CN116737817B - 多源异构数据融合方法、设备及计算机可读存储介质 - Google Patents
多源异构数据融合方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116737817B CN116737817B CN202310976043.2A CN202310976043A CN116737817B CN 116737817 B CN116737817 B CN 116737817B CN 202310976043 A CN202310976043 A CN 202310976043A CN 116737817 B CN116737817 B CN 116737817B
- Authority
- CN
- China
- Prior art keywords
- data
- source heterogeneous
- fusion
- model
- target
- 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
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 199
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000000007 visual effect Effects 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 8
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000007499 fusion processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种多源异构数据融合方法、设备及计算机可读存储介质，属于数据管理技术领域。该方法包括：获取多源异构数据，从所述多源异构数据中抽取出待融合的多源异构数据，确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统，其中，所述目标融合子系统用于融合所述待融合的多源异构数据。本发明通过分流处理，旨在实现充分利用数据价值。
Description
技术领域
本发明涉及数据管理技术领域，尤其涉及多源异构数据融合方法、设备及计算机可读存储介质。
背景技术
多源异构数据，是指平台接入来自多个不同数据源的数据，其数据格式、类型、特征等不同，通常需要将这些数据融合后，才能进一步进行多维数据分析，以挖掘出数据资源更深层的价值。
在相关技术中，通常采用统一的多源异构数据融合算法，即通过数据预处理、特征提取、特征融合和模型构建四个步骤对所有数据进行融合，其中，数据预处理是指对原始数据进行清洗、去噪、归一化和标准化等操作；特征提取是指从原始数据中提取出有用的特征；特征融合则是将来自不同数据源的特征进行整合和融合；模型构建则是利用融合后的数据和特征构建相应的模型。
然而，面对来源于多个业务系统的数据，由于不同业务系统之间完全割裂，故其数据的生命周期存在较大差异，如业务系统产生的数据不在同一时间、数据更新时间不同，若仍采用统一的多源异构数据融合算法，则容易产生空间信息层次割裂、空间信息难以空间化、空间信息与非空间信息缺乏上下文关系等问题，进而难以建立有效的数据关联，导致数据价值利用不充分。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种多源异构数据融合方法、设备及计算机可读存储介质，旨在解决数据价值利用不充分的技术问题。
为实现上述目的，本发明提供一种多源异构数据融合方法，所述多源异构数据融合方法包括以下步骤：
可视化空间数据平台通过源数据接口获取多源异构数据；
通过统一数据读取接口，从所述多源异构数据中抽取出待融合的多源异构数据，发送至数据融合系统；
所述数据融合系统获取所述待融合的多源异构数据；
确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统，其中，所述目标融合子系统用于融合所述待融合的多源异构数据。
可选地，所述目标数据类型包括时空数据，所述目标融合子系统包括时空数据融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
参照所述可视化空间数据平台的标准坐标系，对所述多源异构数据的数据坐标系进行统一和配准；
根据用户需求，对所述多源异构数据的格式和精度进行调整；
将所述多源异构数据划分为属性不同的各类数据，针对每类数据，采用对应的轻量化技术进行轻量化处理；
对所述多源异构数据进行格式转换，得到标准格式数据；
对所述多源异构数据的矢量面数据进行转换处理设置，得到标准矢量面数据。
可选地，所述目标数据类型包括政务信息数据，所述目标融合子系统包括政务信息融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
基于数据属性，将所述多源异构数据划分为政务非空间信息和政务空间信息；
对于所述政务非空间信息，通过匹配处理，确定地址和坐标之间的对应关系；
对于所述政务空间信息，基于所述可视化空间数据平台的三维地形数据和三维地理空间数据，对所述政务空间信息中的倾斜摄影数据、三维模型数据和道路模型进行融合。
可选地，所述目标数据类型包括建筑信息模型，所述目标融合子系统包括建筑信息和地理信息融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
对所述多源异构数据进行格式转换和坐标投影；
基于数据属性，将所述多源异构数据划分为结构化模型数据和非结构化模型数据：
对于所述结构化模型数据，从中提取构件几何信息、构件属性信息和模型材质信息，并分别采用不同的存储方式进行存储；
对于所述非结构化模型数据，通过数据处理，将所述非结构化模型数据的文档转换为同结构模型数据，经权重设置和关联度计算，确定所述同结构模型数据和模型实体之间的关联关系；
对所述结构化模型数据和所述非结构化模型数据，采用数模分离技术和三角网简化技术进行轻量化处理，汇总得到轻量化后的模型数据；
将所述同结构模型数据和模型实体之间的关联关系，添加到所述轻量化后的模型数据中，得到模型语义信息与实体的映射关系。
