：
如图1所示，本发明提供的一种OpenStreetMap(以下简称“OSM”)与土地利用数据的类别映射方法，包括如下步骤：
步骤101：采集已知的OSM数据与同区域的土地利用数据，分别获取所述OSM数据和土地利用数据的图层、空间实体和类别信息；
步骤102：将所述OSM数据中的线图层以初始半径为半径建立缓冲区，根据所述缓冲区与所述土地利用数据的各个类别的相交面积计算出新缓冲半径，并以所述新缓冲半径为半径生成新面图层；
步骤103：计算所述OSM数据中的各个面图层的平均面积和由线图层转换生成的新面图层的平均面积，再根据各个面图层和新面图层的平均面积的大小来叠置所有的面图层，并合并叠置后的所有面图层；
步骤104：针对合并所有面图层后的所述OSM数据的每种类别，分别计算其与所述土地利用数据的各个类别的相交面积，将其中相交面积最大所对应的所述土地利用数据的类别作为所述OSM数据的该类别的映射；同时，针对所述土地利用数据中的每种土地利用类别，分别计算其与所述OSM数据的各个类别的相交面积，将其中相交面积最大所对应的所述OSM数据的类别作为所述土地利用数据的该类别的映射；
步骤105：基于步骤104得到的映射关系，对所述OSM数据的类别和所述土地利用数据中的类别进行重分类，其中根据是否允许合并土地利用数据的类别，选用不同的重分类方法。
在步骤101中获取的所述OSM数据的图层包括面图层和线图层、所述土地利用数据的图层包括面图层，所述OSM数据的面图层和线图层、所述土地利用数据的面图层分别对应包括至少一个空间实体，所述OSM数据和土地利用数据的空间实体分别对应一种类别。为方便理解，以图2和图3为例，图2和图3分别是所述OSM数据和同区域的所述土地利用数据在处理之前的类别。图2中的所述OSM数据包括两个面图层和一个线图层；其中一个面图层(L1)又包括a1，a2，b1，c1四个空间实体或分别对应的a(对应的空间实体a1，a2)，b(对应的空间实体b1)，c(对应的空间实体c1)三种类别；另一个面图层(L2)包括d1，d2，e1三个空间实体或分别对应的d(对应的空间实体d1和d2)和e(对应的空间实体e1)两种类别。线图层(L3)包括1个空间实体f或f一种类别。图3中的所述土地利用数据为一个面图层(L4)，包括A，B，C，D和E五种土地利用类别。
由于道路、铁路和河流等地理要素在OSM数据中通常以线要素(或线图层)表示。因此，先利用缓冲区方法，将这些线图层转换成面图层。由于线图层所表示空间实体的长度远大于宽度，因此，本发明将缓冲区半径设置为面积与周长的比值。如图4所示，在步骤102中，所述OSM数据中的线图层的新缓冲区半径的计算，具体包括如下步骤：
步骤201：针对所述OSM数据中的一个线图层(为方便理解，本方法以图2中的L3为例说明)，以初始半径(例如(0，1]米)建立缓冲区，优选的，以1米为初始半径建立缓冲区；建立缓冲区的方法如下：如图5所示，首先沿该线图层的边线的法线方向，分别向边线的两侧平移初始半径的距离而得到两条线，然后在边线的首尾点处，分别以首尾点为圆心、以初始半径为半径作半圆弧，由平移线和半圆弧接合形成的封闭区域即形成所述缓冲区；
步骤202：计算所述缓冲区与所述土地利用数据的各个类别(即图3中的L4的五种类别)的相交面积，将面积最大的相交面积所对应的土地利用类别(即图2中的类别E)，记为Cmax；
步骤203：计算Cmax(即图2中的类别E)的面积、周长及面积和周长的比值(面积/周长)，并将面积和周长的比值作为所述线图层(即图2中的L3)的新缓冲半径；
步骤204：以所述新缓冲半径对所述线图层(即图2中的L3)建立新缓冲区(新缓冲区的建立方法与上述建立缓冲区的方法相同)，并计算所述新缓冲区与Cmax(即图3中的类别E)的新相交面积，以及所述新相交面积与新缓冲区面积的比值；
步骤205：判断所述新相交面积与新缓冲区面积的比值是否不小于0.5，若是，进入步骤206；若否，则进入步骤207；
步骤206：所述OSM数据中的该线图层或其子类与Cmax映射，所述OSM数据中的该线图层的新缓冲区半径设置为步骤203计算得到的新缓冲半径，以所述新缓冲半径为半径建立的新缓冲区即是新面图层；
