CN117851532A - 单体建筑数据与房屋普查数据进行融合的方法及装置 - Google Patents

Abstract

本发明的一种单体建筑数据与房屋普查数据进行融合的方法及装置，属于图像处理技术领域，方法包括如下步骤：获取单体建筑数据，并采集房屋普查数据；对单体建筑数据和房屋普查数据进行图层要素匹配；获取待匹配图层的字段类型，根据字段类型进行属性信息融合。本发明通过对数据进行融合，极大减少人工成本和时间成本。

Description

单体建筑数据与房屋普查数据进行融合的方法及装置

技术领域

本发明涉及一种单体建筑数据与房屋普查数据进行融合的方法及装置，属于图像处理技术领域。

背景技术

数据融合对于数据价值挖掘、消除冗余具有重要的意义。在核心区数据底板建设过程中，需要将单体建筑数据和房屋普查数据进行融合，形成一体化的数据资源。核心区单体建筑数据和房屋普查数据分别有几十万个图斑，数据的属性结构、现势性、图斑分割方式等存在差异，人工数据融合工作量较大。

当前用于房屋数据融合的方法主要有两种，一种是依靠简单的字段匹配的方式进行，需要多源数据具有匹配的连接字段，但是，这种融合方式收到一般性建筑数据融合任务的限制。另一种是将多源数据在空间上进行堆叠，但是，对于同一地理实体，不具有对应关系，也不满足任务需求。

因此，本发明提出来一种新的单体建筑数据与房屋普查数据融合方法。

发明内容

为了解决上述问题，本发明提出了一种单体建筑数据与房屋普查数据进行融合的方法及装置，能够实现单体建筑数据与房屋普查数据融合的自动化匹配，极大减少数据融合的人工成本和时间成本。

本发明为解决其技术问题所采取的技术方案是：

第一方面，本发明实施例提供的一种单体建筑数据与房屋普查数据进行融合的方法，包括如下步骤：

获取单体建筑数据，并采集房屋普查数据；

对单体建筑数据和房屋普查数据进行图层要素匹配；

获取待匹配图层的字段类型，根据字段类型进行属性信息融合。

作为本实施例一种可能的实现方式，所述图层要素匹配的方式包括一对一、一对多和/或多对一的几何图斑匹配方式。

作为本实施例一种可能的实现方式，所述字段类型包括文本、字符串和数字；

当字段为文本或字符串类型时，采用字符串拼接的方式进行属性信息融合；当字段为数字类型时，采用相加或者采用最大值的方式进行属性信息融合。

作为本实施例一种可能的实现方式，所述文本类型包括日期类型。

作为本实施例一种可能的实现方式，所述对单体建筑数据和房屋普查数据进行图层要素匹配，包括：

获取单体建筑图层要素p₀与房屋普查图层要素p₁；

计算p₀和p₁的Confidence值和AR值；

如果Confidence值大于阈值Thresh，则判定p₀和p₁两要素具有关联关系；

如果|AR值-Confidence值|大于1-Thresh，则确定p₀和p₁两要素为一对一空间关系；

如果p₀的几何面积大于p₁的几何面积，则确定p₀和p₁两要素为一对多空间关系，否则，确定p₀和p₁两要素为多对一空间关系。

作为本实施例一种可能的实现方式，所述计算p₀和p₁的Confidence值和AR值的公式为：

其中，p₀,p₁分别为单体建筑和房屋普查的几何图斑，Confidence(p₀,p₁)为p₀和p₁的匹配度；IoU(p₀,p₁)为p₀和p₁的交并比，Intersect(p₀,p₁)为p₀和p₁的交集，Union((p₀,p₁)为p₀和p₁的并集，Area(p₀)为p₀的几何面积，Area(p₁)为p₁的几何面积，AR为p₀和p₁的几何面积比例。

作为本实施例一种可能的实现方式，所述获取待匹配图层的字段类型，根据字段类型进行属性信息融合，包括：

获取待匹配图层的字段信息；

对图层字段信息进行遍历，逐一判断属性的数据类型；

如果遍历到的字段类型为字符串或文本类型，则进行拼接操作；如果遍历到的字段类型为数值类型，则执行相加操作或直接赋值最大值。

第二方面，本发明实施例提供的一种单体建筑数据与房屋普查数据进行融合的方法，包括以下步骤：

步骤1，获取单体建筑图层和房屋普查图层，设置单体建筑图层索引号i＝0；

步骤2，如果i大于或等于单体建筑图层的要素总数，则结束；否则转入步骤3；

步骤3，获取索引值为i的单体建筑图层要素，设置房屋普查图层索引j＝0，且索引i+1；

步骤4，如果j大于或等于房屋普查图层的要素总数，则返回步骤2，否则转入步骤5；

步骤5，将索引值为i的单体建筑图层要素和索引值为j的房屋普查图层的要素进行匹配；

步骤6，对匹配结果进行属性信息融合，并返回步骤2。

作为本实施例一种可能的实现方式，所述步骤5，包括：

获取单体建筑图层要素p₀与房屋普查图层要素p₁；

计算p₀和p₁的Confidence值和AR值：

其中，p₀,p₁分别为单体建筑和房屋普查的几何图斑，Confidence(p₀,p₁)为p₀和p₁的匹配度；IoU(p₀,p₁)为p₀和v₁的交并比，Intersect(p₀,p₁)为p₀和p₁的交集，Union((p₀,p₁)为p₀和p₁的并集，Area(p₀)为p₀的几何面积，Area(p₁)为p₁的几何面积，AR为p₀和p₁的几何面积比例；

如果Confidence值大于阈值Thresh，则判定p₀和p₁两要素具有关联关系；

如果|AR值-Confidence值|大于1-Thresh，则确定p₀和p₁两要素为一对一空间关系；

如果p₀的几何面积大于p₁的几何面积，则确定p₀和p₁两要素为一对多空间关系，否则，确定p₀和p₁两要素为多对一空间关系。

作为本实施例一种可能的实现方式，所述步骤6，包括：

获取待匹配图层的字段信息；

对图层字段信息进行遍历，逐一判断属性的数据类型；

如果遍历到的字段类型为字符串或文本类型，则进行拼接操作；如果遍历到的字段类型为数值类型，则执行相加操作或直接赋值最大值。

第三方面，本发明实施例提供的一种单体建筑数据与房屋普查数据进行融合的装置，包括：

数据采集模块，用于获取单体建筑数据，并采集房屋普查数据；

要素匹配模块，用于对单体建筑数据和房屋普查数据进行图层要素匹配；

属性信息融合模块，用于获取待匹配图层的字段类型，根据字段类型进行属性信息融合。

本发明实施例的技术方案所产生的有益效果如下：

本发明根据两种数据不同特点，设计了几何匹配策略子模块以及属性信息融合子模块，支撑建筑数据融合应用，自动化匹配准确率高，极大减少人工成本和时间成本，可使用在土地利用、院落、地表覆盖等方面。

本发明根据不同的数据空间特点，进行匹配，将不同标准下的数据进行匹配以及融合，并找出无法匹配的信息，找出问题所在，从而可进行人工补充处理，极大地减少了人工参与，并降低了成本。

本发明设计了IoU与AR函数，并结合这两个函数求得单体建筑图层和房屋普查图层的对应关系，从而进行图层要素匹配；本发明利用建筑规模比例，对融合图层的属性重新进行属性信息融合；本发明通过对数据进行融合，达到了节省人工成本，提高工作效率的目的。

附图说明

图1是根据一示例性实施例示出的一种单体建筑数据与房屋普查数据进行融合的方法流程图；

图2是根据一示例性实施例示出的另一种单体建筑数据与房屋普查数据进行融合的方法流程图；

图3是根据一示例性实施例示出的一种一对一匹配模式示意图；

图4是根据一示例性实施例示出的一种一对多匹配模式示意图；

图5是根据一示例性实施例示出的一种多对一匹配模式示意图；

图6是根据一示例性实施例示出的一种交并示意图；

图7是根据一示例性实施例示出的一种并集示意图。

具体实施方式

下面结合附图与实施例对本发明做进一步说明：

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

现有的数据融合算法大多基于传感器或者摄像机的自然栅格数据进行融合。而本发明针对矢量数据进行匹配和融合，矢量数据大多数情况下，是经过一定处理而形成的，并非原始的传感器数据。不同时代背景以及数据生成标准下，其数据也有差别，为了克服这一特点，本发明提出了一种单体建筑数据与房屋普查数据进行融合的方法。本发明能够根据不同的数据空间特点，进行匹配，将不同标准下的数据进行匹配以及融合，并找出无法匹配的信息，找出问题所在，从而进行人工补充处理，极大地减少了人工参与，并降低了成本。

实施例1

如图1所示，本发明实施例提供的一种单体建筑数据与房屋普查数据进行融合的方法，包括如下步骤：

获取单体建筑数据，并采集房屋普查数据；

对单体建筑数据和房屋普查数据进行图层要素匹配；

获取待匹配图层的字段类型，根据字段类型进行属性信息融合。

作为本实施例一种可能的实现方式，所述图层要素匹配的方式包括一对一、一对多和/或多对一的几何图斑匹配方式。

作为本实施例一种可能的实现方式，所述字段类型包括文本、字符串和数字；

当字段为文本或字符串类型时，采用字符串拼接的方式进行属性信息融合；当字段为数字类型时，采用相加或者采用最大值的方式进行属性信息融合。

作为本实施例一种可能的实现方式，所述文本类型包括日期类型。

作为本实施例一种可能的实现方式，所述对单体建筑数据和房屋普查数据进行图层要素匹配，包括：

获取单体建筑图层要素p₀与房屋普查图层要素p₁；

计算p₀和p₁的Confidence值和AR值；

如果Confidence值大于阈值Thresh，则判定p₀和p₁两要素具有关联关系；

如果|AR值-Confidence值|大于1-Thresh，则确定p₀和p₁两要素为一对一空间关系；

如果p₀的几何面积大于p₁的几何面积，则确定p₀和p₁两要素为一对多空间关系，否则，确定p₀和p₁两要素为多对一空间关系。

作为本实施例一种可能的实现方式，所述计算p₀和p₁的Confidence值和AR值的公式为：

其中，p₀,p₁分别为单体建筑和房屋普查的几何图斑，Confidence(p₀,p₁)为p₀和p₁的匹配度；IoU(p₀,p₁)为p₀和p₁的交并比，Intersect(p₀,p₁)为p₀和p₁的交集，Union((p₀,p₁)为p₀和p₁的并集，Area(p₀)为p₀的几何面积，Area(p₁)为p₁的几何面积，AR为p₀和p₁的几何面积比例。

作为本实施例一种可能的实现方式，所述获取待匹配图层的字段类型，根据字段类型进行属性信息融合，包括：

获取待匹配图层的字段信息；

对图层字段信息进行遍历，逐一判断属性的数据类型；

如果遍历到的字段类型为字符串或文本类型，则进行拼接操作；如果遍历到的字段类型为数值类型，则执行相加操作或直接赋值最大值。

实施例2

如图2所示，本发明实施例提供的一种单体建筑数据与房屋普查数据进行融合的方法，包括以下步骤：

步骤1，获取单体建筑图层和房屋普查图层，设置单体建筑图层索引号i＝0；

步骤2，如果i大于或等于单体建筑图层的要素总数，则结束；否则转入步骤3；

步骤3，获取索引值为i的单体建筑图层要素，设置房屋普查图层索引j＝0，且索引i+1；

步骤4，如果j大于或等于房屋普查图层的要素总数，则返回步骤2，否则转入步骤5；

步骤5，将索引值为i的单体建筑图层要素和索引值为j的房屋普查图层的要素进行匹配；

步骤6，对匹配结果进行属性信息融合，并返回步骤2。

作为本实施例一种可能的实现方式，所述步骤5，包括：

获取单体建筑图层要素p₀与房屋普查图层要素p₁；

计算p₀和p₁的Confidence值和AR值：

其中，p₀,p₁分别为单体建筑和房屋普查的几何图斑，Confidence(p₀,p₁)为p₀和p₁的匹配度；IoU(p₀,p₁)为p₀和p₁的交并比，Intersect(p₀,p₁)为p₀和p₁的交集，Union((p₀,p₁)为p₀和p₁的并集，Area(p₀)为p₀的几何面积，Area(p₁)为p₁的几何面积，AR为p₀和p₁的几何面积比例；

如果Confidence值大于阈值Thresh，则判定p₀和p₁两要素具有关联关系；

如果|AR值-Confidence值|大于1-Thresh，则确定p₀和p₁两要素为一对一空间关系；

如果p₀的几何面积大于p₁的几何面积，则确定v₀和v₁两要素为一对多空间关系，否则，确定p₀和p₁两要素为多对一空间关系。

作为本实施例一种可能的实现方式，所述步骤6，包括：

获取待匹配图层的字段信息；

对图层字段信息进行遍历，逐一判断属性的数据类型；

如果遍历到的字段类型为字符串或文本类型，则进行拼接操作；如果遍历到的字段类型为数值类型，则执行相加操作或直接赋值最大值。

实施例3

本实施例的技术特征与实施例1的一种基于双影像融合的优质绿道路径规划方法一一对应，本发明实施例提供的一种单体建筑数据与房屋普查数据进行融合的装置，包括：

数据采集模块，用于获取单体建筑数据，并采集房屋普查数据；

要素匹配模块，用于对单体建筑数据和房屋普查数据进行图层要素匹配；

属性信息融合模块，用于获取待匹配图层的字段类型，根据字段类型进行属性信息融合。

根据单体建筑数据和房屋普查数据两种数据不同特点，本发明设计了几何匹配策略子模块以及属性信息融合子模块，支撑建筑数据融合应用。经实验比对，自动化匹配准确率高达95％，极大减少人工成本和时间成本，此工具可在土地利用、院落、地表覆盖等方面推广使用。

核心区单体建筑数据以及房屋普查数据采用2000平面坐标系，其中核心区单体数据包含206454个图斑，核心区房屋普查数据包含69799个图斑。几何类型均为多边形面(Polygon)，每个图斑表示一栋单体建筑，其属性信息如表1所示。

表1：属性信息

核心区单体建筑和房屋普查建筑从空间几何以及属性字段上有所不同，但需要将两类数据进行融合，形成新的数据集。

由于两类数据集具有不同的空间几何信息，现需要将两类图斑进行匹配。并按照一对一，一对多、多对一的几何关系进行运算和融合，如图3-图5所示。综上所属，该应用主要分为两个部分，第一部分为基于几何信息的图斑匹配策略子模块，第二部分为基于匹配结果的属性信息融合策略子模块。

(1)几何匹配策略子模块。

由于单体建筑数据和房屋普查建筑数据的几何信息不同，其匹配度(Confidence)采用交并比(Intersect ofUnion，IoU)和几何面积比例(Area Ratio，AR)的方式确定，公式如下。

其中，IoU(p₀，p₁)为p₀，p₁两多边形的交并比,p₀，p₁分别为单体建筑和房屋普查的图斑几何信息，如图6和图7所示。

利用Confidence以及AR计算函数对两图层要素进行匹配，并得出匹配模式的具体步骤如下。

(1)输入单体建筑图层要素P0与房屋普查图层要素P1；

(2)计算两要素的Confidence以及AR的数值；

(3)若Confidence大于阈值Thresh，则确定两要素可能具有关联并继续执行程序到步骤(4)；否则，则说明，两要素没有关联并结束程序；

(4)判断若|AR-Confidence|大于1-thresh，则确定两要素为一对一空间关系，此时结束程序；否则，则继续执行程序到步骤(5)；

(5)判断若Area(P0)>Area(P1)，则确定两要素为一对多空间关系；否则，确定两要素为多对一空间关系；

(6)结束匹配程序。

(2)属性信息融合子模块。

由于单体建筑数据和房屋普查数据的匹配方式不同，融合数据的属性信息也应根据几何匹配方式而变化，当计算字段为文本或者字符串类型时，考虑到数据的完备性，采用字符串拼接的方式进行计算，而当计算字段为数字类型时，采用相加或者采用最大值的方式进行计算，具体字段计算方式如表2所示。

表2：字段计算方式

空间几何一对多情况下的字段融合计算方式，其具体步骤如下所示。

(1)输入图层字段信息；

(2)对图层字段信息进行遍历，并逐一判断属性的数据类型；

(3)如果遍历到的字段类型为字符串或者日期类型，则执行拼接操作；若遍历到的字段类型为数值类型，则执行相加操作；

对于空间几何一对一和多对一的情况下，字段计算即为简单赋值，而对于无法对应的情况下，字段内容设为空值。

(3)核心算法。

基于上述匹配策略模块和属性信息融合模块，设计该核心算法流程。

(1)输入单体建筑图层和房屋普查图层，设置单体建筑图层索引号i＝0；

(2)判断若i大于或等于单体建筑图层的要素总数，则结束程序，否则继续程序到步骤(3)；

(3)取得索引值为i的单体建筑图层要素，设置房屋普查图层索引j＝0，索引i自增1；

(4)判断若j大于或等于房屋普查图层的要素总数，则跳至步骤(2)，否则继续程序到步骤(5)；

(5)将索引值为i的单体建筑图层要素和索引值为j的房屋普查图层的要素输入到几何匹配策略子模块，进行图层要素匹配；

(6)将匹配结果再输入到属性信息融合子模块进行字段计算，即进行属性信息融合；

(7)返回步骤(2)。

由于数据量较大，人工逐条处理数据，耗费较大。本应用的设计初衷在于利用已有数据特点，借助计算机自动化处理数据，以减少人工处理。计算机程序处理自动化数据，数据匹配和属性的计算的正确率十分重要，本发明挑选50261个融合图层的图斑进行结果评估，如下表3所示。

表3：评估结果

其中，在违法建筑不参与对比匹配的情况下，一对一类型的图斑处理正确率最高，达到98.69％。一对多类型的图斑和未对应图斑的正确率分别达到97.14％和96.71％，多对一对应的图斑情况比较负责，正确率最低，但也能达到88.96％。综合上述各个对应情况，数据总体正确率达到了97.48％。而违法建筑参与对比匹配的情况下，多对一的情况有所增加，从而影响最后的匹配准确率，此时的综合匹配率仅能够达到85.29％。

本发明利用图形匹配算法、属性融合算法以及分区索引算法对不同标准下生产的房屋建筑数据进行匹配融合，例如，某单位具有一套某年的单体建筑数据，其具有较为丰富的地理空间信息，但是相对于地理空间信息，其属性信息比较匮乏，不具有分层分户的具体信息。该单位同时又具有一套另一年的房屋普查数据，该数据具有较为丰富的属性字段信息，具有分层分户的具体信息，但是其地理空间信息又相对匮乏。由于数据生产年份不同，按照的生产标准也不同，但是，其调查的主体对象又同为建筑物，较为相似。当前需求是将两套数据进行匹配融合，各区所长，人工融合成本高，因此，设计此应用对两套数据进行自动空间匹配以及融合。

本发明设计了IoU与AR函数，并结合这两个函数求得单体建筑图层和房屋普查图层的对应关系，从而完成几何匹配策略子模块的设计。本发明利用建筑规模比例，对融合图层的属性重新进行计算。

本应用针对核心区单体建筑数据和房屋普查数据的特点，设计匹配算法以及属性计算算法，对两者数据进行融合，达到了节省人工成本，提高工作效率的目的。不仅如此，该数据匹配算法和属性计算算法也可应用与类似具有数据相似性和异构性的数据间的融合与匹配的工程项目中，为今后具有数据匹配和融合需求的任务积累了宝贵的经验。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解，依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种单体建筑数据与房屋普查数据进行融合的方法，其特征在于，包括如下步骤：

获取单体建筑数据，并采集房屋普查数据；

对单体建筑数据和房屋普查数据进行图层要素匹配；

获取待匹配图层的字段类型，根据字段类型进行属性信息融合。

2.根据权利要求1所述的单体建筑数据与房屋普查数据进行融合的方法，其特征在于，所述图层要素匹配的方式包括一对一、一对多和/或多对一的几何图斑匹配方式。

3.根据权利要求1所述的单体建筑数据与房屋普查数据进行融合的方法，其特征在于，所述字段类型包括文本、字符串和数字；

当字段为文本或字符串类型时，采用字符串拼接的方式进行属性信息融合；当字段为数字类型时，采用相加或者采用最大值的方式进行属性信息融合。

4.根据权利要求1-3任意一项所述的单体建筑数据与房屋普查数据进行融合的方法，其特征在于，所述对单体建筑数据和房屋普查数据进行图层要素匹配，包括：

获取单体建筑图层要素p₀与房屋普查图层要素p₁；

计算p₀和p₁的Confidence值和AR值；

如果Confidence值大于阈值Thresh，则判定p₀和p₁两要素具有关联关系；

如果|AR值-Confidence值|大于1-Thresh，则确定p₀和p₁两要素为一对一空间关系；

如果p₀的几何面积大于p₁的几何面积，则确定p₀和p₁两要素为一对多空间关系，否则，确定p₀和p₁两要素为多对一空间关系。

5.根据权利要求4所述的单体建筑数据与房屋普查数据进行融合的方法，其特征在于，所述计算p₀和p₁的Confidence值和AR值的公式为：

其中，p₀，p₁分别为单体建筑和房屋普查的几何图斑，Confidence(p₀，p₁)为p₀和p₁的匹配度；IoU(p₀，p₁)为p₀和p₁的交并比，}ntersect(p₀，p₁)为p₀和p₁的交集，Union((p₀，p₁)为p₀和p₁的并集，Area(p₀)为p₀的几何面积，Area(p₁)为p₁的几何面积，AR为p₀和p₁的几何面积比例。

6.根据权利要求1-3任意一项所述的单体建筑数据与房屋普查数据进行融合的方法，其特征在于，所述获取待匹配图层的字段类型，根据字段类型进行属性信息融合，包括：

获取待匹配图层的字段信息；

对图层字段信息进行遍历，逐一判断属性的数据类型；

如果遍历到的字段类型为字符串或文本类型，则进行拼接操作；如果遍历到的字段类型为数值类型，则执行相加操作或直接赋值最大值。

7.一种单体建筑数据与房屋普查数据进行融合的方法，其特征在于，包括以下步骤：

步骤1，获取单体建筑图层和房屋普查图层，设置单体建筑图层索引号i＝0；

步骤2，如果i大于或等于单体建筑图层的要素总数，则结束；否则转入步骤3；

步骤3，获取索引值为i的单体建筑图层要素，设置房屋普查图层索引j＝0，且索引i+1；

步骤4，如果j大于或等于房屋普查图层的要素总数，则返回步骤2，否则转入步骤5；

步骤5，将索引值为i的单体建筑图层要素和索引值为j的房屋普查图层的要素进行匹配；

步骤6，对匹配结果进行属性信息融合，并返回步骤2。

8.根据权利要求7所述的单体建筑数据与房屋普查数据进行融合的方法，其特征在于，所述步骤5，包括：

获取单体建筑图层要素p₀与房屋普查图层要素p₁；

计算p₀和p₁的Confidence值和AR值：

其中，p₀，p₁分别为单体建筑和房屋普查的几何图斑，Confidence(p₀，p₁)为p₀和p₁的匹配度；IoU(p₀，p₁)为p₀和p₁的交并比，Intersect(p₀，p₁)为p₀和p₁的交集，Union((p₀，p₁)为p₀和p₁的并集，Area(p₀)为p₀的几何面积，Area(p₁)为p₁的几何面积，AR为p₀和p₁的几何面积比例；

如果Confidence值大于阈值Thresh，则判定p₀和p₁两要素具有关联关系；

如果|AR值-Confidence值|大于1-Thresh，则确定p₀和p₁两要素为一对一空间关系；

如果p₀的几何面积大于p₁的几何面积，则确定p₀和p₁两要素为一对多空间关系，否则，确定p₀和p₁两要素为多对一空间关系。

9.根据权利要求7所述的单体建筑数据与房屋普查数据进行融合的方法，其特征在于，所述步骤6，包括：

获取待匹配图层的字段信息；

对图层字段信息进行遍历，逐一判断属性的数据类型；

如果遍历到的字段类型为字符串或文本类型，则进行拼接操作；如果遍历到的字段类型为数值类型，则执行相加操作或直接赋值最大值。

10.一种单体建筑数据与房屋普查数据进行融合的装置，其特征在于，包括：

数据采集模块，用于获取单体建筑数据，并采集房屋普查数据；

要素匹配模块，用于对单体建筑数据和房屋普查数据进行图层要素匹配；

属性信息融合模块，用于获取待匹配图层的字段类型，根据字段类型进行属性信息融合。