CN112258645A - 基于全局特征的数字地图线要素综合方法、装置和介质 - Google Patents

Abstract

本发明公开了一种基于全局特征的数字地图线要素综合方法、装置和介质。它的实现过程如下：首先计算线要素的几何特征重要度指数，评价线要素在地图表达时的重要程度，并按照该指数从低到高进行要素删减；然后，计算地图相似度，量化每次要素删减操作对地图信息留存的改变量；再后，计算基于要素删减率和地图相似度的制图综合效果指数，并迭代进行自动综合过程；最终达到制图综合效果指数最大值时，自行结束自动综合过程。本发明在数字地图制图综合领域具有重要的实际应用价值。

Description

基于全局特征的数字地图线要素综合方法、装置和介质

技术领域

本发明涉及地图制图领域，尤其涉及一种数字地图制图领域中要素自动综合方法。

背景技术

自动综合的主要目的是在保留地图主要信息的基础上，尽可能多地删除冗余要素。所谓数据的全局特征即地图的整体信息，自动综合时考虑数据的全局特征可以有效保留地图主要信息。为了实现基于数据全局特征的自动化操作，需要建立基于地图整体信息的自动综合结果量化指标。从自动综合的目的出发，该评价指标应当与地图信息的保留程度和冗余要素的删减程度有关。基于数据全局特征的自动综合算法较难实现，一个很大的原因就是自动综合的结果难以量化表达。

因此如何基于数据全局特征实现地图中要素的自动化删减，是数字地图综合过程中的主要技术难点。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于数据全局特征的数字地图线要素自动综合的方法，可有效解决上述问题。

本发明具体采用的技术方案如下：

第一方面，本发明提供了一种基于全局特征的数字地图线要素综合方法，其包括以下步骤：

S1：对数字地图中的每个线要素计算其几何特征重要度指数，几何特征重要度指数由该线要素的长度指数、周边密度指数和连接度指数加权求和得到；

S2：按照几何特征重要度指数从低到高对数字地图中的线要素进行排序，并从数字地图中按照设定比例删减几何特征重要度指数最低的部分线要素；

S3：计算S2删减后的简化数字地图和原始数字地图之间的地图相似度S以及要素删减率Rp；

所述地图相似度S为简化数字地图的所有栅格值所构成的一维向量与原始数字地图的所有栅格值所构成的一维向量之间的相似度；

所述要素删减率Rp为简化数字地图中相对于原始数字地图被删减的线要素数量占原始数字地图中线要素总数量的比例；

S4：基于S3中得到的地图相似度S和要素删减率Rp计算S2删减后的简化数字地图的制图综合效果指数F＝(a×Rp²+b)S+(1-a×Rp²-b)Rp，其中a和b分别为常数系数且a>0；

S5：不断迭代步骤S2～S4，直到所述地图相似度S低于最低相似度阈值时停止迭代，并以迭代过程中取得的最大制图综合效果指数对应的简化数字地图作为最终输出结果，完成数字地图线要素的综合。