步骤207：所述OSM数据中的该线图层的缓冲区半径设置为0，则所述OSM数据中的该线图层不生成新面图层。
上述方法中，若所述线图层包含两种或两种以上的子类，则在步骤204中，利用步骤203计算得到的新缓冲半径对各个子类分别建立新缓冲区，并计算各个子类的新缓冲区与Cmax的新相交面积，以及各个子类的新相交面积与新缓冲区面积的比值；进入步骤205和206后，若有两种或两种以上的子类的新相交面积与新缓冲区面积的比值不小于0.5，则对各个子类对应生成的各个新面图层进行合并而只生成一个新面图层，也即一个线图层最终对应生成一个新面图层。
一般而言，所述OSM数据包含多种不同的面图层，且不同面图层的空间实体可能相互重叠，导致重叠部分的类别具有二重性。因此，需要确定所述OSM数据中的不同面图层之间的压盖顺序。本发明利用平均面积来衡量空间实体的大小，平均面积越大，说明空间实体相对较大或粒度较粗；反之，说明空间实体相对较小或粒度较细。在步骤103中，各个面图层的平均面积为各个面图层包含的所有空间实体的面积平均值，由线图层转换生成的新面图层的平均面积设置为新缓冲区半径的平方或新缓冲区半径的平方再乘以圆周率，优选的，由线图层转换生成的新面图层的平均面积设置为新缓冲区半径的平方再乘以圆周率。用平均面积较小的面图层压盖平均面积较大的面图层。为方便理解，以图2为例，图层L1的平均面积为空间实体a1，a2，b1和c1的面积平均值，也即四个空间实体a1，a2，b1和c1的所有面积加和除以四；图层L2为空间实体d1，d2和e1的面积平均值，也即三个空间实体d1，d2和e1的所有面积加和除以三；图层L3为步骤102中计算得到的新缓冲区半径的平方再乘以圆周率。根据各图层的平均面积大小(图2中以图层L1的面积平均值大于图层L2的面积平均值，图层L2的面积平均值大于图层L3的面积平均值为例)，依次将图层L2压盖图层L1，图层L3压盖图层L2，再将三个图层合并。图层L2压盖图层L1，表示该区域将以上层(也即图层L2)为主，那么该区域的类别也只能是图层L2所对应的类别，否则可能出现歧义，例如同时包含图层L2和L1所对应的类别。
在步骤104中，分别计算合并图层中的所述OSM数据的类别(例如图2中的a，b，c，d，e和f六种类别)与所述土地利用数据的各个类别(例如图3中的A，B，C，D和E五种类别)的相交面积。例如，针对所述OSM数据的类别e，分别计算其与所述土地利用数据的A，B，C，D和E这五种类别的相交面积，计算出的相交面积最大所对应的所述土地利用数据的类别为B，如图6所示的与所述OSM数据的类别e映射的是所述土地利用数据类别B；再例如，针对所述土地利用类别D，分别计算其与所述OSM数据的a，b，c，d，e和f这六种类别的相交面积，计算出的相交面积最大所对应的所述OSM数据的类别为c，如图6所示的与所述土地利用类别D映射的是所述OSM数据的类别c。
在步骤105中，基于步骤104得到的映射关系对所述OSM数据和所述土地利用数据中的所有类别进行重分类。若允许所述土地利用数据的类别合并，以图7为例，最终得到四个新类别(即1，2，3和4)。由图8和图9可以看出，重分类后的所述OSM数据与所述土地利用数据的类别数目相同(均为四类)，且一一对应。若不允许所述土地利用数据的类别合并，所述OSM数据的每种类别最终被重分类为所述土地利用数据的五种类别之一(如图10和11)。
针对步骤105中的两种情况(即是否允许合并所述土地利用数据的类别)的重分类方法，如图12所示，允许合并土地利用类别的重分类方法，具体包括如下步骤：
步骤301：新建类别Ci，初始化i＝1；
步骤302：从合并后的所述OSM数据的类别和所述土地利用数据的类别中取出一对存在映射关系的类别，将其重分类为Ci；
步骤303：继续取出与上述两种类别中任意一种存在映射关系的新类别，也将其重分类为Ci；
步骤304：遍历所有未被重分类的类别，若Ci不再增加新类别，则新建类别Ci+1，直至将所述OSM数据和土地利用数据的所有类别重分类完毕。
不允许合并土地利用类别的重分类方法，将所述OSM数据的类别重新分类为与之映射的所述土地利用数据的类别，遍历所述OSM数据的所有类别，直至将其重新分类完毕。
