CN111143624B - 面向土地审批测绘数据的自适应计算规则库匹配方法及系统 - Google Patents

面向土地审批测绘数据的自适应计算规则库匹配方法及系统 Download PDF

Info

Publication number
CN111143624B
CN111143624B CN201910802893.4A CN201910802893A CN111143624B CN 111143624 B CN111143624 B CN 111143624B CN 201910802893 A CN201910802893 A CN 201910802893A CN 111143624 B CN111143624 B CN 111143624B
Authority
CN
China
Prior art keywords
fact
data
rule base
matching
result
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
CN201910802893.4A
Other languages
English (en)
Other versions
CN111143624A (zh
Inventor
李旺民
马德富
贠法长
黎彬
冯琰
路志越
何冰
卢尚龙
刘亚楠
曾仕声
何福久
丁建勋
李进禄
高春辉
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.)
Shanghai Carved Feather Mdt Infotech Ltd
Zhuhai Surveying And Mapping Institute
Original Assignee
Shanghai Carved Feather Mdt Infotech Ltd
Zhuhai Surveying And Mapping Institute
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 Shanghai Carved Feather Mdt Infotech Ltd, Zhuhai Surveying And Mapping Institute filed Critical Shanghai Carved Feather Mdt Infotech Ltd
Priority to CN201910802893.4A priority Critical patent/CN111143624B/zh
Publication of CN111143624A publication Critical patent/CN111143624A/zh
Application granted granted Critical
Publication of CN111143624B publication Critical patent/CN111143624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种面向土地审批测绘数据的自适应计算规则库匹配方法及系统，可以建立土地审批测绘多层感知器模型和知识规则模型形成该领域生产业务专家规则库，形成的应用服务可以在不需过多人工干预的情况下接收和处理该业务生产过程中的泛类型数据，结合模型内置的业务匹配逻辑规则，由规则库匹配算法代替人工操作实现关键生产环节的分支节点选择，完善了自动生产的一体化流程，有效解决了原始土地审批测绘领域系统集成度低、图属一体化程度低、生产流程破碎、人工干预过多等问题，显著提升了土地审批测绘领域的业务服务质量和智能化服务水平。