基于上述第一方面的技术方案，本发明还可以进一步提供以下一种或多种优选方式，且各个优选方式的技术特征在没有相互冲突的前提下，均可进行相应组合。

作为优选，数字地图中的每个线要素l的几何特征重要度指数IFI_l计算方法如下：

IFI_l＝k₁L_l+k₂M_l+k₃N_l

式中：k₁、k₂、k₃均为权重系数，且k₁+k₂+k₃＝1；

L_l为线要素l的长度指数，计算公式如下：

x＝d_l/p_z

式中：x为线要素l在数字地图中的像元长度，k₄为权重系数，d_l为线要素l的欧几里得距离长度，p_z为数字地图的分辨率大小；

M_l为线要素l的周边密度指数，计算公式如下：

M_l＝a₁tan^-1(b₁ρ_l+c₁)+d₁

式中：a₁、b₁、c₁、d₁均为权重系数，ρ_l为线要素l的周边密度，其计算公式为：

式中，P代表位于线要素l的缓冲区中且与线要素l不相交的其他线要素数量，n为线要素l的缓冲区中除线要素l之外的其他线要素的数量；

N_l为线要素l的连接度指数，计算公式如下：

N_l＝a₂tan^-1(b₂C_l+c₂)+d₂

式中：a₂、b₂、c₂、d₂均为权重系数，C_l为线要素l的连接度，其计算公式为：

C_l＝I/d_l

式中：I代表位于线要素l的缓冲区中且与线要素l相交的其他线要素数量。

作为优选，所述的地图相似度S的计算方法如下：

S301：对删减后的简化数字地图m与原始数字地图o分别进行栅格化，将矢量地图转换为栅格地图；

S302：分别对每张栅格地图进行栅格赋值，每个栅格的值为所在栅格地图中经过该像元的线元素数量；

S303：分别将两张栅格地图的栅格矩阵转换为一维向量，然后计算两个一维向量之间的余弦相似度，作为简化数字地图m与原始数字地图o之间的地图相似度S。

作为优选，所述的要素删减率Rp计算方法如下：

Rp＝N_r/N_o

式中：N_r代表简化数字地图m中相对于原始数字地图o被删减的线要素数量，N_o代表原始数字地图o中线要素总数量。

作为优选，所述的S2中，从数字地图中按照设定比例删减几何特征重要度指数最低且不作为连接线要素的部分线要素的具体步骤顺次如下：

S201：针对数字地图中的每个线要素构建两个端点要素集合，以第一集合记录与该线要素的第一个端点相交的线要素，以第二集合记录与该线要素的第二个端点相交的线要素；构建初始化为空集的第三集合，用于记录连接线要素；

S202：针对数字地图中当前的几何特征重要度指数最低的线要素，判断其是否满足删除条件，若满足则删除该线要素并执行S203，若不满足则保留该线要素并将其视为连接线要素记入第三集合中；所述删除条件为线要素对应的第一集合和第二集合中至少有一个是空集；

S203：每删除一个线要素，则更新与该线要素任一端点相交的所有线要素的两个端点要素集合，然后执行S204；

S204：检查第三要素集合中是否存在重新满足所述删除条件的线要素，若存在则删除该线要素并重新执行S203，若不存在则不进行要素删除；

S205：不断重复S202～S204，直至本轮删除的线要素数量达到所述设定比例对应的线要素数量。

作为优选，所述常数系数a＝1，常数系数b＝0。

作为优选，所述设定比例为原始数字地图中线要素总数量的0.5％～2％。

作为优选，所述几何特征重要度指数IFI_l计算过程中，权重系数k₁、k₂、k₃取值分别为0.4、0.3、0.3；

所述长度指数计算过程中，权重系数k₄取值为0.2；

所述周边密度指数计算过程中，权重系数a₁、b₁、c₁、d₁分别为1/π、-0.2、6、0.55；

所述连接度指数计算过程中，权重系数a₂、b₂、c₂、d₂分别为1/π、8、-6.3、0.45。

第二方面，本发明提供了一种基于数据全局特征的数字地图线要素综合装置，其包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如权利要求1～8任一项所述的基于全局特征的数字地图线要素综合方法。

第三方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1～8任一项所述的基于全局特征的数字地图线要素综合方法。

相比于传统的要素自动综合方法，本发明具有如下有益效果：1、从线要素几何特征的三方面综合考虑长度指数、周边密度指数和连接度指数，保留了长度长、周边密度小，连接度高的重要线要素。2、借鉴余弦相似度，提出地图相似度用于衡量删减后的地图与原始地图的相似程度。3、为避免出现线长度过短被误判删除的情况，提出控制线要素删除顺序进行解决。该删除方法有效解决了自动综合后线要素的不连续问题，并且基于线要素两侧的局部更新方法，避免了每次删除后需要对其余要素进行的全局判断，没有大幅度降低线要素的删除效率。4、针对不同场景预设准确的地图相似度较为困难，因此采用约束方程的优化思想，提出地图的制图综合效果指数对地图自动综合结果进行量化评价，当综合效果指数达到最佳时，制图综合自动停止，避免了对地图最终相似度的预设操作。

附图说明

图1是基于全局特征的数字地图线要素综合方法的流程图；

图2为长度指数图；

图3为周边密度指数图；

图4为线要素分布图；

图5为连接度指数图；

图6为本发明方法的一种实际迭代过程示意图；

图7为不同相似度下的线要素删减结果；

图8为线要素自动综合效果对比图；

图9为不同自动综合算法下的对比实验结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行详细说明。为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