可选地，所述目标数据类型包括物联数据，所述目标融合子系统包括物联数据融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
从所述多源异构数据中读取传感器的时间序列，并通过时间匹配算法，将所述时间序列映射到数字底板的时间标签序列；
从所述多源异构数据中读取传感器的位置感知数据，并根据数字底板的标准坐标系，对所述传感器的坐标系进行转换，得到标准位置感知数据；
对所述标准位置感知数据进行水平位置的二维映射，确定所述传感器与空间实体的关联关系，并将所述关联关系存入数据库。
可选地，所述目标数据类型包括视频数据，所述目标融合子系统包括视频三维场景融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
基于所述多源异构数据中的摄像机图像序列视频，确定摄像机的模型视图矩阵和投影矩阵；
根据所述模型视图矩阵和所述投影矩阵，计算所述摄像机的视锥体几何结构；
根据所述型视图矩阵、所述投影矩阵和所述视锥体几何结构，将所述多源异构数据和三维场景进行融合。
可选地，所述目标融合子系统通过目标数据类型对应的目标融合算法，对所述多源异构数据进行融合的步骤之后，还包括：
若数据融合结果不满足业务需求，则执行所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤；
若数据融合结果满足所述业务需求，则对所述数据融合结果进行加密处理，并将加密处理后的数据融合结果进行存储和发布。
可选地，所述数据融合结果包括三维网格模型，所述对所述数据融合结果进行加密处理，并将加密处理后的数据融合结果进行存储和发布的步骤包括：
确定所述三维网格模型的网格面片和网格顶点，对所述网格面片构成置乱，以及对所述网格顶点进行坐标扰动；
将加密处理后的数据融合结果存储到多源空间数据库，并将所述加密处理后的数据融合结果以服务的形式发布。
此外，为实现上述目的，本发明还提供一种多源异构数据融合设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多源异构数据融合程序，所述多源异构数据融合程序配置为实现所述的多源异构数据融合方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有多源异构数据融合程序，所述多源异构数据融合程序被处理器执行时实现所述的多源异构数据融合方法的步骤。
在本发明提供的一个技术方案中，先由可视化空间数据平台汇集多源异构数据，从中筛选待融合的多源异构数据发送至数据融合系统，然后由数据融合系统将待融合的多源异构数据分流对应的目标融合子系统，在目标融合子系统中，实现数据融合。本方案充分考虑各类数据的生命周期差异和数据结构差异，通过分流处理，实现对时空数据、政务信息数据、建筑信息模型、物联数据、视频数据等多类数据的不同融合，避免空间信息层次割裂、信息丢失等问题，使得各类数据都能有效融合于城市可视化空间数据平台，充分利用数据价值，有效支撑城市治理决策。
附图说明
图1为本发明多源异构数据融合方法第一实施例的流程示意图；
图2为本发明多源异构数据融合方法第二实施例的流程示意图；
图3为本发明多源异构数据融合方法第三实施例的流程示意图；
图4为本发明多源异构数据融合方法第四实施例的流程示意图；
图5为本发明多源异构数据融合方法第五实施例的流程示意图；
图6为本发明多源异构数据融合方法第六实施例的流程示意图；
图7为本发明多源异构数据融合方法第七实施例的流程示意图；
图8为本发明实施例方案涉及的硬件运行环境的多源异构数据融合设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可视化空间数字平台，是通过三维表现技术来表示复杂的信息，实现对海量数据的立体体现。
可视化空间数字平台接入的各类多源异构数据资源数量庞大且信息丰富多样，但由于这些数据来源于相互割裂的业务系统，不同业务系统中的数据生命周期各不相同，如业务系统产生的数据不在同一时间、数据更新时间不同，若仍采用统一的多源异构数据融合算法，则容易产生空间信息层次割裂、空间信息难以空间化、空间信息与非空间信息缺乏上下文关系等问题，进而难以建立有效的数据关联，导致数据价值利用不充分。
另外，业务系统接入的各类数据的数据结构不一致，数据融合过程中会出现信息丢失问题，如：BIM数据（Building Information Model，建筑信息模型）和GIS数据（Geographic Information System，地理信息系统）对空间对象的表达不一致，IFC（Industry Foundation Class，工业基础类）对实体信息的表达以及表达形式更丰富，因此在二者融合的过程中会出现语义信息丢失的问题。
而且，目前缺乏对大尺度区域如城市级、城市群级的物联感知数据与建筑模型数据的集成融合方法。
本发明根据多源异构数据所属的目标数据类型，将多源异构数据分流至目标数据类型对应的目标融合子系统，以针对不同类型的多源异构数据，采用不同的融合方式，从而实现解决融合过程中的各类问题。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种多源异构数据融合方法，参照图1，图1为本发明一种多源异构数据融合方法第一实施例的流程示意图。
本实施例中，所述多源异构数据融合方法包括：
步骤S11：可视化空间数据平台通过源数据接口获取多源异构数据；
可以理解的是，可视化空间数字平台，是通过三维表现技术来表示复杂的信息，实现时空数据、政务信息数据、建筑信息模型、物联数据、视频数据等信息的统一标准、统一汇聚和统一服务。多源异构数据，是指平台接入来自多个不同数据源的数据，其数据格式、类型、特征等不同，通常需要将这些数据融合后，才能进一步进行多维数据分析，以挖掘出数据资源更深层的价值。
可选地，多源异构数据来自于不同的业务系统，故可视化空间数据平台需向各业务系统发送请求，通过访问业务系统已经定义好的源数据接口，获取各业务系统中的数据，以将多源异构数据汇集到可视化空间数据平台中。
步骤S12：通过统一数据读取接口，从所述多源异构数据中抽取出待融合的多源异构数据，发送至数据融合系统；
可以理解的是，从业务系统获取的多源异构数据中，存在诸多无效数据，对于这些数据不需要进行融合。