Description

面向土地审批测绘数据的自适应计算规则库匹配方法及系统
技术领域
本申请涉及测绘技术领域，尤其涉及一种面向土地审批测绘数据的自适应计算规则库匹配方法及系统。
背景技术
土地审批测绘是为土地管理部门提供科学、准确的基础数据而开展的一项技术服务工作，包括土地预审测绘、土地勘测定界测量等内容。目前国内关于土地审批测绘的相关研究主要集中于土地审批测绘生产阶段单节点辅助系统的设计和开发，这些独立的工具与系统更侧重于在土地审批测绘某些环节的信息转化与人工处理效率提升，但目前普遍存在着系统集成度不高，功能模块分散、关键节点自动识别程度低，对人工判别依赖程度高，数据格式转换频繁以及未能实现图属一体化等诸多问题。
目前土地审批测绘领域系统存在集成度低、图属一体化程度低、生产流程破碎、人工干预过多的问题。
发明内容
本发明提供了一种面向土地审批测绘数据的自适应计算规则库匹配方法及系统，用以解决土地审批测绘领域系统存在集成度低、图属一体化程度低、生产流程破碎、人工干预过多的问题。
其具体的技术方案如下：
一种面向土地审批测绘数据的自适应计算规则库匹配方法，所述方法包括：
获取录入的数据，针对接收到的数据具有种类、文件格式、数据格式、编码类型多样性的情况，通过数据学习训练，建立含有隐藏中间层的多层感知器，对所述数据的数据类型与处理类型进行判定；
利用经过训练的多层感知器，将判定结果同化为符合规则库要求的事实模型，将事实模型按照预设标准进行表达；
判断所述事实模型为叶节点事实或者为非叶节点事实；
在所述事实模型为叶节点事实时，抽取数据中的几何要素、属性要素和匹配关键字信息进行规则库匹配；
若匹配结果为制图参数解析，则利用规则库中制图参数模板对几何要素与属性要素进行解析和关键信息抽取，结合空间计算得到制图所需范围及比例尺参数；若匹配结果为坐标转换，则只抽取几何要素信息，将该信息解析成点集合重新排列，根据匹配关键字进行转换；若匹配结果为专题统计分析，则根据规则库调取辅助分析数据，按照几何要素修复----Identify分析----Intersect分析----Erase分析进行专题统计分析；
若规则库匹配成功，则进行结果输出。
可选的，判断所述事实模型为叶节点事实或者为非叶节点事实，包括：
确定所述事实模型中的各个属性；
在所述各个属性中确定出事实类别，并根据所述事实类别确定事实类型是否为叶节点事实。
可选的，在所述事实模型为叶节点事实时，进行规则库匹配，包括：
根据叶节点事实的属性，若匹配结果为制图参数解析，则利用规则库中制图参数模板对几何要素与属性要素进行解析和关键信息抽取；在所述规则库中匹配出数据坐标系，查找出对应年份对应图幅的底图数据，并通过空间运算确定出指定比例尺和制图范围。制图范围主要根据输入数据解析出的空间图形，计算其最大角点坐标范围，X_max,X_minY_max, Y_min, 然后根据其根据范围差的2.5倍计算输出页面的长宽参数length 和width，针对局部图的参数计算首先要判断是横向图还是纵向图，然后根据长边的理论变长与页面变长的比值计算出整体出图比例尺；最后由于比例尺必须取整，所以再根据算出的比例尺取整后，反算出各输出参数。除范围参数外，还需要通过关键字参数匹配出规则库表示出制图图例
根据叶节点事实的属性，若匹配结果为坐标转换，则只抽取几何要素信息，将该信息解析成点集合重新排列，根据匹配关键字进行转换；
根据叶节点事实的属性，若匹配结果为专题统计分析，则根据规则库调取辅助分析数据，按照几何要素修复----Identify分析----Intersect分析----Erase分析进行专题统计分析；
可选的，所述方法还包括：
在所述规则库匹配不成功时，则输出匹配失败信息，并将匹配失败信息写入日志记录，并进行故障判断。
一种面向土地审批测绘数据的自适应计算规则库匹配系统，所述系统包括：
获取单元，用于获取录入的数据，对所述数据的数据类型与处理类型进行判定；
处理单元，用于将判定结果同化为符合规则库要求的事实模型，将事实模型按照预设标准进行表达；判断所述事实模型为叶节点事实或者为非叶节点事实；在所述事实模型为叶节点事实时，进行规则库匹配；若规则库匹配成功，则进行结果输出。
可选的，所述处理单元，具体用于确定所述事实模型中的各个属性；在所述各个属性中确定出事实类别，并根据所述事实类别确定事实类型是否为叶节点事实。
可选的，所述处理单元，具体用于根据叶节点事实的属性，按照符合流程控制模型的前后事件处理参数，确定相应的处理控制流程并输入相应的关键参数，并进行数据处理；根据叶节点事实的属性，根据同化结果判断数据的关键指标是否符合输出要求，是否允许进行类似坐标转换；根据叶节点事实的属性，根据同化结果是否符合规则库中结果数据规则的标准，准确度与可靠性，是否作为输出结果输出。
可选的，所述处理单元，还用于在所述规则库匹配不成功时，则输出匹配失败信息，并将匹配失败信息写入日志记录，并进行故障判断。
可选的，所述处理单元，还用于确定用户输入的制图数据以及选择的制图模式；根据所述制图数据以及所述制图模式，在所述规则库中匹配出数据坐标系，查找出对应年份对应图幅的底图数据，并通过空间运算确定出指定比例尺和制图范围，制图范围主要根据输入数据解析出的空间图形，计算其最大角点坐标范围，X_max,X_min Y_max, Y_min, 然后根据其根据范围差的2.5倍计算输出页面的长宽参数length 和width，针对局部图的参数计算首先要判断是横向图还是纵向图，然后根据长边的理论变长与页面变长的比值计算出整体出图比例尺；最后由于比例尺必须取整，所以再根据算出的比例尺取整后，反算出各输出参数。除范围参数外，还需要通过关键字参数匹配出规则库表示出制图图例。