为了方便理解本发明，将上述方法用于处理英国谢菲尔德实验地区的OSM与GMESUA数据。该实验地区的OSM数据有8个面图层和3个线图层，合计包含168种类别；而GMESUA数据仅有一个面图层，包含20种类别。使用本发明的方法自动地建立OSM与GMESUA数据的映射关系并进行重分类(此处仅以允许合并GMESUA类别的情况为例说明)。如图13和14所示，OSM与GMESUA数据分别重分类为十个新类别，不仅类别数目相同，且类别一一对应，从而验证了本发明的方法具有可行性。此外，表1为英国谢菲尔德实验地区的OSM与GMESUA数据的类别映射关系。由表1中OSM与GMESUA的类别名称可以看出类别映射的合理性，也验证了本发明的方法具有有效性。
表1英国谢菲尔德实验地区OSM与GMESUA数据的类别映射关系
Figure BDA0001599272750000081
Figure BDA0001599272750000091
本发明的方法还可以扩展应用于自动建立其他不同源或异源(数据来自不同的渠道或地方，例如由不同的政府机构、商业公司或部门采集，导致分类的标准可能不统一)的土地利用数据的类别映射关系。本发明中描述的OSM数据和土地利用数据中的空间实体和各种类型的数量，仅为了方便理解和说明，并不限制在实际应用时的数量。
本发明的实施例提供的技术方案带来的有益效果是：(1)本发明的方法不依赖主观判断，能自动且自适应地建立OSM数据与土地利用数据的类别映射关系，并分别对OSM和土地利用数据进行重分类；(2)本发明的方法在异源土地利用数据的质量评价、数据融合和更新等方面具有潜在的应用价值。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种OpenStreetMap与土地利用数据的类别映射方法，其特征在于，包括如下步骤：
步骤101：采集已知的OSM数据与同区域的土地利用数据，分别获取所述OSM数据和土地利用数据的图层、空间实体和类别信息；
步骤102：将所述OSM数据中的线图层以初始半径为半径建立缓冲区，根据所述缓冲区与所述土地利用数据的各个类别的相交面积计算出新缓冲半径，并以所述新缓冲半径为半径生成新面图层；
步骤103：计算所述OSM数据中的各个面图层的平均面积和由线图层转换生成的新面图层的平均面积，再根据各个面图层和新面图层的平均面积的大小来叠置所有的面图层，并合并叠置后的所有面图层；
步骤104：针对合并所有面图层后的所述OSM数据的每种类别，分别计算其与所述土地利用数据的各个类别的相交面积，将其中相交面积最大所对应的所述土地利用数据的类别作为所述OSM数据的该类别的映射；同时，针对所述土地利用数据中的每种土地利用类别，分别计算其与所述OSM数据的各个类别的相交面积，将其中相交面积最大所对应的所述OSM数据的类别作为所述土地利用数据的该类别的映射；
步骤105：基于步骤104得到的映射关系，对所述OSM数据的类别和所述土地利用数据中的类别进行重分类；其中根据是否允许合并土地利用数据的类别，选用不同的重分类方法。
2.如权利要求1所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：步骤101中获取的所述OSM数据的图层包括面图层和线图层、所述土地利用数据的图层包括面图层，所述OSM数据的面图层和线图层、所述土地利用数据的面图层分别对应包括至少一个空间实体，所述OSM数据和土地利用数据的空间实体分别对应一种类别。
3.如权利要求1所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：步骤102具体还包括如下步骤：
步骤201：针对所述OSM数据中的一个线图层，以初始半径建立缓冲区；
步骤202：计算所述缓冲区与所述土地利用数据的各个类别的相交面积，将面积最大的相交面积所对应的土地利用类别记为Cmax；
步骤203：计算Cmax的面积、周长及面积与周长的比值，并将面积与周长的比值作为所述线图层的新缓冲半径；