可选地，通过统一数据读取接口，从多源异构数据中抽取出待融合的多源异构数据，发送至数据融合系统，以进一步执行融合处理。其中，待融合的多源异构数据是由技术人员根据实际需求设定的，本实施例不作具体限定。
示例性地，先通过源数据接口，无损接入各类结构化和非结构化的BIM数据到可视化空间数据平台中，再通过统一数据读取接口，从中抽取待融合的多源异构数据到数据融合系统，如抽取某一RVT格式（Autodesk Revit Architecture，建筑信息模型软件）的BIM数据。
步骤S13：所述数据融合系统获取所述待融合的多源异构数据；
步骤S14：确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统，其中，所述目标融合子系统用于融合所述待融合的多源异构数据。
可以理解的是，数据融合系统包括若干数据融合子系统，数据融合系统在获取待融合的多源异构数据后，由于多源异构数据具备异构性，故需要将所有的多源异构数据进行分流。
可选地，确定待融合的多源异构数据所属的目标数据类型，如时空数据，然后确定目标数据类型对应的目标融合子系统，如时空数据融合子系统，至此，便可以将待融合的多源异构数据分流至目标融合子系统，如将时空数据分流至时空数据融合子系统。
进一步地，在目标融合子系统中，对待融合的多源异构数据进行数据处理、关联、融合等操作，如：数据标准化处理、统一参考坐标系、时间配准、空间配准以及对应数据类型的特性化处理。
需要注意的是，在将多源异构数据进行分流之前，可以先检查多源异构数据的数据类型，是否属于支持融合的目标数据类型，和/或，检查多源异构数据的数据格式，是否属于支持融合的目标数据格式。示例性地，多源异构数据为RVT格式的BIM数据，BIM数据属于目标数据类型，且RVT格式属于目标数据格式，故可以将该源异构数据分流至建筑信息和地理信息融合子系统。
在本实施例提供的一个技术方案中，先由可视化空间数据平台汇集多源异构数据，从中筛选待融合的多源异构数据发送至数据融合系统，然后由数据融合系统将待融合的多源异构数据分流对应的目标融合子系统，在目标融合子系统中，实现数据融合。本方案充分考虑各类数据的生命周期差异和数据结构差异，通过分流处理，实现对时空数据、政务信息数据、建筑信息模型、物联数据、视频数据等多类数据的不同融合，避免空间信息层次割裂、信息丢失等问题，使得各类数据都能有效融合于城市可视化空间数据平台，充分利用数据价值，有效支撑城市治理决策。
进一步的，参照图2，提出本发明多源异构数据融合方法第二实施例。基于上述图1所示的实施例，所述目标数据类型包括时空数据，所述目标融合子系统包括时空数据融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
步骤S21：参照所述可视化空间数据平台的标准坐标系，对所述多源异构数据的数据坐标系进行统一和配准；
可以理解的是，时空数据包括基础地理要素、基础地质要素、海洋地理要素、三维地形模型和三维要素模型等。若多源异构数据为前述数据，则确定多源异构数据属于时空数据。
可选地，确定多源异构数据中的矢量数据、栅格数据等二维数据，以及三维实景、三维模型等三维数据，然后将前述数据输入三维数据坐标转换模块，首先获取多源异构数据的数据坐标系，与可视化空间数据平台的标准坐标系比对，若两个坐标系一致则不转换，若不一致则通过算法将数据坐标系转换成系统坐标系，实现坐标系统一。
进一步地，统一到一个坐标系后，一般Z方向还是会因为数据精度的问题出现偏差，此时则需要获取技术人员的调整指令，并根据调整指令对Z方向调整，以精确实现坐标配准。
步骤S22：根据用户需求，对所述多源异构数据的格式和精度进行调整；
可选地，确定多源异构数据中的CityGML、IFC格式的模型数据，以及矢量建筑轮廓（ShapeFile格式）自动构建的模型数据，将前述数据输入语义模型转换模块，依据用户需求，对数据的格式和精度进行调整，导出不同格式、不同精度的多源异构数据。
步骤S23：将所述多源异构数据划分为属性不同的各类数据，针对每类数据，采用对应的轻量化技术进行轻量化处理；
可选地，以数据属性为标准，将多源异构数据划分为若干类数据，如手工精细建模数据、倾斜摄影实景数据等，然后针对每类数据，采用对应的轻量化技术进行轻量化处理。
示例性地，针对手工精细建模数据：通过外壳提取、三角网简化、移除重复点等数据轻量化技术，实现手工精细模型表达小场景和GIS表达大场景融合，手工精细模型+GIS在数据和界面的深度融合；
示例性地，针对倾斜摄影实景数据：通过分布式技术实现对大规模倾斜摄影建模数据进行分布式合并根节点、纹理压缩、单体化、修改中心点、裁剪、转三维缓存并存入分布式存储数据库，再发布服务；
示例性地，针对部分地形数据体量较大的数据：通过分布式技术实现对大规模地形数据进行分布式生成地形缓存并追加到分布式存储数据库后再发布服务,实现海量高效管理；
示例性地，针对三维场数据：利用TIM、体元栅格等模型来表达三维空间中连续、非均质的三维属性场，如温度、湿度、磁场强度等；
示例性地，针对二维矢量数据：通过一键规则建模功能，根据房屋矢量面数据特征，基于GIS引擎构建处理自动化模型，实现输入建筑物Shp数据，一键输出城市级白膜轻量化缓存，完成二维快速建模与三维深度结合。
步骤S24：对所述多源异构数据进行格式转换，得到标准格式数据；
可选地，将多源异构数据输入三维模型数据转换模块，通过信息识别读取、转换参数设置、经纬度局部坐标系选择、EPSG编码选择、配置文件信息解析，得到标准格式数据，如3D Tiles（三维空间数据标准）格式数据。
步骤S25：对所述多源异构数据的矢量面数据进行转换处理设置，得到标准矢量面数据。
可选地，将多源异构数据输入矢量面数据转换模块，以读取建筑物三维白模数据，即矢量面数据，然后对矢量面数据进行数据转换处理设置，如：楼顶分离、构造底面、绝对高度设置、强制双面设置、光照设置、顶点压缩等，最后输出标准矢量面数据，如3D Tiles格式矢量面数据。
需要注意的是，上述步骤的顺序可以随意设置，本方案只是提供了一种具体处理顺序，不构成限定，后续实施例同理。
在本实施例提供的一个技术方案中，提供了时空数据融合子系统，针对时空数据类型的多源异构数据的具体融合方式，实现数据从空间和时间两个维度进行融合，并提供相应的统一参考坐标系、精度调整、格式转化等能力。如此设置，在统一的时空坐标系统下，实现各类数据的深度集成与融合，以产生比任何单独的数据源更有价值信息，还能够向外部提供数据检索和展示等功能，实现数据按需响应、按需服务、按需获取。