可选的，所述处理单元，还用于抽取用户指定数据的几何要素和属性要素，进行目标坐标系的数据坐标转换；根据所述目标坐标系，在所述规则库中进行关键字匹配，将几何要素实现空间图形的点集合化，对点集合要素进行坐标系匹配转换，转换完成后重构目标空间要素，与属性要素进行匹配，完成转换。
可选的，所述处理单元，还用于完成土地专题统计分析。则根据规则库调取辅助分析数据，按照几何要素修复----Identify分析----Intersect分析----Erase分析进行专题统计分析；
通过本发明所述提供的方法，通过建立土地审批测绘知识规则模型形成该领域生产业务专家规则库，通过将业务需求的各类方法、规则和参数进行科学化的集成，应用服务可以根据不同情况按需调取，有效解决了原始土地审批测绘领域系统集成度低、图属一体化程度低、不利于进一步数据分析等问题，显著提升了土地审批测绘领域的业务服务质量和智能化服务水平。
附图说明
图1为本发明实施例中一种面向土地审批测绘数据的自适应计算规则库匹配方法的流程图；
图2为本发明实施例中自适应计算规则库匹配通用流程示意图；
图3为本发明实施例中零向导专题图生产流程示意图；
图4为本发明实施例中零向导数据坐标转换流程示意图；
图5为本发明实施例中零向导数据分析处理流程示意图之一；
图6为本发明实施例中零向导数据分析处理流程示意图之二；
图7为本发明实施例中一种面向土地审批测绘数据的自适应计算规则库的匹配系统的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解，本发明实施例以及实施例中的具体技术特征只是对本发明技术方案的说明，而不是限定，在不冲突的情况下，本发明实施例以及实施例中的具体技术特征可以相互组合。
如图1所示为本发明实施例中一种面向土地审批测绘数据的自适应计算规则库的匹配方法及的流程图，该方法包括：
S1，获取录入的数据，针对接收到的数据具有种类、文件格式、数据格式、编码类型多样性的情况，通过数据学习训练，建立含有隐藏中间层的多层感知器，对所述数据的数据类型与处理类型进行判定；
S2，利用经过训练的感知器模型将判定结果同化为符合规则库要求的事实模型，将事实模型按照预设标准进行表达；
S3，判断所述事实模型为叶节点事实或者为非叶节点事实；
S4，在所述事实模型为叶节点事实时，抽取数据中的几何要素、属性要素和匹配关键字信息进行规则库匹配；
S5，若匹配结果为制图参数解析，则利用规则库中制图参数模板对几何要素与属性要素进行解析和关键信息抽取，结合空间计算得到制图所需范围及比例尺参数；若匹配结果为坐标转换，则只抽取几何要素信息，将该信息解析成点集合重新排列，根据匹配关键字进行转换；若匹配结果为专题统计分析，则根据规则库调取辅助分析数据，按照几何要素修复----Identify分析----Intersect分析----Erase分析进行专题统计分析；
S6，若规则库匹配成功，则进行结果输出。
具体来讲，土地审批测绘数据定制自适应计算规则库的建立在基础的输入-判定-匹配-评估-输出这一逻辑模型基础之上。数据的输入与判定是方法能够实现自适应的基本前提。为了能够有效整合较为破碎的数据定制流程，减少人工干预，需要针对输入的各种类型、各种格式的多源异构数据进行机器判读解析。由于简单的程序判读只能解决个别几种数据类型，对于数据中出现的不符合规则或标准的数据无法识别。因此在这一环节需要利用神经网络原理，建立多层感知器模型，在输入-输出之间加上隐藏感知层，通过对较大数据样本进行训练和容错调试，增强模型对输入数据的判别能力。本模型原理方法主要是用到了BP算法的经典链式求导法则中的前项传导，方法原理如下：
对于输入层I个单元，输入样本为（x,z），则中间隐层的输入为：
Figure 635137DEST_PATH_IMAGE001
Figure 968029DEST_PATH_IMAGE002
函数f为非线性激活函数，常见的有sigmod或者是tanh，本方法选取sigmod作为激活函数。计算完输入层向第一个隐层的传导后，剩下的隐层计算方式类似，用hl表示第l层的单元数：
Figure 657768DEST_PATH_IMAGE003
对于输出层，若采用二分类即 logistic regression ，则前向传导到输出层：
Figure 916448DEST_PATH_IMAGE004
这里y即为感知器的输出类别为1的概率。为了训练网络，当z=1时，y越大越好，而当z=0 时，1−y越大越好，这样才能得到最优的参数。基于以上训练算法原理，可以对泛类型输入数据进行训练学习，形成自动判别机制，成功转换为计算规则库需要进行匹配的输入类型。
在业务逻辑匹配环节，自适应计算规则库主要是从经验丰富的土地审批测绘领域数据生产专家处获得知识，并把它们以模型和规则的方式进行编码，形成一套问题处理和流程控制机制。知识表示是用计算机能够接受并进行处理的符号和方式来完成的。不同的表示方法大大地影响系统的工作效率。因此，规则表示是研制专家系统的重要问题，这就需要研究如何把相应的知识与规则形式化，并转移给机器。土地审批测绘专家规则模型的设计主要包括问题信息知识化、知识概念化、概念形式化、形式规则化和规则合法化，而规则模型的逻辑信息表由知识主表、业务知识主表、业务知识从表三层结构组成。知识主表：用抽象的方式存储各类知识，包括知识ID，知识类型，知识描述，版本号，创建时间，审批时间，状态等属性。其中，知识类型用以划分系统中各种类型的专家知识，知识描述用以描述各类专家知识的特性，其他属性字段则适用于知识的发布和审批。业务知识主表：分别描述了故障诊断系统的多类专家知识，包括故障监测点知识主表，闭环测试知识主表，故障树知识主表等。业务知识明细：是具体的专家知识的存储结构。
通过上述的三层层级结构，可以为后续更为复杂的业务知识存储。