如图1所示，在本发明的一个较佳实施例中，提供了一种基于全局特征的数字地图线要素综合方法，其包括以下步骤：

S1：对数字地图中的每个线要素计算其几何特征重要度指数IFI，IFI由该线要素的长度指数L、周边密度指数M和连接度指数N加权求和得到。

在本实施例中，将数字地图中的每个线要素l的几何特征重要度指数记为IFI_l，其计算方法如下：

IFI_l＝k₁L_l+k₂M_l+k₃N_l

式中：k₁、k₂、k₃均为权重系数，且k₁+k₂+k₃＝1。一般长度指数的权重应当最大，周边密度指数和连接度指数可以相同但小于长度指数。本实施例中，通过优化确定权重系数k₁、k₂、k₃取值分别为0.4、0.3、0.3。

上式中，L_l为线要素l的长度指数。线要素的长度指数是线长度的归一化值，但由于需要被删减的线要素的长度大多位于中短范围内，因此本发明通过对反比例函数进行平移、缩放得到线长度的归一化函数。该函数能保证在线要素较短时具有较大的变化率，并且该变化率随着线长的增加不断降低。同时，为了和其他指数的统一化，本发明使用像元长度作为线要素的长度单位。L_l计算公式如下：

x＝d_l/p_z

式中：x为线要素l在数字地图中的像元长度，k₄为权重系数，d_l为线要素l的欧几里得距离长度，p_z为数字地图的分辨率大小。k₄的参数值需基于经验设置，可用于控制函数形状。本实施例中设置k₄为0.2，其L_l函数图像如图2所示。。

另外，M_l为线要素l的周边密度指数，可由线要素l的周边密度ρ_l计算得到。ρ_l的计算方法是：先设定线要素l的缓冲区，然后遍历其他要素，获取位于缓冲区内的要素总量，最后除以线要素的长度。同时，为与连接度指数计算不冲突，计算线要素的周边密度时，将排除那些与原要素相交的要素。其计算公式为：

ρ_l＝P/d_l

式中，P代表位于线要素l的缓冲区中且与线要素l不相交的其他线要素数量，n为线要素l的缓冲区中除线要素l之外的其他线要素的数量。

和线长度一样，周边密度ρ_l也需要进行归一化操作，同时体现出不同密度区间内的变化差异，归一化结果称为周边密度指数M_l。线长度属性属于线要素最本质的特征，其计算不涉及到其他要素。而相邻要素的周边密度属性会相互影响，致使周边密度值分布呈现出区域性与均匀变化特性。因此，线要素的周边密度归一化函数与长度归一化函数有所不同。

这里设置两个阈值λ₁和λ₂，其中λ₁小于λ₂。当周边密度小于λ₁时，可以认为该范围内要素较为显著，周边密度指数接近于1并且变化趋势较为平缓。当周边密度大于λ₂时，可以认为该范围内的要素难以被分辨，周边密度指数接近于0并且变化趋势较为平缓。当周边密度处于λ₁和λ₂时，可以设定该范围内要素的周边密度指数同周边密度拥有接近于正比的关系。本发明使用反正切函数对周边密度ρ_l进行归一化操作，以描述上述三种情况，M_l计算公式如下：

M_l＝a₁tan^-1(b₁ρ_l+c₁)+d₁

式中：a₁、b₁、c₁、d₁均为权重系数，用于调整λ₁和λ₂的大致位置，需要基于经验进行设置。本实施例中，a₁、b₁、c₁、d₁分别设置为1/π、-0.2、6、0.55，此时λ₁大致位于20，λ₂位于40，其归一化函数M_l图像如图3所示。

另外，N_l为线要素l的连接度指数，连接度描述了线要素对周边要素的贡献程度，连接度越大，该要素越重要。如图4所示，3个线要素长度一致，线要素2相比线要素1具有更小的周边密度，线要素3相比线要素2具有更大的连接度，所以在重要程度上，线要素3>线要素2>线要素1。连接度的计算方式和周边密度较为相似，仅需要在求取周边要素过程中将非连接的要素转变为连接的要素。线要素l的连接度C_l计算公式为：

C_l＝I/d_l

式中：I代表位于线要素l的缓冲区中且与线要素l相交的其他线要素数量。

连接度也可以采用反正切函数进行归一化，N_l计算公式如下：

N_l＝a₂tan^-1(b₂C_l+c₂)+d₂

式中：a₂、b₂、c₂、d₂均为权重系数。本实施例中，权重系数a₂、b₂、c₂、d₂分别为1/π、8、-6.3、0.45，，此时λ₁大致位于0.6，λ₂位于1.1，其归一化函数N_l图像如图5所示。