进一步的，参照图3，提出本发明多源异构数据融合方法第三实施例。基于上述图1所示的实施例，所述目标数据类型包括政务信息数据，所述目标融合子系统包括政务信息融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
步骤S31：基于数据属性，将所述多源异构数据划分为政务非空间信息和政务空间信息；
可选地，基于数据属性，即是否反映地理实体空间分布特征，将多源异构数据划分为政务非空间信息和政务空间信息。
步骤S32：对于所述政务非空间信息，通过匹配处理，确定地址和坐标之间的对应关系；
可选地，政务非空间信息包括地址数据和坐标数据，针对地址数据，首先对地址数据进行分词，根据与系统的标准词典数据对应，找到最相似的地址，匹配对应的坐标信息；针对坐标数据，获取到与该坐标数据最近的地址数据，匹配对应的地址信息。以上双重匹配过程，实现了地址和坐标之间的对应关系。
步骤S33：对于所述政务空间信息，基于所述可视化空间数据平台的三维地形数据和三维地理空间数据，对所述政务空间信息中的倾斜摄影数据、三维模型数据和道路模型进行融合。
可以理解的是，政务空间信息包括倾斜摄影数据、三维模型数据和道路模型等，上述数据需要和可视化空间数据平台中的对应数据进行融合。
可选地，政务空间信息中的倾斜摄影数据与平台的三维地形数据的融合，原理同S21-S25，在此不再赘述。另外，针对融合过程中高度不匹配的问题，通过将三维地形数据生成为TIN（Triangulated Irregular Network，不规则三角网）地形，对融合范围内的地形数据进行挖洞或者镶嵌操作，在TIN地形镶嵌功能中设置缓坡参数，实现数据衔接处的平滑过渡。
可选地，政务数据中的三维模型数据与平台的三维地理空间数据的融合，原理同S21-S25，在此不再赘述，实现了在超大区域内三维模型配准。
可选地，政务数据中的道路模型是对真实世界的精细化局部进行重点突出，先将三维地形数据生成为TIN地形，通过投影、坐标转换、同名点匹配等，实现道路模型和TIN地形的精细化对接。
在本实施例提供的一个技术方案中，提供了政务信息融合子系统，针对政务信息数据类型的多源异构数据的具体融合方式，针对接入的空间类（空间信息）、文本类（非空间信息）、表单类（非空间信息）的政务数据，基于统一的空间参考基准和时间基准，通过空间语义信息提取、空间目标对象识别、空间位置坐标和地名地址匹配等操作，把政务数据和基础时空底板数据进行关联，实现政务数据与可视化空间平台的集成融合。如此设置，能够实现跨部门的政府信息资源共享和政务协同，避免数据重复采集，提升处理及分析响应时间。基于空间的高度集成各类政务信息能够更好的精细化分析和空间分析，提供满足群众需求、针对性的公共服务，提高政府部门决策的科学化水平，让政府的管理服务效能提升。
进一步的，参照图4，提出本发明多源异构数据融合方法第四实施例。基于上述图1所示的实施例，所述目标数据类型包括建筑信息模型，所述目标融合子系统包括建筑信息和地理信息融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
步骤S41：对所述多源异构数据进行格式转换和坐标投影；
可以理解的是，BIM（Building Information Modeling，建筑信息模型）软件非常多样化，产生的BIM数据格式非常多，如DWG、DXF、DGN、NWD、RVT、PLN等，这些模型格式采用了不同的数据结构和数据标准，相互之间无法直接集成与共享。
可选地，对所有的多源异构数据进行格式转换，即将不同格式的BIM数据，统一转换成标准数据格式，如符合IFC标准的数据格式。
进一步地，参照可视化空间数据平台的标准坐标系，对多源异构数据进行坐标投影转换，转换成平台统一的标准坐标系。
步骤S42：基于数据属性，将所述多源异构数据划分为结构化模型数据和非结构化模型数据；
可以理解的是，基于数据属性，即是否满足数据格式和规则，将多源异构数据划分为结构化模型数据和非结构化模型数据。
需要注意的是，建筑信息和地理信息融合子系统在接入建筑信息模型时，便可区分结构化模型数据和非结构化模型数据，并分别采用规范化手段无损接入，以减少几何信息和语义信息的丢失。
步骤S43：对于所述结构化模型数据，从中提取构件几何信息、构件属性信息和模型材质信息，并分别采用不同的存储方式进行存储；
可选地，针对结构化模型数据，首先将模型内各类构件的几何信息提取并存储为OBJ文件，然后将BIM模型的每个构件的属性信息提取并存储到基于IFC标准的建筑信息模型数据库中，再提取出模型的材质信息存储到材质库中。
步骤S44：对于所述非结构化模型数据，通过数据处理，将所述非结构化模型数据的文档转换为同结构模型数据，经权重设置和关联度计算，确定所述同结构模型数据和模型实体之间的关联关系；
可选地，首先去掉没有信息的停用词，构建向量空间模型，将非结构化模型数据的文档转换为一组具有相同结构的数据，定义为同结构模型数据。
进一步地，对于同结构模型数据中的词汇，根据词汇出现频率赋予权重，然后采用TF-IDF方法（term frequency–inverse document frequency，词频-逆文本频率指数）进行关联度计算，通过分别计算同结构模型数据与各实体之间的关联度，从中选择关键度最高的一组建立关联关系。
步骤S45：对所述结构化模型数据和所述非结构化模型数据，采用数模分离技术和三角网简化技术进行轻量化处理，汇总得到轻量化后的模型数据；
可选地，首先通过数模分离技术，将结构化模型数据和非结构化模型数据的非几何数据剥离，减小模型的数据量。之后通过三角网简化技术去除大量冗余的三角面，再对模型进行精细度的LOD分层缓存，最终汇总得到轻量化后的模型数据，上述轻量化处理降低了BIM模型的数据量，节约客户端电脑渲染计算量，提高BIM模型下载、渲染、处理速度。
步骤S46：将所述同结构模型数据和模型实体之间的关联关系，添加到所述轻量化后的模型数据中，得到模型语义信息与实体的映射关系。
可选地，将同结构模型数据和模型实体之间的关联关系，添加到轻量化后的模型数据当中，建立BIM语义信息与实体的映射关系，用户可根据模型提取相关文档。
另外，在政务信息数据融合过程中，通过TIN地形和倾斜摄影模型的裁剪、挖洞、镶嵌、布尔运算以及表面运算等功能，可方便地实现BIM嵌入地形、嵌入倾斜摄影模型。