土地审批测绘自适应计算规则库主要包括录入信息的事实识别与表达、规则库集成与表示以及规则的匹配，下面对事实模型以及规则库进行详细说明：
1、事实的逻辑模型表示：
一般事实分为叶节点事实（LeafFact）和非叶节点事实（Not⁃LeafFact）。叶节点事实是不能再进一步寻因的、有数据库数据直接支撑的事实，这部分事实可以按照相应的标准进行下一步的规则库匹配；非叶节点事实是不能进一步寻因的、没有数据库数据直接支撑的事实，这事实的节点表现为无法在规则库中找到对应的匹配项，必须要有新的规则对应才能进行下一步操作。事实模型表示主要包括以下属性：{
事实名称：
事实代号：
事实描述：
是否为叶节点事实：
GET信息：
JUDGE信息：
值：
置信度：
排除故障建议：
……
}
事实名称：事实的中文 ID，方便用户和开发人员理解事实的意义；
事实代号：事实的英文 ID，唯一，不可重复，在知识库中事实的唯一标识；
事实描述：事实的详细说明；
是否为叶节点事实：事实的类别；
GET信息：获取支撑数据，只有叶节点事实才会有；
JUDGE 信息：对获取到的数据进行计算判断，只有叶节点事实才会有；值：表示该事实的状态，有正常、异常、未知等可能的状态；
置信度：计算或推理得到该事实的节点正常、异常等状态的可信度；
排除故障建议：如果该事实的节点发生故障，可以给出排除该事实的节点故障的意见
上述的对事实模型的模式就包含了事实模型的各个属性，以及各个属性所对应的定义。
2、规则的集成与通用表示
规则的表达有产生式、框架、语义网络、神经网络等表示形式，也可以简单地理解为一组条件和满足此条件下的操作。本应用产生式规则的通用表达方式如下：
if A，then B
其中：A 为规则前件，表示触发该规则需要满足的先决条件；B 为规则后件，表示触发规则后，可以得出的结论或者应该执行的操作；A 包含一个或多个前件元素（又成为“模式”），B 也包含一个或多个后件元素，当 A中的所有前件元素能在全局数据库中得到匹配时，称为模式匹配成功，该规则可以触发，推出规则后件元素。
规则主要有如下属性：
{
规则名称：
规则代号：
规则描述：
规则前件元素列表：
规则后件元素列表：
后件元素关系：
参数：
……
}
规则名称：规则的中文 ID，方便用户和开发人员理解规则的意义；
规则代号：规则的英文 ID，唯一，不可重复，在知识库中规则的唯一标识；
规则描述：规则所实现功能的详细说明；
规则前件元素列表：需要哪些事实得到匹配，才会触发该规则，是事实代号的集合；
规则后件元素列表：规则触发后可以推出哪些结论；
后件元素关系：标准关系有与或非，当然用户也可以自定义关系；
参数：后件元素关系可能会包含某个参数。
土地审批测绘自适应计算规则库定义与集成，主要包含了国土类专题、业务、成果数据格式的解译原则、数据内容的比对原则、数据正确性的一般检核原则、数据输出的标准原则、数据生产的流程控制原则等几个方面。这些原则均通过逻辑模型进行表达，以编码的形式集成为中间规则库，作为数据零向导定制的中间控制器，在尽量减少人工干预的情况下实现自然资源数据的智能化定制。
基于上述的事实模型以及规则库，针对自然资源数据处理需求，专家规则库匹配通用流程如图2所示，该流程包括：数据录入，数据类型与处理类型的判定，判定结果同化为符合专家规则库要求的事实并按照预设标准进行表达，当该结果为叶节点事实，代表可以通过规则库进行直接操作匹配，此时进行规则库的匹配。规则匹配又分为三种模式，参数匹配、关键指标比对与置信度评估匹配。其中参数匹配主要是按照符合流程控制模型的前后事件处理参数，找到相应的处理控制流程并输入相应的关键参数，进行数据处理；关键指标比对主要是根据同化结果判断数据的关键指标是否符合输出要求，是否允许进行类似坐标转换等类型操作；置信度评估主要指事实同化结果是否已经符合规则库中结果数据规则的标准，准确度与可靠性达到多少，是否可以作为输出结果进行输出。利用以上匹配方式，根据关键字匹配结果，可进行如下几种匹配计：
1.若匹配结果为制图参数解析，则首先在规则库中查找对应制图参数模板，对几何要素与属性要素进行解析和关键信息抽取，同时将几何信息分类为点、线、面三种基本结构要素，每种分类要素根据自身结构重新划分为点集合与空间索引集，结合划分结果计算出制图模板的图面范围。制图范围主要根据输入数据解析出的空间图形，计算其最大角点坐标范围，X_max,X_min Y_max, Y_min, 然后根据其根据范围差的2.5倍计算输出页面的长宽参数length 和width，针对局部图的参数计算首先要判断是横向图还是纵向图，然后根据长边的理论变长与页面变长的比值计算出整体出图比例尺；最后由于比例尺必须取整，所以再根据算出的比例尺取整后，反算出各输出参数。除范围参数外，还需要通过关键字参数匹配出规则库表示出制图图例；
2.若匹配结果为坐标转换，则根据关键字匹配结果确定目标坐标系，只抽取输入数据的几何要素信息，同时将几何信息分类为点、线、面三种基本结构要素，并将每一种信息解析成点集合和空间索引集，针对点集合中的要素利用批量转换算法进行转换运算，要判断线和面要素的方向性以及面要素的岛特征，最终将转换结果重构成原始图形组合；
3.若匹配结果为土地审批专题数据统计，则根据规则库调取辅助分析数据，一般过程为首先对输入数据进行几何要素修复，其次结合规划辅助数据要进行Identify分析，重新规整字段信息，对分析结果再与输入数据进行Intersect分析，计算相交区域的公共统计值属性，最后对于为空值的区域进行Erase分析，实现最终专题统计分析结果输出；
按照上述的自然资源的土地测绘规则库的定义方式，在各个方面的应用如下：