步骤204：以所述新缓冲半径对所述线图层建立新缓冲区，并计算所述新缓冲区与Cmax的新相交面积，以及所述新相交面积与新缓冲区面积的比值；
步骤205：判断所述新相交面积与新缓冲区面积的比值是否不小于0.5，若是，进入步骤206；若否，则进入步骤207；
步骤206：所述OSM数据中的该线图层与Cmax映射，所述OSM数据中的该线图层的新缓冲区半径设置为步骤203计算得到的新缓冲半径，以所述新缓冲半径为半径建立的新缓冲区即是新面图层；
步骤207：所述OSM数据中的该线图层的新缓冲区半径设置为0，则所述OSM数据中的该线图层不生成新面图层。
4.如权利要求3所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：在步骤201中的所述初始半径设置为(0，1]米。
5.如权利要求3所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：若所述OSM数据中的线图层包含两种或两种以上的子类，则在步骤204中，利用步骤203计算得到的新缓冲半径对各个子类分别建立新缓冲区，并分别计算各个子类的新缓冲区与Cmax的新相交面积，以及各个子类的新相交面积与新缓冲区面积的比值；进入步骤205和206后，若有两种或两种以上的子类的新相交面积与新缓冲区面积的比值不小于0.5，则对各个子类对应生成的各个新面图层进行合并而只生成一个新面图层。
6.如权利要求1所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：在步骤103中，各个面图层的平均面积为各个面图层包含的所有空间实体的面积平均值，所有空间实体的面积平均值为所有空间实体的面积值加和除以所有空间实体的数量，由线图层转换生成的面图层的平均面积设置为新缓冲区半径的平方再乘以圆周率。
7.如权利要求1所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：在步骤103中，用平均面积较小的面图层压盖平均面积较大的面图层。
8.如权利要求1所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：步骤105中允许合并土地利用类别的重分类方法，具体包括如下步骤：
步骤301：新建类别Ci，初始化i＝1；
步骤302：从合并后的所述OSM数据的类别和所述土地利用数据的类别中取出一对存在映射关系的类别，重分类为Ci；
步骤303：继续取出与上述两种类别中任意一种存在映射关系的新类别，也将其重分类为Ci；
步骤304：遍历所有未被重分类的类别，若Ci不再增加新类别，则新建类别Ci+1，直至将所述OSM数据和土地利用数据的所有类别重分类完毕。
9.如权利要求1所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：在步骤105中若不允许合并土地利用类别，则重分类方法包括：将所述OSM数据的类别重新分类为与之映射的所述土地利用数据的类别，遍历所述OSM数据的所有类别，直至将其重新分类完毕。
10.如权利要求1所述的OpenStreetMap与土地利用数据的类别映射方法，其特征在于：所述的OpenStreetMap与土地利用数据的类别映射方法还可以扩展应用于自动建立其他不同源的土地利用数据的类别映射关系。
CN201810219757.8A 2018-03-16 2018-03-16 一种OpenStreetMap与土地利用数据的类别映射方法 Active CN108595496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810219757.8A CN108595496B (zh) 2018-03-16 2018-03-16 一种OpenStreetMap与土地利用数据的类别映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810219757.8A CN108595496B (zh) 2018-03-16 2018-03-16 一种OpenStreetMap与土地利用数据的类别映射方法