S2：按照几何特征重要度指数从低到高对数字地图中的线要素进行排序，并从数字地图中按照设定比例删减几何特征重要度指数最低的部分线要素。

需要注意的是，在本步骤删减几何特征重要度指数最低的部分线要素时，是以一定的比例进行删除的。该设定比例w％即每一轮删除的线要素数量占原始数字地图中线要素总量C_t的比例，具体取值可根据实际情况进行调整，一般设定w％为0.5％～2％。当线要素排序完毕后，排在最前面的为几何特征重要度指数最低的线要素，因此每一轮迭代需删除排在最前面的w％×C_t个线要素。该“设定比例”相当于后续迭代过程中的每一轮的步长，每一轮的删除要素比例越小，后续迭代过程中最终得到的最大制图综合效果指数越接近真实值，最终制图效果越好，但整个方法所需的制图时间也越长。本实施例中，经过大量的试验，确定“设定比例”为原始数字地图中线要素总数量的1％，该取值可以平衡制图时间与最终制图效果。地图的综合过程中的每一轮迭代，都需要删除原始数字地图中线要素总数量的1％。

S3：当执行完S2后，计算S2删减后的简化数字地图(记为m)和原始数字地图(记为o)之间的地图相似度S以及要素删减率Rp。

其中，地图相似度S为简化数字地图的所有栅格值所构成的一维向量与原始数字地图的所有栅格值所构成的一维向量之间的相似度。

本实施例中，地图相似度S的计算方法如下：

S301：对删减后的简化数字地图m与原始数字地图o分别进行栅格化，将矢量地图转换为栅格地图，栅格地图中的栅格值可以预先初始化。

S302：然后分别对每张栅格地图进行栅格赋值，每个栅格的值为所在栅格地图中经过该像元的线元素数量。在实际赋值过程中，首先对可在将矢量地图栅格化后，以屏幕像元大小作为栅格像元大小，每当一条线要素经过一个像元时，该像元计数值加1，遍历所有线要素后，即可完成栅格赋值。

S303：分别将简化数字地图m与原始数字地图o的栅格矩阵分别转换为一维向量，然后计算两个一维向量之间的余弦相似度，作为简化数字地图m与原始数字地图o之间的地图相似度S。需注意，简化数字地图m与原始数字地图o的栅格矩阵转换为一维向量的过程中，需要按照相同的转换方法进行，本实施例中按照从左到右、从上到下的光栅扫描顺序进行转换。

另外，本发明中的要素删减率Rp为简化数字地图中相对于原始数字地图被删减的线要素数量占原始数字地图中线要素总数量的比例，随着迭代删减过程的进行，Rp值会不断增大。

本实施例中，要素删减率Rp计算方法如下：

Rp＝N_r/N_o

式中：N_r代表简化数字地图m中相对于原始数字地图o被删减的线要素数量，N_o代表原始数字地图o中线要素总数量。

S4：基于S3中得到的地图相似度S和要素删减率Rp计算S2删减后的简化数字地图的制图综合效果指数。

在本发明中，地图相似度S用于表达地图信息的保留程度，而额外定义的要素删减率Rp则用来体现冗余要素的删除数量，两者构成制图综合效果指数。随着要素的删减，地图相似度不断减小，要素删减率不断增加，当二者达到某一平衡时，制图综合效果指数将达到最佳值。这里把要素删减率Rp作为自变量，一个完整的自动综合过程应当是：一开始，要素删减率较低，地图相似度较高，此时应当赋予要素删减率高权重，使制图综合效果指数受益于高删减率。删减一定要素数量后，地图相似度降低，此时应当提高地图相似度的权重，避免地图相似度过低。因此，本发明中最终设定的制图综合效果指数计算公式如下：

F＝(a×Rp²+b)S+(1-a×Rp²-b)Rp

其中a和b分别为常数系数且a>0。

在该公式中，F、Rp、S均是随着迭代次数变化而变化的值，因此对于第i轮迭代而言，制图综合效果指数F(i)可以表示为下式：

F(i)＝(a×Rp(i)²+b)S(i)+(1-a×Rp(i)²-b)Rp(i)

其中i为当前迭代的轮数，常数a和b用于修改初始权重值，以控制S与Rp的重要性，本实施例最终确定常数系数a＝1，常数系数b＝0。Rp的范围为0到1，二次化的权重值可以使权重变化过程变得平滑。

S5：不断迭代步骤S2～S4，直到所述地图相似度S低于最低相似度阈值时停止迭代，并以迭代过程中取得的最大制图综合效果指数对应的简化数字地图作为最终输出结果，完成数字地图线要素的综合。

在实际实现的过程中，上述S1～S5的地图综合过程即基于制图综合效果指数F的计算公式求取F的最大值的过程，其中Rp为自变量，F为因变量。由于随着Rp的变化，地图相似度S也会发生变化，所以较难直接获取到综合效果指数的最大值MaxF，因此采取迭代法进行估计，其实际的迭代过程可采用如图6所示的循环流程。

另外，本发明中，最低相似度阈值预先确定，为要素删减的终止判断条件，其取值会影响最终的结果。如图7所示为一个案例中的地图在进行要素迭代删减过程中的结果，随着线要素的不断删减，地图相似度从1.0降低到了0.8。从图中可以发现当相似度为0.9时，被删除的大多是分布密集的线要素，基本保证了地图的重要线要素。但是当相似度为0.8时，在删除次要线要素的同时也删除了较多的重要线要素，整个结果看起来十分地破碎。所以选定合适的地图相似度显得十分重要，不同的地图需要根据其自身特点确定最佳的最低相似度阈值的取值。

需要注意的是，从图7的结果中还可以看出，当相似度为0.9时，图中圆圈标识处出现了连接线的缺失。这些线都是由于过短被误判而删除，但是从地图的制图效果角度上考虑应当保留，因此在本发明中可以在迭代步骤S2的过程中通过控制线要素删除的顺序来解决这个问题。该解决方法的主要思路为：建立一个集合用于插入未满足删除条件的线要素(可能的连接线)，每当原始数据中有线要素删除时，对该集合进行更新，确认是否有新的满足条件的线要素可以删除，该集合起到了保留连接线的作用。下面描述该解决方法在本实施例中的一种具体实现方式：

在每一轮迭代所述S2过程中，从数字地图中按照设定比例删减几何特征重要度指数最低部分线要素时，需保留两端连接有其他线要素的连接线要素，具体步骤顺次如下：

S201：针对数字地图中的每个线要素构建两个端点要素集合，以第一集合记录与该线要素的第一个端点相交的线要素，以第二集合记录与该线要素的第二个端点相交的线要素。同时构建初始化为空集的第三集合，用于记录连接线要素。为了存储方便，三个集合中可仅存储相应线要素的唯一ID。

S202：针对数字地图中当前的几何特征重要度指数最低的线要素，判断其是否满足删除条件，若满足则删除该线要素并执行S203，若不满足则保留该线要素并将其视为连接线要素记入第三集合中；所述删除条件为线要素对应的第一集合和第二集合中至少有一个是空集；

S203：每删除一个线要素，则更新与该线要素任一端点相交的所有线要素的两个端点要素集合，然后执行S204；

S204：检查第三要素集合中是否存在重新满足所述删除条件的线要素，若存在则删除该线要素并重新执行S203，若不存在则不进行要素删除；

S205：不断重复S202～S204，直至本轮删除的线要素数量达到前述设定比例对应的线要素数量。例如，本轮迭代需要删除1％C_t个线要素，那么需要不断重复S202～S204的循环，直至删除完1％C_t个线要素后，即可进行S3步骤的地图相似度S以及要素删减率Rp计算。

该删除方法有效解决了自动综合后线要素的不连续问题，并且基于线要素两侧的局部更新方法，避免了每次删除后需要对其余要素进行的全局判断，没有大幅度降低线要素的删除效率。

为了进一步说明本发明的技术效果，下面基于一个具体案例来展示上述基于全局特征的数字地图线要素综合方法在具体地图上的制图效果。

实施例

本实施例步骤与具体实施方式前述步骤相同，即步骤S1～S5，且S2步骤具体采用S201～S205实现，在此不再进行赘述。下面就部分实施过程和实施结果进行展示：

本实施例线要素数据选择OSM中国范围内的道路数据，坐标系为EPSG:4326，共包含3284928个要素，选取其中层级较低、要素数量较多且区域范围较为重要的矢量瓦片进行线要素自动综合实验。本实施例主要包含两个实验：

(1)本发明方法的有效性验证。

利用本发明方法提出的地图线要素自动综合方法进行实验，选用7/213/85瓦片作为实验区域，该区域为浙江北部，交通体系发达但是交通密度分布不均匀并以瓦片中心位置最为密集，如图8(a)所示。对该矢量瓦片进行本发明的自动综合，同时为了形成对比以相同的要素删减率对同样的矢量瓦片进行随机删除要素，其结果分别如图8(b)和图8(c)所示。从图8中可以发现采取本发明的基于全局特征的数字地图线要素综合方法的结果与原始数据具有较高的相似度，基本保留了原始地图的主要信息，同时自动综合减少了56％的要素数量。而采取随机综合方法的数据与原始数据存在较大的差异，地图相似度较低，综合结果表现出碎片化特征。所以，按照本发明的IFI从小到大对线要素进行自动化删除能够较好地保留地图原始信息。另外对自动综合后的结果进行局部放大，从中可以发现，大部分被删除要素都属于细而密的道路，这些道路在真实世界中大多属于街道级别。

(2)本发明方法与其他算法的对比。

将本发明方法与矢量瓦片中常用的按长度阈值直接进行删减的综合算法(该算法被Geoserver所采用)进行比较，数据选择6/106/42瓦片。

结果如图9所示，其中(a)为原始瓦片数据，(b)为基于本发明的自动综合算法下的要素结果，(c)为采用1像素作为长度阈值进行删减的要素结果。其中，(b)综合结果无论是数据分布密集或是零散的区域都与原始瓦片数据具有较高的相似度。而对于(c)来说，在圆圈内中的要素密集区域，表现的结果不够理想，整体结果相比原始数据集呈现出破碎的现象。这是因为该算法仅仅从要素自身特征出发进行要素删减，而未考虑全局特征。大量的连接要素由于未达到1像元长度而被删除，这些连接要素的缺失导致了综合结果与原始数据集产生了较大的差异，且这种差异随着要素密集程度的增加与缩放层级的减小将更为明显。

因此在要素层级较低或要素规模较大时，选择本发明方法相比基于阈值进行要素删减的综合方法在要素表现上更加优秀。

另外，在其他实施例中，还可以提供一种基于数据全局特征的数字地图线要素综合装置，其包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现前述的基于全局特征的数字地图线要素综合方法。

另外，在其他实施例中，还可以提供一种计算机可读存储介质，该存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现前述的基于全局特征的数字地图线要素综合方法。

以上所述的实施例只是本发明的部分较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (10)

1.一种基于全局特征的数字地图线要素综合方法，其特征在于，包括以下步骤：

S1：对数字地图中的每个线要素计算其几何特征重要度指数，几何特征重要度指数由该线要素的长度指数、周边密度指数和连接度指数加权求和得到；

S2：按照几何特征重要度指数从低到高对数字地图中的线要素进行排序，并从数字地图中按照设定比例删减几何特征重要度指数最低的部分线要素；

S3：计算S2删减后的简化数字地图和原始数字地图之间的地图相似度S以及要素删减率Rp；

所述地图相似度S为简化数字地图的所有栅格值所构成的一维向量与原始数字地图的所有栅格值所构成的一维向量之间的相似度；

所述要素删减率Rp为简化数字地图中相对于原始数字地图被删减的线要素数量占原始数字地图中线要素总数量的比例；

S4：基于S3中得到的地图相似度S和要素删减率Rp计算S2删减后的简化数字地图的制图综合效果指数F＝(a×Rp²+b)S+(1-a×Rp²-b)Rp，其中a和b分别为常数系数且a>0；

S5：不断迭代步骤S2～S4，直到所述地图相似度S低于最低相似度阈值时停止迭代，并以迭代过程中取得的最大制图综合效果指数对应的简化数字地图作为最终输出结果，完成数字地图线要素的综合。

2.如权利要求1所述的基于全局特征的数字地图线要素综合方法，其特征在于，数字地图中的每个线要素l的几何特征重要度指数IFI_l计算方法如下：

IFI_l＝k₁L_l+k₂M_l+k₃N_l

式中：k₁、k₂、k₃均为权重系数，且k₁+k₂+k₃＝1；

L_l为线要素l的长度指数，计算公式如下：

x＝d_l/p_z

式中：x为线要素l在数字地图中的像元长度，k₄为权重系数，d_l为线要素l的欧几里得距离长度，p_z为数字地图的分辨率大小；

M_l为线要素l的周边密度指数，计算公式如下：

M_l＝a₁tan^-1(b₁ρ_l+c₁)+d₁

式中：a₁、b₁、c₁、d₁均为权重系数，ρ_l为线要素l的周边密度，其计算公式为：

ρ_l＝P/d_l

式中，P代表位于线要素l的缓冲区中且与线要素l不相交的其他线要素数量，n为线要素l的缓冲区中除线要素l之外的其他线要素的数量；

N_l为线要素l的连接度指数，计算公式如下：

N_l＝a₂tan^-1(b₂C_l+c₂)+d₂

式中：a₂、b₂、c₂、d₂均为权重系数，C_l为线要素l的连接度，其计算公式为：

C_l＝I/d_l

式中：I代表位于线要素l的缓冲区中且与线要素l相交的其他线要素数量。

3.如权利要求1所述的基于全局特征的数字地图线要素综合方法，其特征在于，所述的地图相似度S的计算方法如下：

S301：对删减后的简化数字地图m与原始数字地图o分别进行栅格化，将矢量地图转换为栅格地图；

S302：分别对每张栅格地图进行栅格赋值，每个栅格的值为所在栅格地图中经过该像元的线元素数量；

S303：分别将两张栅格地图的栅格矩阵转换为一维向量，然后计算两个一维向量之间的余弦相似度，作为简化数字地图m与原始数字地图o之间的地图相似度S。

4.根据权利要求1所述的基于全局特征的数字地图线要素综合方法，其特征在于，所述的要素删减率Rp计算方法如下：

Rp＝N_r/N_o

式中：N_r代表简化数字地图m中相对于原始数字地图o被删减的线要素数量，N_o代表原始数字地图o中线要素总数量。

5.根据权利要求1所述的基于全局特征的数字地图线要素综合方法，其特征在于，在每一轮迭代所述S2过程中，从数字地图中按照设定比例删减几何特征重要度指数最低部分线要素时，需保留两端连接有其他线要素的连接线要素，具体步骤顺次如下：

S201：针对数字地图中的每个线要素构建两个端点要素集合，以第一集合记录与该线要素的第一个端点相交的线要素，以第二集合记录与该线要素的第二个端点相交的线要素；构建初始化为空集的第三集合，用于记录连接线要素；

S202：针对数字地图中当前的几何特征重要度指数最低的线要素，判断其是否满足删除条件，若满足则删除该线要素并执行S203，若不满足则保留该线要素并将其视为连接线要素记入第三集合中；所述删除条件为线要素对应的第一集合和第二集合中至少有一个是空集；

S203：每删除一个线要素，则更新与该线要素任一端点相交的所有线要素的两个端点要素集合，然后执行S204；

S204：检查第三要素集合中是否存在重新满足所述删除条件的线要素，若存在则删除该线要素并重新执行S203，若不存在则不进行要素删除；

S205：不断重复S202～S204，直至本轮删除的线要素数量达到所述设定比例对应的线要素数量。

6.根据权利要求1所述的基于全局特征的数字地图线要素综合方法，其特征在于，所述常数系数a＝1，常数系数b＝0。

7.根据权利要求1所述的基于全局特征的数字地图线要素综合方法，其特征在于，所述设定比例为原始数字地图中线要素总数量的0.5％～2％。

8.根据权利要求1所述的基于全局特征的数字地图线要素综合方法，其特征在于，所述几何特征重要度指数IFI_l计算过程中，权重系数k₁、k₂、k₃取值分别为0.4、0.3、0.3；

所述长度指数计算过程中，权重系数k₄取值为0.2；

所述周边密度指数计算过程中，权重系数a₁、b₁、c₁、d₁分别为1/π、-0.2、6、0.55；

所述连接度指数计算过程中，权重系数a₂、b₂、c₂、d₂分别为1/π、8、-6.3、0.45。

9.一种基于数据全局特征的数字地图线要素综合装置，其特征在于，包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如权利要求1～8任一项所述的基于全局特征的数字地图线要素综合方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1～8任一项所述的基于全局特征的数字地图线要素综合方法。

Images