1、零向导自然资源专题制图：自然资源土地审批测绘成果数据包含各类专题制图工作，包括规划总图、规划局部图、现状总图、现状局部图的制作。由于制图本身要引用各类地图数据资源，预处理不同坐标系下的矢量数据，制作符号库，制定比例尺和地图输出分辨率等，需要大量的人工参与操作，因而大大增加了数据生产的复杂度和制作时间。通过集成预设好的专家规则库，用户只需要上传相应的制图数据，选择制图模式，系统将自动在后台匹配数据坐标系，查找对应年份对应图幅的专题底图数据，并通过空间运算给出符合要求的最优比例尺和制图范围，同时自动匹配符号库标识出制图图例，使工作人员可以近乎一键制作相应的专题图成果。零向导专题图生产流程如图3所示。
2、零向导数据坐标转换：鉴于在最新的自然资源数据生产和业务环节，自然资源局发文要求使用政务版国土基础数据进行用地报批审核并明确过渡期的具体要求，因而在平台应用建设当中将政务版坐标转换纳入到了数据生产专家规则库当中。由于涉及到的业务数据种类复杂格式多样，因此在专家规则库中需要对各类数据的文件格式、数据内容进行解析和转换规则匹配，最终对转换结果及转换精度进行检核，转换流程如图4所示。
3、零向导数据分析：土地审批地类统计分析是土地审批测绘业务流程中的一项重要工作。该项工作主要是通过结合用地范围数据、土地专题数据以及土地利用相关数据进行用地范围内的地类面积统计分析。由于该项工作涉及到的输入数据格式、坐标参考等信息具有多样性，同时需要结合多种辅助数据进行空间分析和指标判断，操作流程较为繁琐。本应用将地类统计分析纳入到了专家规则库当中，通过实现输入数据的识别检核以及统计方式的匹配，将与专家规则库进行快速智能匹配并给出对应统计分析结果，如图5以及图6为零向导数据分析处理流程。
通过本发明所述提供的方法，可以建立土地审批测绘多层感知器模型和知识规则模型形成该领域生产业务专家规则库，形成的应用服务可以在不需过多人工干预的情况下接收和处理该业务生产过程中的泛类型数据，结合模型内置的业务匹配逻辑规则，由规则库匹配算法代替人工操作实现关键生产环节的分支节点选择，完善了自动生产的一体化流程，有效解决了原始土地审批测绘领域系统集成度低、图属一体化程度低、生产流程破碎、人工干预过多等问题，显著提升了土地审批测绘领域的业务服务质量和智能化服务水平。
对应本发明所提供的方法，本发明实施例中还提供了一种面向土地审批测绘数据的自适应计算规则库的匹配系统，如图7所示为一种面向土地审批测绘数据的自适应计算规则库的匹配系统结构示意图，该系统包括：
获取单元901，用于获取录入的数据，对所述数据的数据类型与处理类型进行判定；
处理单元902，用于将判定结果同化为符合规则库要求的事实模型，将事实模型按照预设标准进行表达；判断所述事实模型为叶节点事实或者为非叶节点事实；在所述事实模型为叶节点事实时，进行规则库匹配；若规则库匹配成功，则进行结果输出。
进一步，在本发明实施例中，所述处理单元902，具体用于确定所述事实模型中的各个属性；在所述各个属性中确定出事实类别，并根据所述事实类别确定事实类型是否为叶节点事实。
进一步，在本发明实施例中，所述处理单元902，具体用于根据叶节点事实的属性，按照符合流程控制模型的前后事件处理参数，确定相应的处理控制流程并输入相应的关键参数，并进行数据处理；根据叶节点事实的属性，根据同化结果判断数据的关键指标是否符合输出要求，是否允许进行类似坐标转换；根据叶节点事实的属性，根据同化结果是否符合规则库中结果数据规则的标准，准确度与可靠性，是否作为输出结果输出。
进一步，在本发明实施例中，所述处理单元902，还用于在所述规则库匹配不成功时，则输出匹配失败信息，并将匹配失败信息写入日志记录，并进行故障判断。
进一步，在本发明实施例中，所述处理单元902，还用于确定用户输入的制图数据以及选择的制图模式；根据所述制图数据以及所述制图模式，在所述规则库中匹配出数据坐标系，查找出对应年份对应图幅的底图数据，并通过空间运算确定出指定比例尺和制图范围，制图范围主要根据输入数据解析出的空间图形，计算其最大角点坐标范围，X_max,X_min Y_max, Y_min, 然后根据其根据范围差的2.5倍计算输出页面的长宽参数length 和width，针对局部图的参数计算首先要判断是横向图还是纵向图，然后根据长边的理论变长与页面变长的比值计算出整体出图比例尺；最后由于比例尺必须取整，所以再根据算出的比例尺取整后，反算出各输出参数。除范围参数外，还需要通过关键字参数匹配出规则库表示出制图图例。
进一步，在本发明实施例中，所述处理单元902，还用于抽取用户指定数据的几何要素和属性要素，进行目标坐标系的数据坐标转换；根据所述目标坐标系，在所述规则库中进行关键字匹配，将几何要素实现空间图形的点集合化，对点集合要素进行坐标系匹配转换，转换完成后重构目标空间要素，与属性要素进行匹配，完成转换。
进一步，在本发明实施例中，所述处理单元902，还用于完成土地专题统计分析。则根据规则库调取辅助分析数据，按照几何要素修复----Identify分析----Intersect分析----Erase分析进行专题统计分析；
通过本发明所述提供的系统，可以建立土地审批测绘多层感知器模型和知识规则模型形成该领域生产业务专家规则库，形成的应用服务可以在不需过多人工干预的情况下接收和处理该业务生产过程中的泛类型数据，结合模型内置的业务匹配逻辑规则，由规则库匹配算法代替人工操作实现关键生产环节的分支节点选择，完善了自动生产的一体化流程，有效解决了原始土地审批测绘领域系统集成度低、图属一体化程度低、生产流程破碎、人工干预过多等问题，显著提升了土地审批测绘领域的业务服务质量和智能化服务水平。
尽管已描述了本申请的优选实施例，但本领域内的普通技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改，包括采用特定符号、标记确定顶点等变更方式。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (9)

1.一种面向土地审批测绘数据的自适应计算规则库匹配方法，其特征在于，所述方法包括：
S1.获取录入的数据，针对接收到的数据具有种类、文件格式、数据格式、编码类型多样性的情况，通过数据学习训练，建立含有隐藏中间层的多层感知器，对所述数据的数据类型与处理类型进行判定；
S2.利用经过训练的感知器模型将判定结果同化为符合规则库要求的事实模型，将事实模型按照预设标准进行表达，其中事实模型表示包括以下属性：{
事实名称：事实的中文ID，方便用户和开发人员理解事实的意义；
事实代号：事实的英文ID，唯一，不可重复，在知识库中事实的唯一标识；
事实描述：事实的详细说明；
是否为叶节点事实：事实的类别；
GET信息：获取支撑数据，只有叶节点事实才会有；
JUDGE信息：对获取到的数据进行计算判断，只有叶节点事实才会有；值：表示该事实的状态，有正常、异常、未知；
置信度：计算或推理得到该事实的节点正常、异常状态的可信度；
排除故障建议：如果该事实的节点发生故障，给出排除该事实的节点故障的意见；
}；
土地审批测绘自适应计算规则库定义与集成，包含了国土类专题、业务、成果数据格式的解译原则、数据内容的比对原则、数据正确性的一般检核原则、数据输出的标准原则、数据生产的流程控制原则，这些原则均通过逻辑模型进行表达，以编码的形式集成为中间规则库，作为数据零向导定制的中间控制器，在尽量减少人工干预的情况下实现自然资源数据的智能化定制；
S3.判断所述事实模型为叶节点事实或者为非叶节点事实，所述叶节点事实是不能再进一步寻因的、有数据库数据直接支撑的事实，这部分事实按照相应的标准进行下一步的规则库匹配；所述非叶节点事实是不能进一步寻因的、没有数据库数据直接支撑的事实，这事实的节点表现为无法在规则库中找到对应的匹配项，必须要有新的规则对应才能进行下一步操作；
S4.在所述事实模型为叶节点事实时，抽取数据中的几何要素、属性要素和匹配关键字信息进行规则库匹配；
S5.若匹配结果为制图参数解析，则利用规则库中制图参数模板对几何要素与属性要素进行解析和关键信息抽取，同时将几何信息分类为点、线、面三种基本结构要素，每种分类要素根据自身结构重新划分为点集合与空间索引集，结合划分结果计算出制图模板的图面范围；制图范围根据输入数据解析出的空间图形，计算其最大角点坐标范围，X_max ,X_min，Y_max ,Y_min ,然后根据其根据范围差的2.5倍计算输出页面的长宽参数length和width，针对局部图的参数计算首先要判断是横向图还是纵向图，然后根据长边的理论变长与页面变长的比值计算出整体出图比例尺；最后由于比例尺必须取整，所以再根据算出的比例尺取整后，反算出各输出参数；除范围参数外，还需要通过关键字参数匹配出规则库表示出制图图例；
若匹配结果为坐标转换，则根据关键字匹配结果确定目标坐标系，只抽取输入数据的几何要素信息，同时将几何信息分类为点、线、面三种基本结构要素，并将每一种信息解析成点集合和空间索引集，针对点集合中的要素利用批量转换算法进行转换运算，要判断线和面要素的方向性以及面要素的岛特征，最终将转换结果重构成原始图形组合；
若匹配结果为专题统计分析，则先对输入数据进行几何要素修复，再结合规则库调取辅助分析数据进行Identify分析，重新规整字段信息，对分析结果再与输入数据进行Intersect分析，计算相交区域的公共统计值属性，最后对于为空值的区域进行Erase分析，实现最终专题统计分析结果；
S6.若规则库匹配成功，则进行结果输出。
2.如权利要求1所述的方法，其特征在于，判断所述事实模型为叶节点事实或者为非叶节点事实，包括：
确定所述事实模型中的各个属性；
在所述各个属性中确定出事实类别，并根据所述事实类别确定事实类型是否为叶节点事实。
3.如权利要求1所述的方法，其特征在于，在所述事实模型为叶节点事实时，进行规则库匹配，包括：
根据叶节点事实的属性，按照符合流程控制模型的前后事件处理参数，确定相应的处理控制流程并输入相应的关键参数，并进行数据处理；
根据叶节点事实的属性，根据同化结果判断数据的关键指标是否符合输出要求，是否允许进行坐标转换；
根据叶节点事实的属性，根据同化结果是否符合规则库中结果数据规则的标准，准确度与可靠性，是否作为输出结果输出。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
在所述规则库匹配不成功时，则输出匹配失败信息，并将匹配失败信息写入日志记录，并进行故障判断。
5.一种基于土地审批测绘计算规则库的匹配系统，其特征在于，所述系统包括：
获取单元，用于获取录入的数据，针对接收到的数据具有种类、文件格式、数据格式、编码类型多样性的情况，通过数据学习训练，建立含有隐藏中间层的多层感知器，对所述数据的数据类型与处理类型进行判定；