Publications (2)

Publication Number Publication Date
CN108595496A CN108595496A (zh) 2018-09-28
CN108595496B true CN108595496B (zh) 2021-08-27

Family

ID=63626487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810219757.8A Active CN108595496B (zh) 2018-03-16 2018-03-16 一种OpenStreetMap与土地利用数据的类别映射方法

Country Status (1)

Country Link
CN (1) CN108595496B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105183825A (zh) * 2015-08-28 2015-12-23 中南大学 一种osm数据到专业gis矢量数据的模型自动转换及osm增量数据动态整合方法
CN106530319A (zh) * 2016-09-24 2017-03-22 上海大学 一种基于轨迹有向图的视频对象协同分割方法
CN106649651A (zh) * 2016-12-12 2017-05-10 大连理工大学 一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8775365B2 (en) * 2010-03-07 2014-07-08 Hamid Hatami-Hanza Interactive and social knowledge discovery sessions
US9633216B2 (en) * 2012-12-27 2017-04-25 Commvault Systems, Inc. Application of information management policies based on operation with a geographic entity
KR101480721B1 (ko) * 2013-03-05 2015-01-09 주식회사 다비오 유저 기반의 지도 제작 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105183825A (zh) * 2015-08-28 2015-12-23 中南大学 一种osm数据到专业gis矢量数据的模型自动转换及osm增量数据动态整合方法
CN106530319A (zh) * 2016-09-24 2017-03-22 上海大学 一种基于轨迹有向图的视频对象协同分割方法
CN106649651A (zh) * 2016-12-12 2017-05-10 大连理工大学 一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法

Also Published As

Publication number Publication date
CN108595496A (zh) 2018-09-28

Similar Documents

Publication Publication Date Title
Sreelekha et al. Interaction between road network connectivity and spatial pattern
CA2627989C (en) System, apparatus and method for mapping
CN111062958B (zh) 一种城市道路要素提取方法
CN112365595A (zh) 基于报警数据点要素的鉴别交通事故多发点的分析方法
CN114692236A (zh) 一种面向大数据的国土空间规划底图底数处理方法
Wu et al. Automatic building rooftop extraction using a digital surface model derived from aerial stereo images
Hardin et al. GIS-based analysis of coastal Lidar time-series
Vishnani et al. Manhole detection using image processing on google street view imagery
Venerandi et al. Exploring the similarities between informal and medieval settlements: A methodology and an application
Guo et al. Combining Luojia1-01 nighttime light and points-of-interest data for fine mapping of population spatialization based on the zonal classification method
Quintero et al. Mapping outlets of Iowa Flood Center and National Water Center river networks for hydrologic model comparison
CN108595496B (zh) 一种OpenStreetMap与土地利用数据的类别映射方法
Zhou et al. Investigating the completeness and omission roads of OpenStreetMap data in Hubei, China by comparing with Street Map and Street View
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
Santos et al. Characterizing urban volumetry using lidar data
Zhang et al. The color analysis of building façades: Based on the panoramic street view images
Hapep et al. Comparison of Different DEM Generation Methods based on Open Source Datasets.
Huck et al. Delineating parameters for object-based urban structure mapping in Santiago de Chile using QuickBird data
Jasim et al. Positional Accuracy Assessment for Updating Authoritative Geospatial Datasets Based on Open Source Data and Remotely Sensed Images.
Oluwadare et al. Database creation for tenement rate collection: The role of GIS
Hanson et al. Change detection for update of topographic databases through multi-level region-based classification of VHR optical and SAR data
Shiravi et al. Accuracy assessment of building extraction using LIDAR data for urban planning transportation applications
Jovanovic et al. Analysis of free road data in Tanzania, Uganda and Kenya using free and open source software
Ren et al. A topology-based approach to identifying urban centers in America using multi-source geospatial big data
Fan et al. The intrinsic quality assessment of building footprints data on OpenStreetMap in Baden-Württemberg

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant