CN117150091B - 一种预处理精细化城市空间信息图谱反演方法 - Google Patents

Abstract

本发明公开了一种预处理精细化城市空间信息图谱反演方法，其包括以下步骤：将精细化城市空间数据图层叠加在一个集合图层中；将集合图层按照四叉树算法进行网格划分，并建立索引编码；获取所有精细化城市空间数据图层在同一个细分网格范围内的要素；对每个细分网格建立相应的空间知识图谱，将每个细分网格的空间知识图谱存入图数据库；输入分析范围获取分析范围内的编码坐标；查询对应的空间知识图谱获得对应图层的图形要素及属性；根据查询得到的对应图层的图形要素及属性进行时空复合分渲染分析，完成预处理精细化城市空间信息图谱反演。本方法降低了计算维度，使得复合分析计算效率大大提高。

Description

一种预处理精细化城市空间信息图谱反演方法

技术领域

本发明涉及大数据处理领域，具体涉及一种预处理精细化城市空间信息图谱反演方法。

背景技术

随着大数据时代发展，地理城市空间信息数据由单一静态变成多源动态，城市空间信息数据种类繁多，数量庞大，在传统的空间分析时，当数据量大，分析范围广时，性能受到很大挑战，计算处理效率低。另一方面，当今城市空间数据往往具有时间特征。传统的城市空间分析处理一般只涉及空间、属性两个维度，对空间数据展现是静态的。随着城市发展，动态展示空间数据成为必要，需要通过时间维度动态展示时空复合数据。

传统空间复合分析方式，对象多为单一数据，并按照时间多次查询分析；当要分析多个图层时，需要在多个图层遍历后进行多次单个图层实时查询，然后再根据时间进行多次查询。当单个图层时，需要查询时间个数为多次，效率不高。当多图层时，需要图层个数乘以时间个数的查询次数，计算时间久，性能极其低下。

发明内容

针对现有技术中的上述不足，本发明提供的一种预处理精细化城市空间信息图谱反演方法解决了现有空间复合分析方式效率低的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种预处理精细化城市空间信息图谱反演方法，其包括以下步骤：

S1、将精细化城市空间数据图层叠加在一个集合图层中；

S2、输入一个细分层级参数level，将集合图层按照四叉树算法进行网格划分，得到细分网格，并对每个细分网格建立索引编码；

S3、按照细分网格切分每个精细化城市空间数据图层，获取所有精细化城市空间数据图层在同一个细分网格范围内的要素；

S4、基于在同一个细分网格范围内的要素，对每个细分网格建立相应的空间知识图谱，将每个细分网格的空间知识图谱存入图数据库；

S5、根据细分层级参数level获取细分网格大小，输入分析范围获取分析范围内的编码坐标；

S6、通过编码坐标计算细分网格索引编码，根据细分网格索引编码查询对应的空间知识图谱获得对应图层的图形要素及属性；

S7、根据查询得到的对应图层的图形要素及属性进行时空复合分渲染分析，完成预处理精细化城市空间信息图谱反演。

进一步地，步骤S2的具体方法包括以下子步骤：

S2-1、获取集合图层的最小外接矩形boxx；

S2-2、通过Web墨卡托投影坐标系将集合图层的最小外接矩形的两个顶点坐标（minx，miny）和（maxx，maxy）转换为投影后的坐标（minx^*，miny^*）和（maxx^*，maxy^*）；

S2-3、根据公式：

averageX= (maxx^*– minx^*)/2^level；

averageY = (maxy^*- miny^*)/2^level；

获取四叉树算法创建的单个细分网格的大小（averageX，averageY），进而得到每个细分网格的范围；

S2-4、将左上角的细分网格的编码坐标定义为（0，0），并按照从上到下、从左到右逐步加1的方式对所有细分网格进行编码坐标赋值；

S2-5、将每个细分网格的编码坐标采用二进制进行表示，得到与每个细分网格横坐标对应的二进制序列和纵坐标对应的二进制序列；其中若二进制序列中元素个数少于当前图像等级的位数，则在该二进制序列前补0直至二进制序列中元素个数等于当前图像等级的位数；

S2-6、对于同一个细分网格，将其横坐标对应的二进制序列中第m个元素插在其纵坐标对应的二进制序列第m个元素之后，得到融合二进制编码；

S2-7、将单个细分网格对应的融合二进制编码转换为四进制，将转换结果作为该细分网格的索引编码。

进一步地，步骤S3的具体方法为：

通过每个细分网格范围在每个精细化城市空间数据图层中进行查询过滤，将查询结果关联存放到对应的细分网格中，即将每个精细化城市空间数据图层按照细分网格切分成了独立要素集，每个细分网格中包含所有精细化城市空间数据图层在此细分网格范围内的要素。

进一步地，步骤S4的具体方法为：

将每个细分网格作为空间知识图谱的一个实体；将时间作为细分网格的下级实体，即时间实体；将每个年份下包含的精细化城市空间数据图层作为时间实体的子实体，即图层实体；将精细化城市空间数据图层中的图形作为图层实体的子实体，将各个实体之间的关系和属性作为边，完成细分网格相应的空间知识图谱构建；将每个细分网格的空间知识图谱存入数据库中，并以图的方式对空间知识图谱中的数据进行存储。

进一步地，步骤S5中输入分析范围获取分析范围内的编码坐标的具体方法包括以下子步骤：

S5-1、将输入分析范围转换成Web墨卡托投影坐标系下的范围，并根据公式：

startX =（输入范围最小横坐标 - 图层集的最小横坐标）/ averageX；

startY =（输入范围最小纵坐标 - 图层集的最小纵坐标）/ averageX；

endX =（输入范围最大横坐标 - 图层集的最小横坐标）/ averageX；

endY =（输入范围最大纵坐标 - 图层集的最小纵坐标）/ averageX；

得到X轴上的编码坐标范围（startX，endX）和Y轴上的编码坐标范围（startY，endY）；

S5-2、将startX和startY进行向下取整，将endX和endY进行向上取整，对应得到取整后的编码坐标范围（startX^*，endX^*）和取整后的编码坐标范围（startY^*，endY^*）。

进一步地，步骤S6的具体方法为：

根据取整后的编码坐标范围获取对应的编码坐标，采用与步骤S2-5至步骤S2-7相同的方法获取对应的编码坐标对应的细分网格索引编码，根据细分网格索引编码查询对应的空间知识图谱获得对应图层的图形要素及属性。

本发明的有益效果为：本方法通过数据预处精细化城市空间数据建立精细化的空间网格时空知识图谱基础数据，并且为每个网格数据建立索引编码，在用户分析时，只需要查询到索引编码后，在准确范围内的空间知识图谱中检索即可获得多图层多时间段的复合数据，降低了计算维度，使得复合分析计算效率大大提高。

附图说明

图1为本方法的流程示意图；

图2为空间知识图谱示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，该预处理精细化城市空间信息图谱反演方法包括以下步骤：

S1、将精细化城市空间数据图层叠加在一个集合图层中；

S2、输入一个细分层级参数level，将集合图层按照四叉树算法进行网格划分，得到细分网格，并对每个细分网格建立索引编码；

S3、按照细分网格切分每个精细化城市空间数据图层，获取所有精细化城市空间数据图层在同一个细分网格范围内的要素；

S4、基于在同一个细分网格范围内的要素，对每个细分网格建立相应的空间知识图谱，将每个细分网格的空间知识图谱存入图数据库；

S5、根据细分层级参数level获取细分网格大小，输入分析范围获取分析范围内的编码坐标；

S6、通过编码坐标计算细分网格索引编码，根据细分网格索引编码查询对应的空间知识图谱获得对应图层的图形要素及属性；

S7、根据查询得到的对应图层的图形要素及属性进行时空复合分渲染分析，完成预处理精细化城市空间信息图谱反演。

步骤S2的具体方法包括以下子步骤：

S2-1、获取集合图层的最小外接矩形boxx；

S2-2、通过Web墨卡托投影坐标系将集合图层的最小外接矩形的两个顶点坐标（minx，miny）和（maxx，maxy）转换为投影后的坐标（minx^*，miny^*）和（maxx^*，maxy^*）；

S2-3、根据公式：

averageX= (maxx^*– minx^*)/2^level；

averageY = (maxy^*- miny^*)/2^level；

获取四叉树算法创建的单个细分网格的大小（averageX，averageY），进而得到每个细分网格的范围；

S2-4、将左上角的细分网格的编码坐标定义为（0，0），并按照从上到下、从左到右逐步加1的方式对所有细分网格进行编码坐标赋值；

S2-5、将每个细分网格的编码坐标采用二进制进行表示，得到与每个细分网格横坐标对应的二进制序列和纵坐标对应的二进制序列；其中若二进制序列中元素个数少于当前图像等级的位数，则在该二进制序列前补0直至二进制序列中元素个数等于当前图像等级的位数；