处理单元，用于利用经过训练的感知器模型将判定结果同化为符合规则库要求的事实模型，将事实模型按照预设标准进行表达，其中事实模型表示包括以下属性：{事实名称：事实的中文ID，方便用户和开发人员理解事实的意义；事实代号：事实的英文ID，唯一，不可重复，在知识库中事实的唯一标识；事实描述：事实的详细说明；是否为叶节点事实：事实的类别；GET信息：获取支撑数据，只有叶节点事实才会有；JUDGE信息：对获取到的数据进行计算判断，只有叶节点事实才会有；值：表示该事实的状态，有正常、异常、未知；置信度：计算或推理得到该事实的节点正常、异常状态的可信度；排除故障建议：如果该事实的节点发生故障，给出排除该事实的节点故障的意见； }；土地审批测绘自适应计算规则库定义与集成，包含了国土类专题、业务、成果数据格式的解译原则、数据内容的比对原则、数据正确性的一般检核原则、数据输出的标准原则、数据生产的流程控制原则，这些原则均通过逻辑模型进行表达，以编码的形式集成为中间规则库，作为数据零向导定制的中间控制器，在尽量减少人工干预的情况下实现自然资源数据的智能化定制；判断所述事实模型为叶节点事实或者为非叶节点事实，所述叶节点事实是不能再进一步寻因的、有数据库数据直接支撑的事实，这部分事实按照相应的标准进行下一步的规则库匹配；所述非叶节点事实是不能进一步寻因的、没有数据库数据直接支撑的事实，这事实的节点表现为无法在规则库中找到对应的匹配项，必须要有新的规则对应才能进行下一步操作；在所述事实模型为叶节点事实时，进行规则库匹配；若匹配结果为制图参数解析，则利用规则库中制图参数模板对几何要素与属性要素进行解析和关键信息抽取，同时将几何信息分类为点、线、面三种基本结构要素，每种分类要素根据自身结构重新划分为点集合与空间索引集，结合划分结果计算出制图模板的图面范围；制图范围根据输入数据解析出的空间图形，计算其最大角点坐标范围，X_max ,X_min，Y_max ,Y_min ,然后根据其根据范围差的2.5倍计算输出页面的长宽参数length和width，针对局部图的参数计算首先要判断是横向图还是纵向图，然后根据长边的理论变长与页面变长的比值计算出整体出图比例尺；最后由于比例尺必须取整，所以再根据算出的比例尺取整后，反算出各输出参数；除范围参数外，还需要通过关键字参数匹配出规则库表示出制图图例；若匹配结果为坐标转换，则根据关键字匹配结果确定目标坐标系，只抽取输入数据的几何要素信息，同时将几何信息分类为点、线、面三种基本结构要素，并将每一种信息解析成点集合和空间索引集，针对点集合中的要素利用批量转换算法进行转换运算，要判断线和面要素的方向性以及面要素的岛特征，最终将转换结果重构成原始图形组合；若匹配结果为专题统计分析，则先对输入数据进行几何要素修复，再结合规则库调取辅助分析数据进行Identify分析，重新规整字段信息，对分析结果再与输入数据进行Intersect分析，计算相交区域的公共统计值属性，最后对于为空值的区域进行Erase分析，实现最终专题统计分析结果；若规则库匹配成功，则进行结果输出。
6.如权利要求5所述的系统，其特征在于，所述处理单元，具体用于确定所述事实模型中的各个属性；在所述各个属性中确定出事实类别，并根据所述事实类别确定事实类型是否为叶节点事实。
7.如权利要求5所述的系统，其特征在于，所述处理单元，具体用于根据叶节点事实的属性，按照符合流程控制模型的前后事件处理参数，确定相应的处理控制流程并输入相应的关键参数，并进行数据处理；根据叶节点事实的属性，根据同化结果判断数据的关键指标是否符合输出要求，是否允许进行坐标转换；根据叶节点事实的属性，根据同化结果是否符合规则库中结果数据规则的标准，准确度与可靠性，是否作为输出结果输出。
8.如权利要求5所述的系统，其特征在于，所述处理单元，还用于在所述规则库匹配不成功时，则输出匹配失败信息，并将匹配失败信息写入日志记录，并进行故障判断。
9.如权利要求5所述的系统，其特征在于，所述处理单元，还用于确定用户输入的制图数据以及选择的制图模式；根据所述制图数据以及所述制图模式，在所述规则库中匹配出数据坐标系，查找出对应年份对应图幅的底图数据，并通过空间运算确定出指定比例尺和制图范围，匹配出规则库表示出制图图例。
CN201910802893.4A 2019-08-28 2019-08-28 面向土地审批测绘数据的自适应计算规则库匹配方法及系统 Active CN111143624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910802893.4A CN111143624B (zh) 2019-08-28 2019-08-28 面向土地审批测绘数据的自适应计算规则库匹配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910802893.4A CN111143624B (zh) 2019-08-28 2019-08-28 面向土地审批测绘数据的自适应计算规则库匹配方法及系统

Publications (2)

Publication Number Publication Date
CN111143624A CN111143624A (zh) 2020-05-12
CN111143624B true CN111143624B (zh) 2022-03-22

Family

ID=70516814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910802893.4A Active CN111143624B (zh) 2019-08-28 2019-08-28 面向土地审批测绘数据的自适应计算规则库匹配方法及系统

Country Status (1)

Country Link
CN (1) CN111143624B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111737330A (zh) * 2020-06-19 2020-10-02 广联达科技股份有限公司 一种空间数据标准化方法、装置、计算机设备和存储介质
CN112561461A (zh) * 2020-09-30 2021-03-26 速聚(福建)科技有限公司 基于机器学习的政务审批方法、系统、装置及存储介质
CN112818456B (zh) * 2021-02-26 2024-02-09 深圳市万翼数字技术有限公司 图层配置方法、电子设备及相关产品
CN113031943A (zh) * 2021-03-29 2021-06-25 北京大米科技有限公司 编码生成方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143122A (zh) * 2013-05-07 2014-11-12 天津冠创科技有限公司 一种智能业务审批方案
CN108388620A (zh) * 2018-02-11 2018-08-10 珠海市测绘院 一种土地审批测绘数据处理信息系统
CN108647883A (zh) * 2018-05-10 2018-10-12 山东中创软件工程股份有限公司 一种业务审批方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701160A (zh) * 2015-12-31 2016-06-22 南威软件股份有限公司 一种监察规则引擎及其实现监察的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143122A (zh) * 2013-05-07 2014-11-12 天津冠创科技有限公司 一种智能业务审批方案
CN108388620A (zh) * 2018-02-11 2018-08-10 珠海市测绘院 一种土地审批测绘数据处理信息系统
CN108647883A (zh) * 2018-05-10 2018-10-12 山东中创软件工程股份有限公司 一种业务审批方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高集成度土地审批测绘信息系统设计与实现;高春辉等;《地理空间信息》;20180731;第16卷(第7期);77-79 *

Also Published As

Publication number Publication date
CN111143624A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN111143624B (zh) 面向土地审批测绘数据的自适应计算规则库匹配方法及系统
CN109446341A (zh) 知识图谱的构建方法及装置
CN110991474A (zh) 一种机器学习建模平台
CN105956798A (zh) 一种基于稀疏随机森林的配网设备运行状态评估方法
KR101953190B1 (ko) 복잡한 양자 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 학습 과정 및 시스템
CN112036153B (zh) 工单纠错方法、装置、计算机可读存储介质和计算机设备
CN108090231A (zh) 一种基于信息熵的主题模型优化方法
CN111105041B (zh) 一种用于智慧数据碰撞的机器学习方法及装置
CN109344227A (zh) 工单处理方法、系统和电子设备
Qomariyah et al. Comparative analysis of decision tree algorithm for learning ordinal data expressed as pairwise comparisons
CN111369294B (zh) 软件造价估算方法及装置
CN115329210A (zh) 一种基于交互图分层池化的虚假新闻检测方法
CN112784049B (zh) 一种面向文本数据的在线社交平台多元知识获取方法
CN117217602A (zh) 一种通用化及自动化的无人机任务效能评估指标构建方法
Elwakil Knowledge discovery based simulation system in construction
CN114722159B (zh) 针对数控机床制造资源的多源异构数据处理方法及系统
CN115687330A (zh) 一种汽车故障码解析方法、存储介质及电子设备
CN115526531A (zh) 一种小麦质量安全预警方法与系统
CN117556118B (zh) 基于科研大数据预测的可视化推荐系统及方法
CN112732570B (zh) 一种基于上下文环境的依恋情结代码味道检测方法
Rogushina et al. Ontology-Based Similarity Estimates for Fuzzy Data: Semantic Wiki Approach
CN117764536B (zh) 一种基于人工智能的创新创业项目辅助管理系统
CN118485046B (zh) 标注数据处理方法和装置、电子设备、计算机存储介质
CN116701730B (zh) 一种基于多元动态特征的通用飞行器案例推理系统及方法
CN116777365A (zh) 一种提高多层级智能合约交易效率方法及装置

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