在本实施例提供的一个技术方案中，提供了建筑信息和地理信息融合子系统，针对建筑信息模型类型的多源异构数据的具体融合方式，通过区分结构化模型数据和非结构化模型数据，并采用分别接入、分类处理的方式，减少几何信息和语义信息的丢失，满足大规模BIM模型数据与城市地理空间数据的融合。如此设置，建筑信息提供了微观的数据信息，地理信息提供了建筑信息在宏观环境中的位置信息及周边环境，两者融合实现了城市宏观大场景与精细局部模型无缝可视化，能够为用户提供更加真实、准确的可视化体验，以及三维空间分析数据支撑。
进一步的，参照图5，提出本发明多源异构数据融合方法第五实施例。基于上述图1所示的实施例，所述目标数据类型包括物联数据，所述目标融合子系统包括物联数据融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
步骤S51：从所述多源异构数据中读取传感器的时间序列，并通过时间匹配算法，将所述时间序列映射到数字底板的时间标签序列；
可以理解的是，物联数据融合子系统主要是针对通过各类传感器、射频技术RFID、红外感应器、激光扫描器等各种装置与技术所采集到的多层次、多方面的数据进行处理，以下方案以传感器为例。
可选地，通过数据汇聚模块，读取传感器的时间序列，与可视化空间数据平台的数字底板的时间标签比对，通过时间匹配算法将时间序列映射到数字底板的时间标签序列，使得传感器与数字底板保持时间基准一致。
步骤S52：从所述多源异构数据中读取传感器的位置感知数据，并根据数字底板的标准坐标系，对所述传感器的坐标系进行转换，得到标准位置感知数据；
可选地，通过数据汇聚模块，读取传感器的位置感知数据，如传感器的坐标、标高信息和坐标系信息。
进一步地，参照数字底板的标准坐标系，将传感器的坐标系转换为与平台数字底板一致的坐标系统，实现空间基准统一。相应地，传感器的位置感知数据也会进行坐标转换，得到标准位置感知数据。
步骤S53：对所述标准位置感知数据进行水平位置的二维映射，确定所述传感器与空间实体的关联关系，并将所述关联关系存入数据库。
可选地，将标准位置感知数据进行水平位置的二维映射，使得位置坐标与数字底板的地理环境求交，获得传感器与空间实体的关联关系。
进一步地，将传感器与空间实体的关联关系存入数据库，从而实现基于空间的传感数据调用和可视化表达。
在本实施例提供的一个技术方案中，提供了物联数据融合子系统，针对物联数据类型的多源异构数据的具体融合方式，实现各类物联数据的融合。如此设置，将物联设备在三维模型中进行空间关联和数据关联，在地形、影像、实景三维模型的辅助下，能够实现图形和信息的一体化应用，使抽象的数据具体化、形象化。
进一步的，参照图6，提出本发明多源异构数据融合方法第六实施例。基于上述图1所示的实施例，所述目标数据类型包括视频数据，所述目标融合子系统包括视频三维场景融合子系统，所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤之后，包括：
步骤S61：基于所述多源异构数据中的摄像机图像序列视频，确定摄像机的模型视图矩阵和投影矩阵；
可选地，根据多源异构数据中的摄像机图像序列视频，确定摄像机在实际环境下的三维坐标和姿态信息。
进一步地，将上述三维坐标和姿态信息，转化为三维空间中的地理信息和姿态值，然后根据地理信息和姿态值计算出摄像机在三维空间下的模型视图矩阵和投影矩阵。
步骤S62：根据所述模型视图矩阵和所述投影矩阵，计算所述摄像机的视锥体几何结构；
步骤S63：根据所述型视图矩阵、所述投影矩阵和所述视锥体几何结构，将所述多源异构数据和三维场景进行融合。
可选地，根据模型视图矩阵和投影矩阵，计算摄像机在三维空间中的视锥体几何结构。
进一步地，根据视锥体几何结构筛选出对摄像机可见的模型集合；使用模型视图矩阵和投影矩阵渲染摄像机视点下的场景深度信息，使用深度信息对模型的顶点进行遮挡检测，未被遮挡部分采用模型原本纹理，未被遮挡部分与视频图像进行融合。
在本实施例提供的一个技术方案中，提供了视频三维场景融合子系统，针对视频数据类型的多源异构数据的具体融合方式，确定视频三维投射范围，将视频内容与三维场景进行贴合。将视频数据精准匹配到三维地理空间场景中，通过视频流的动态调度，实现用户在大范围场景下同时浏览多路监控视频，而且，虚拟场景与实时视频的融合，解决了视频分散割裂和手动操控频繁等问题，为运动目标的连续、精确监控提供有效手段。
进一步的，参照图7，提出本发明多源异构数据融合方法第七实施例。基于上述图1所示的实施例，所述目标融合子系统通过目标数据类型对应的目标融合算法，对所述多源异构数据进行融合的步骤之后，还包括：
步骤S71：若数据融合结果不满足业务需求，则执行所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤；
步骤S72：若数据融合结果满足所述业务需求，则对所述数据融合结果进行加密处理，并将加密处理后的数据融合结果进行存储和发布。
可以理解的是，在目标融合子系统中进行数据融合，针对数据融合结果，可以进一步审查。
可选地，若数据融合结果不满足业务需求，如空间结构及纹理贴图质量变化，即审查不合格，则对该融合后的多源异构数据再次进行融合，即再次执行确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤，直至审查合格。
可选地，若数据融合结果满足业务需求，即审查合格，则对其进行加密处理，并将加密处理后的数据融合结果进行存储和发布。
进一步地，所述数据融合结果包括三维网格模型，所述对所述数据融合结果进行加密处理，并将加密处理后的数据融合结果进行存储和发布的步骤包括：
步骤S73：确定所述三维网格模型的网格面片和网格顶点，对所述网格面片构成置乱，以及对所述网格顶点进行坐标扰动；
可选地，加密过程，采用特定的加密算法模型，先确定三维网格模型的网格面片和网格顶点，然后对网格面片构成置乱和网格顶点坐标扰动，从而获得加密后的三维网格模型。
相应地，解密过程，利用密钥，对网格顶点坐标和面片构成进行逆向恢复，从而获得解密后的三维网格模型。
另外，还可以针对其他数据融合结果进行加密解密，如3D Tiles成果通过瓦片数据集数据加解密，属性数据加解密以及三维模型数据加解密进行加密处理。
步骤S74：将加密处理后的数据融合结果存储到多源空间数据库，并将所述加密处理后的数据融合结果以服务的形式发布。
示例性地，对符合业务需求的BIM数据的三角网顶点坐标信息进行加密处理，然后将加密处理后的BIM数据存储到多源空间数据库，并将加密处理后的BIM数据输出成3DTiles格式的数据服务，供可视化空间数据平台前端调用。
在本实施例提供的一个技术方案中，针对数据融合结果设置进一步审查，只有审查合格的数据，才能加密、存储和发布，而审查不合格的数据，则需要进行二次融合。如此设置，能够保证数据融合结果的高质量，而且将数据以服务的方式发布，支持可视化空间数据平台通过服务调用的方式，实现城市时空信息可视化。
参照图8，图8为本发明实施例方案涉及的硬件运行环境的多源异构数据融合设备结构示意图。
如图8所示，该多源异构数据融合设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图8中示出的结构并不构成对多源异构数据融合设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图8所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及多源异构数据融合程序。
在图8所示的多源异构数据融合设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明多源异构数据融合设备中的处理器1001、存储器1005可以设置在多源异构数据融合设备中，所述多源异构数据融合设备通过处理器1001调用存储器1005中存储的多源异构数据融合程序，并执行本发明实施例提供的多源异构数据融合方法。
本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现上述多源异构数据融合方法任一实施例中的步骤。
由于计算机可读存储介质部分的实施例与方法部分的实施例相互对应，因此计算机可读存储介质部分的实施例请参见方法部分的实施例的描述，在此暂不赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、 方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种多源异构数据融合方法，其特征在于，所述多源异构数据融合方法包括以下步骤：
可视化空间数据平台通过访问各业务系统定义好的数据源接口，从各所述业务系统中获取多源异构数据；
通过统一数据读取接口，从所述多源异构数据中抽取出待融合的多源异构数据，发送至数据融合系统；
所述数据融合系统获取待融合的多源异构数据；
确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统，其中，所述目标融合子系统用于融合所述待融合的多源异构数据，并将融合结果统一于所述可视化空间数据平台，所述目标数据类型包括时空数据、政务信息数据、建筑信息模型、物联数据和视频数据，所述时空数据包括基础地理要素、基础地质要素、海洋地理要素、三维地形模型和三维要素模型，所述政务信息数据包括政务非空间信息和政务空间信息，所述建筑信息模型包括结构化模型数据和非结构化模型数据，所述物联数据包括通过各类传感器、射频技术RFID、红外感应器、激光扫描器采集到的数据，所述视频数据包括摄像机图像序列视频，所述目标融合子系统包括时空数据融合子系统、政务信息融合子系统、建筑信息和地理信息融合子系统、物联数据融合子系统和视频三维场景融合子系统，且各所述目标融合子系统所采用的融合方式不同；
其中，所述目标数据类型为时空数据，所述目标融合子系统为时空数据融合子系统，所述目标融合子系统用于融合所述待融合的多源异构数据的步骤包括：
所述时空数据融合子系统参照所述可视化空间数据平台的标准坐标系，对所述多源异构数据的数据坐标系进行统一和配准；
根据用户需求，对所述多源异构数据的格式和精度进行调整；
将所述多源异构数据划分为属性不同的各类数据，针对每类数据，采用对应的轻量化技术进行轻量化处理；
对所述多源异构数据进行格式转换，得到标准格式数据；
对所述多源异构数据的矢量面数据进行转换处理设置，得到标准矢量面数据；
其中，所述目标数据类型为政务信息数据，所述目标融合子系统为政务信息融合子系统，所述目标融合子系统用于融合所述待融合的多源异构数据的步骤包括：
基于数据属性，将所述多源异构数据划分为政务非空间信息和政务空间信息；
对于所述政务非空间信息，通过匹配处理，确定地址和坐标之间的对应关系；
对于所述政务空间信息，基于所述可视化空间数据平台的三维地形数据和三维地理空间数据，对所述政务空间信息中的倾斜摄影数据、三维模型数据和道路模型进行融合；
其中，所述目标数据类型为建筑信息模型，所述目标融合子系统为建筑信息和地理信息融合子系统，所述目标融合子系统用于融合所述待融合的多源异构数据的步骤包括：
对所述多源异构数据进行格式转换和坐标投影；
基于数据属性，将所述多源异构数据划分为结构化模型数据和非结构化模型数据：
对于所述结构化模型数据，从中提取构件几何信息、构件属性信息和模型材质信息，并分别采用不同的存储方式进行存储；
对于所述非结构化模型数据，通过数据处理，将所述非结构化模型数据转换为同结构模型数据，经权重设置和关联度计算，确定所述同结构模型数据和模型实体之间的关联关系；
对所述结构化模型数据，采用数模分离技术和三角网简化技术进行轻量化处理，汇总得到轻量化后的模型数据；
将所述同结构模型数据和模型实体之间的关联关系，添加到所述轻量化后的模型数据中，得到模型语义信息与实体的映射关系；
其中，所述目标数据类型为物联数据，所述目标融合子系统为物联数据融合子系统，所述目标融合子系统用于融合所述待融合的多源异构数据的步骤包括：
从所述多源异构数据中读取传感器的时间序列，并通过时间匹配算法，将所述时间序列映射到数字底板的时间标签序列；
从所述多源异构数据中读取传感器的位置感知数据，并根据数字底板的标准坐标系，对所述传感器的坐标系进行转换，得到标准位置感知数据；
对所述标准位置感知数据进行水平位置的二维映射，确定所述传感器与空间实体的关联关系，并将所述关联关系存入数据库；
其中，所述目标数据类型为视频数据，所述目标融合子系统为视频三维场景融合子系统，所述目标融合子系统用于融合所述待融合的多源异构数据的步骤包括：
基于所述多源异构数据中的摄像机图像序列视频，确定摄像机的模型视图矩阵和投影矩阵；
根据所述模型视图矩阵和所述投影矩阵，计算所述摄像机的视锥体几何结构；
根据所述型视图矩阵、所述投影矩阵和所述视锥体几何结构，将所述多源异构数据和三维场景进行融合。
2.如权利要求1所述的多源异构数据融合方法，其特征在于，所述目标融合子系统通过目标数据类型对应的目标融合算法，对所述多源异构数据进行融合的步骤之后，还包括：
若数据融合结果不满足业务需求，则执行所述确定所述待融合的多源异构数据所属的目标数据类型，并将所述待融合的多源异构数据分流至所述目标数据类型对应的目标融合子系统的步骤；
若数据融合结果满足所述业务需求，则对所述数据融合结果进行加密处理，并将加密处理后的数据融合结果进行存储和发布。
3.如权利要求2所述的多源异构数据融合方法，其特征在于，所述数据融合结果包括三维网格模型，所述对所述数据融合结果进行加密处理，并将加密处理后的数据融合结果进行存储和发布的步骤包括：
确定所述三维网格模型的网格面片和网格顶点，对所述网格面片构成置乱，以及对所述网格顶点进行坐标扰动；
将加密处理后的数据融合结果存储到多源空间数据库，并将所述加密处理后的数据融合结果以服务的形式发布。
4.一种多源异构数据融合设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多源异构数据融合程序，所述多源异构数据融合程序配置为实现如权利要求1至3中任一项所述的多源异构数据融合方法的步骤。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有多源异构数据融合程序，所述多源异构数据融合程序被处理器执行时实现如权利要求1至3任一项所述的多源异构数据融合方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310976043.2A CN116737817B (zh) | 2023-08-04 | 2023-08-04 | 多源异构数据融合方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310976043.2A CN116737817B (zh) | 2023-08-04 | 2023-08-04 | 多源异构数据融合方法、设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116737817A CN116737817A (zh) | 2023-09-12 |
| CN116737817B true CN116737817B (zh) | 2023-11-07 |
Family
ID=87913668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310976043.2A Active CN116737817B (zh) | 2023-08-04 | 2023-08-04 | 多源异构数据融合方法、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116737817B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117591584A (zh) * | 2023-11-14 | 2024-02-23 | 深圳市科中云技术有限公司 | 一种基于多源异构数据驱动的虚拟电厂优化管理及调度方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105893526A (zh) * | 2016-03-30 | 2016-08-24 | 上海坤士合生信息科技有限公司 | 多源数据融合系统和方法 |
| CN108985531A (zh) * | 2017-06-01 | 2018-12-11 | 中国科学院深圳先进技术研究院 | 一种多模异构电力大数据融合分析管理系统及方法 |
| CN112417214A (zh) * | 2020-11-02 | 2021-02-26 | 中关村科学城城市大脑股份有限公司 | 一种用于城市大脑场景的多源异构数据的融合方法及系统 |
| WO2021036117A1 (zh) * | 2019-08-30 | 2021-03-04 | 华中师范大学 | 一种多空间融合学习环境构建方法和装置 |
| CN115564189A (zh) * | 2022-09-16 | 2023-01-03 | 甘肃大禹九洲空间信息科技有限公司 | 一种基于多源数据融合的城市应急管理服务系统及方法 |
| CN115774861A (zh) * | 2022-12-22 | 2023-03-10 | 广东五度空间科技有限公司 | 一种自然资源多源异构数据汇聚融合服务系统 |
| CN116522272A (zh) * | 2023-02-17 | 2023-08-01 | 中国测绘科学研究院 | 一种基于城市信息单元的多源时空数据透明融合方法 |
-
2023
- 2023-08-04 CN CN202310976043.2A patent/CN116737817B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105893526A (zh) * | 2016-03-30 | 2016-08-24 | 上海坤士合生信息科技有限公司 | 多源数据融合系统和方法 |
| CN108985531A (zh) * | 2017-06-01 | 2018-12-11 | 中国科学院深圳先进技术研究院 | 一种多模异构电力大数据融合分析管理系统及方法 |
| WO2021036117A1 (zh) * | 2019-08-30 | 2021-03-04 | 华中师范大学 | 一种多空间融合学习环境构建方法和装置 |
| CN112417214A (zh) * | 2020-11-02 | 2021-02-26 | 中关村科学城城市大脑股份有限公司 | 一种用于城市大脑场景的多源异构数据的融合方法及系统 |
| CN115564189A (zh) * | 2022-09-16 | 2023-01-03 | 甘肃大禹九洲空间信息科技有限公司 | 一种基于多源数据融合的城市应急管理服务系统及方法 |
| CN115774861A (zh) * | 2022-12-22 | 2023-03-10 | 广东五度空间科技有限公司 | 一种自然资源多源异构数据汇聚融合服务系统 |
| CN116522272A (zh) * | 2023-02-17 | 2023-08-01 | 中国测绘科学研究院 | 一种基于城市信息单元的多源时空数据透明融合方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116737817A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112115198B (zh) | 一种城市遥感智能服务平台 | |
| KR102160990B1 (ko) | 객체 기반의 3d 도시 모델링 방법 및 이를 구현하는 서버, 그리고 이를 이용하는 시스템 | |
| Richter et al. | Concepts and techniques for integration, analysis and visualization of massive 3D point clouds | |
| CN115774861B (zh) | 一种自然资源多源异构数据汇聚融合服务系统 | |
| CN116737817B (zh) | 多源异构数据融合方法、设备及计算机可读存储介质 | |
| Shan et al. | Auxiliary use and detail optimization of computer VR technology in landscape design | |
| CN110660125B (zh) | 用于电力配网系统的三维建模装置 | |
| CN113570275A (zh) | 基于bim和数字高程模型的水资源实时监测系统 | |
| Zhou et al. | OutDet: an algorithm for extracting the outer surfaces of building information models for integration with geographic information systems | |
| CN116522272A (zh) | 一种基于城市信息单元的多源时空数据透明融合方法 | |
| CN116778285A (zh) | 用于构建数字孪生底座的大数据融合方法及系统 | |
| Li et al. | Integration of heterogeneous terrain data into Discrete Global Grid Systems | |
| Guo et al. | A digital earth prototype system: DEPS/CAS | |
| Zlatanova et al. | Modelling for 3D GIS: Spatial analysis and visualisation through the web | |
| Wu et al. | [Retracted] Intelligent City 3D Modeling Model Based on Multisource Data Point Cloud Algorithm | |
| Agugiaro et al. | 7.2 3D GIS for cultural heritage sites: The queryarch3d prototype | |
| Schön et al. | Storage, manipulation, and visualization of LiDAR data | |
| Glander et al. | Concepts for automatic generalization of virtual 3D landscape models | |
| Morgan et al. | Using binary space partitioning to generate urban spatial patterns | |
| Mao et al. | A Framework for generalization of 3D city models based on CityGML and X3D | |
| Ogawa et al. | Geometric-based approach for linking various building measurement data to a 3D city model | |
| CN116630552B (zh) | 面向大规模的三维流程工厂模型的优化渲染方法 | |
| Deuja | Geospatial big data handling and challenges | |
| Sen et al. | Information three-dimensional display design of video surveillance command management system based on GIS technology | |
| Zhou et al. | Development of engineering volume estimation analysis software for regulation consumption project of construction and demolition waste |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Xiaochun Inventor after: Dong Zhangjingzi Inventor after: Cheng Feng Inventor after: Zhao Qinyi Inventor after: Fu Shiqi Inventor after: Hu Biqi Inventor before: Dong Zhangjingzi Inventor before: Cheng Feng Inventor before: Zhao Qinyi Inventor before: Fu Shiqi Inventor before: Hu Biqi |