S2-6、对于同一个细分网格，将其横坐标对应的二进制序列中第m个元素插在其纵坐标对应的二进制序列第m个元素之后，得到融合二进制编码；

S2-7、将单个细分网格对应的融合二进制编码转换为四进制，将转换结果作为该细分网格的索引编码。

步骤S3的具体方法为：通过每个细分网格范围在每个精细化城市空间数据图层中进行查询过滤，将查询结果关联存放到对应的细分网格中，即将每个精细化城市空间数据图层按照细分网格切分成了独立要素集，每个细分网格中包含所有精细化城市空间数据图层在此细分网格范围内的要素。

如图2所示，步骤S4的具体方法为：将每个细分网格作为空间知识图谱的一个实体；将时间作为细分网格的下级实体，即时间实体；将每个年份下包含的精细化城市空间数据图层作为时间实体的子实体，即图层实体；将精细化城市空间数据图层中的图形作为图层实体的子实体，将各个实体之间的关系和属性作为边，完成细分网格相应的空间知识图谱构建；将每个细分网格的空间知识图谱存入数据库中，并以图的方式对空间知识图谱中的数据进行存储。单个精细化城市空间数据图层具有多个图形实体/资源，图形又具有很多属性。

步骤S5中输入分析范围获取分析范围内的编码坐标的具体方法包括以下子步骤：

S5-1、将输入分析范围转换成Web墨卡托投影坐标系下的范围，并根据公式：

startX =（输入范围最小横坐标 - 图层集的最小横坐标）/ averageX；

startY =（输入范围最小纵坐标 - 图层集的最小纵坐标）/ averageX；

endX =（输入范围最大横坐标 - 图层集的最小横坐标）/ averageX；

endY =（输入范围最大纵坐标 - 图层集的最小纵坐标）/ averageX；

得到X轴上的编码坐标范围（startX，endX）和Y轴上的编码坐标范围（startY，endY）；

S5-2、将startX和startY进行向下取整，将endX和endY进行向上取整，对应得到取整后的编码坐标范围（startX^*，endX^*）和取整后的编码坐标范围（startY^*，endY^*）。

步骤S6的具体方法为：根据取整后的编码坐标范围获取对应的编码坐标，采用与步骤S2-5至步骤S2-7相同的方法获取对应的编码坐标对应的细分网格索引编码，根据细分网格索引编码查询对应的空间知识图谱获得对应图层的图形要素及属性。

在具体实施过程中，细分层级参数level=1时，第一级细分后的四个子网格（sub1,sub2,sub3,sub4）的范围为：

sub1：boxx(minx^*，miny^*，minx^*+averageX，miny^*+ averageY )；

sub2：boxx(minx^*+averageX，miny^*，minx^*+2×averageX，miny^*+averageY)；

sub3：boxx(minx^*，miny^*+averageY，minx^*+averageX，miny^*+2×averageY)；

sub4：boxx(minx^*+averageX，miny^*+averageY，minx^*+2×averageX，miny^*+2×averageY)；

依次类推，可以计算获得每一个细分网格的网格范围；其中boxx表示外接包围盒。

假设任意P网格的编码坐标为（x，y），值为整数时，其二进制表示为：

x = i₁i₂…i_n；

y = j₁j₂…j_n；

则P网格的融合二进制编码为：j₁i₁j₂i₂…j_ni_n

假设：

x = 3 = 011（二进制）；

y = 5 = 101（二进制）；

则网格（3，5）的编码： 100111（二进制）= 213（四进制），即网格（3，5）的索引编码为213。

在本发明的一个实施例中，以建筑物及人口分布历史对比为例，将多个年份的建筑物及人口数据按照数据预处理后建立空间知识图谱。根据用户选择分析范围获取到对应的网格索引编码，进而得到对应的网格。将对应网格下所有年份实体进行时间维度处理，建立时序，并将每个时间实体下的人口、建筑物图层实体根据图层下要素进行渲染，通过时序展示每个历史年份的人口分布情况、建筑物分布情况等，快速完成建筑物及人口分布历史对比。

综上所述，本发明通过数据预处精细化城市空间数据建立精细化的空间网格时空知识图谱基础数据，并且为每个网格数据建立索引编码，在用户分析时，只需要查询到索引编码后，在准确范围内的空间知识图谱中检索即可获得多图层多时间段的复合数据，降低了计算维度，使得复合分析计算效率大大提高。

Claims (6)

1.一种预处理精细化城市空间信息图谱反演方法，其特征在于，包括以下步骤：

S1、将精细化城市空间数据图层叠加在一个集合图层中；

S2、输入一个细分层级参数level，将集合图层按照四叉树算法进行网格划分，得到细分网格，并对每个细分网格建立索引编码；

S3、按照细分网格切分每个精细化城市空间数据图层，获取所有精细化城市空间数据图层在同一个细分网格范围内的要素；

S4、基于在同一个细分网格范围内的要素，对每个细分网格建立相应的空间知识图谱，将每个细分网格的空间知识图谱存入图数据库；

S5、根据细分层级参数level获取细分网格大小，输入分析范围获取分析范围内的编码坐标；

S6、通过编码坐标计算细分网格索引编码，根据细分网格索引编码查询对应的空间知识图谱获得对应图层的图形要素及属性；

S7、根据查询得到的对应图层的图形要素及属性进行时空复合分渲染分析，完成预处理精细化城市空间信息图谱反演。

2.根据权利要求1所述的预处理精细化城市空间信息图谱反演方法，其特征在于，步骤S2的具体方法包括以下子步骤：

S2-1、获取集合图层的最小外接矩形boxx；

S2-2、通过Web墨卡托投影坐标系将集合图层的最小外接矩形的两个顶点坐标（minx，miny）和（maxx，maxy）转换为投影后的坐标（minx^*，miny^*）和（maxx^*，maxy^*）；

S2-3、根据公式：

averageX= (maxx^* – minx^*)/2^level；

averageY = (maxy^*- miny^*)/2^level；

获取四叉树算法创建的单个细分网格的大小（averageX，averageY），进而得到每个细分网格的范围；

S2-4、将左上角的细分网格的编码坐标定义为（0，0），并按照从上到下、从左到右逐步加1的方式对所有细分网格进行编码坐标赋值；

S2-5、将每个细分网格的编码坐标采用二进制进行表示，得到与每个细分网格横坐标对应的二进制序列和纵坐标对应的二进制序列；其中若二进制序列中元素个数少于当前图像等级的位数，则在该二进制序列前补0直至二进制序列中元素个数等于当前图像等级的位数；

S2-6、对于同一个细分网格，将其横坐标对应的二进制序列中第m个元素插在其纵坐标对应的二进制序列第m个元素之后，得到融合二进制编码；

S2-7、将单个细分网格对应的融合二进制编码转换为四进制，将转换结果作为该细分网格的索引编码。

3.根据权利要求1所述的预处理精细化城市空间信息图谱反演方法，其特征在于，步骤S3的具体方法为：

通过每个细分网格范围在每个精细化城市空间数据图层中进行查询过滤，将查询结果关联存放到对应的细分网格中，即将每个精细化城市空间数据图层按照细分网格切分成了独立要素集，每个细分网格中包含所有精细化城市空间数据图层在此细分网格范围内的要素。

4.根据权利要求1所述的预处理精细化城市空间信息图谱反演方法，其特征在于，步骤S4的具体方法为：

将每个细分网格作为空间知识图谱的一个实体；将时间作为细分网格的下级实体，即时间实体；将每个年份下包含的精细化城市空间数据图层作为时间实体的子实体，即图层实体；将精细化城市空间数据图层中的图形作为图层实体的子实体，将各个实体之间的关系和属性作为边，完成细分网格相应的空间知识图谱构建；将每个细分网格的空间知识图谱存入数据库中，并以图的方式对空间知识图谱中的数据进行存储。

5.根据权利要求2所述的预处理精细化城市空间信息图谱反演方法，其特征在于，步骤S5中输入分析范围获取分析范围内的编码坐标的具体方法包括以下子步骤：

S5-1、将输入分析范围转换成Web墨卡托投影坐标系下的范围，并根据公式：

startX =（输入范围最小横坐标 - 图层集的最小横坐标）/ averageX；

startY =（输入范围最小纵坐标 - 图层集的最小纵坐标）/ averageX；

endX =（输入范围最大横坐标 - 图层集的最小横坐标）/ averageX；

endY =（输入范围最大纵坐标 - 图层集的最小纵坐标）/ averageX；

得到X轴上的编码坐标范围（startX，endX）和Y轴上的编码坐标范围（startY，endY）；

S5-2、将startX和startY进行向下取整，将endX和endY进行向上取整，对应得到取整后的编码坐标范围（startX^*，endX^*）和取整后的编码坐标范围（startY^*，endY^*）。

6.根据权利要求5所述的预处理精细化城市空间信息图谱反演方法，其特征在于，步骤S6的具体方法为：

根据取整后的编码坐标范围获取对应的编码坐标，采用与步骤S2-5至步骤S2-7相同的方法获取对应的编码坐标对应的细分网格索引编码，根据细分网格索引编码查询对应的空间知识图谱获得对应图层的图形要素及属性。