本發(fā)明涉及空間數(shù)據(jù)處理，特別涉及一種多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法及系統(tǒng)。

背景技術(shù)：

1、眾源時空數(shù)據(jù)集，作為地理空間信息的開放資源，由大眾采集并提供，具有數(shù)據(jù)量龐大、時效性強、信息豐富和成本低廉等顯著優(yōu)勢。這些數(shù)據(jù)集在地理信息科學(xué)領(lǐng)域，尤其是在產(chǎn)品集應(yīng)用與自動化更新方面，已成為國內(nèi)外研究的熱點。居民地矢量數(shù)據(jù)，作為基礎(chǔ)地理信息數(shù)據(jù)的重要組成部分，對于城市規(guī)劃、社會管理、經(jīng)濟發(fā)展等領(lǐng)域具有不可或缺的支撐作用。盡管眾源數(shù)據(jù)集在地理信息科學(xué)領(lǐng)域具有顯著優(yōu)勢，但不同數(shù)據(jù)集之間的應(yīng)用需求差異導(dǎo)致了數(shù)據(jù)內(nèi)容和精度上的不一致性。現(xiàn)有技術(shù)中缺乏一套統(tǒng)一的數(shù)據(jù)框架，以集成和融合眾源異構(gòu)的時空數(shù)據(jù)，從而充分發(fā)揮不同版本數(shù)據(jù)的優(yōu)勢。此外，眾源開放空間數(shù)據(jù)平臺如osm的數(shù)據(jù)持續(xù)更新特性，使得傳統(tǒng)的空間數(shù)據(jù)更新流程面臨挑戰(zhàn)。這些流程通常依賴于周期性的人工調(diào)查或遙感數(shù)據(jù)采集，導(dǎo)致數(shù)據(jù)更新存在時間延遲，無法及時反映地理環(huán)境的實際變化。

2、為了實現(xiàn)眾源數(shù)據(jù)的自動融合，自動匹配算法是關(guān)鍵?，F(xiàn)有算法主要針對單一數(shù)據(jù)源或相同架構(gòu)的數(shù)據(jù)進行自動匹配，而在處理如osm這類眾源異構(gòu)數(shù)據(jù)時，其效果并不理想。矢量數(shù)據(jù)匹配方法，包括基于面積相似度的同名實體空間匹配、基于空間特征碼的矢量要素匹配、基于矢量化緩沖區(qū)匹配和基于三元組的匹配方法等，均存在一定的局限性。例如，基于面積相似度的方法可能因數(shù)據(jù)質(zhì)量差異導(dǎo)致誤檢或漏檢；而基于三元組的方法在大數(shù)據(jù)集面前效率不高，難以滿足實時性需求。居民地矢量數(shù)據(jù)的不規(guī)則形狀、小面積和微小變化特點，使得現(xiàn)有匹配算法在密集城市環(huán)境中的敏感度不足，可能忽略對城市規(guī)劃和決策具有重要影響的地理變化。

技術(shù)實現(xiàn)思路

1、為此，本發(fā)明提供一種多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法及系統(tǒng)，解決長時間序列下的眾源矢量數(shù)據(jù)居民地自動匹配與更新問題。

2、按照本發(fā)明所提供的設(shè)計方案，一方面，提供一種多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法，包含：

3、對眾源時空矢量數(shù)據(jù)進行預(yù)處理，得到眾源時空矢量數(shù)據(jù)中各居民地地塊數(shù)據(jù)，所述預(yù)處理包含數(shù)據(jù)清洗處理、數(shù)據(jù)轉(zhuǎn)換處理和數(shù)據(jù)標(biāo)準(zhǔn)化處理；

4、提取各居民地地塊數(shù)據(jù)的多維度時空特征，所述多維度時空特征包含時間特征、空間特征及元數(shù)據(jù)特征；

5、基于多維度時空特征計算各居民地地塊間的相似度，并利用相似度對不同時間序列和/或不同數(shù)據(jù)來源下的居民地地塊進行匹配對齊；

6、將居民地地塊數(shù)據(jù)的面要素特征相似度及居民地地塊匹配對齊結(jié)果作為訓(xùn)練數(shù)據(jù)，利用訓(xùn)練數(shù)據(jù)訓(xùn)練指定的異構(gòu)機器學(xué)習(xí)模型，并基于異構(gòu)機器學(xué)習(xí)模型并利用機器集成學(xué)習(xí)方法構(gòu)建集成學(xué)習(xí)模型，以在機器集成學(xué)習(xí)中通過投票機制或堆疊方法獲取最終的匹配輸出；

7、利用集成學(xué)習(xí)模型對待檢測居民地數(shù)據(jù)進行匹配檢測，若匹配檢測結(jié)果超過居民地要素更新閾值，則對待檢測居民地數(shù)據(jù)進行更新。

8、作為本發(fā)明多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法，進一步地，對眾源時空矢量數(shù)據(jù)進行預(yù)處理，包含：

9、對眾源時空矢量數(shù)據(jù)進行數(shù)據(jù)清洗，以移除無效和錯誤數(shù)據(jù)；

10、對數(shù)據(jù)清洗后的矢量數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，通過統(tǒng)一數(shù)據(jù)格式和坐標(biāo)系統(tǒng)來確保各矢量數(shù)據(jù)的規(guī)范性。

11、作為本發(fā)明多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法，進一步地，提取各居民地地塊數(shù)據(jù)的多維度時空特征，包含：

12、提取居民地地塊數(shù)據(jù)的相關(guān)時間特征，所述相關(guān)時間特征包括地塊更新時間戳、地塊地物規(guī)劃時間及地塊建設(shè)時間；

13、提取居民塊地塊數(shù)據(jù)的相關(guān)空間特征，所述相關(guān)空間特征包括地塊建筑物面積、建筑物邊界形狀、地塊位置、地塊方向、地物拓?fù)潢P(guān)系、地物轉(zhuǎn)角信息及點在面要素邊界上的順序；

14、提取居民地地塊數(shù)據(jù)的相關(guān)元數(shù)據(jù)特征，所述相關(guān)元數(shù)據(jù)特征包括地塊數(shù)據(jù)來源、地塊數(shù)據(jù)源可信度及地塊編碼。

15、作為本發(fā)明多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法，進一步地，基于多維度時空特征計算各居民地地塊間的相似度，包含：

16、設(shè)置用于評判居民地地塊要素是否需要匹配更新的特征匹配指標(biāo)，所述特征匹配指標(biāo)包括方向匹配度、位置匹配度、拓?fù)淦ヅ涠?、重疊面積匹配度和形狀匹配度；

17、按照方向、位置、拓?fù)?、重疊面積及形狀的順序計算不同時間序列和/或不同數(shù)據(jù)來源中居民地地塊間各指標(biāo)的匹配度，并通過加權(quán)求和獲取不同數(shù)據(jù)來源中居民地地塊總匹配度。

18、作為本發(fā)明多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法，進一步地，利用相似度對不同時間序列和/或不同數(shù)據(jù)來源下的居民地地塊進行匹配對齊，包含：

19、選取總匹配度最高的居民地地塊，將該居民地地塊的總匹配度與預(yù)設(shè)閾值進行比較，如果總匹配度大于預(yù)設(shè)閾值，則將當(dāng)前匹配的不同時間序列和/或不同數(shù)據(jù)來源的居民地地塊進行匹配對齊，并記錄各特征匹配指標(biāo)的匹配度。

20、作為本發(fā)明多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法，進一步地，利用訓(xùn)練數(shù)據(jù)訓(xùn)練指定的異構(gòu)機器學(xué)習(xí)模型，包含：

21、構(gòu)建異構(gòu)機器學(xué)習(xí)模型，所述異構(gòu)機器學(xué)習(xí)模型包括：決策樹、svm和bp神經(jīng)網(wǎng)絡(luò)；

22、將各特征匹配指標(biāo)的匹配度及居民地地塊多維度時空特征作為各異構(gòu)機器學(xué)習(xí)模型的輸入，對異構(gòu)機器學(xué)習(xí)模型進行迭代訓(xùn)練，學(xué)習(xí)各特征匹配指標(biāo)的權(quán)重、單個特征匹配指標(biāo)的取舍閾值及總匹配判定匹配閾值；

23、直至模型收斂，獲取收斂后的權(quán)重矩陣并進行存儲。

24、作為本發(fā)明多模式下眾源時空矢量產(chǎn)品中居民地信息更新方法，進一步地，在機器集成學(xué)習(xí)中通過投票機制或堆疊方法獲取最終的匹配輸出，還包含：

25、在機器集成學(xué)習(xí)中記錄各異構(gòu)機器學(xué)習(xí)模型特征匹配指標(biāo)取舍閾值，依據(jù)特征匹配指標(biāo)取舍閾值獲取總匹配判定匹配閾值；

26、根據(jù)總匹配度的大小及總匹配判定匹配閾值對居民地面要素匹配結(jié)果進行分級。

27、再一方面，本發(fā)明還提供一種多模式下眾源時空矢量產(chǎn)品中居民地信息更新系統(tǒng)，包含：數(shù)據(jù)處理模塊、特征提取模塊、匹配對齊模塊、集成學(xué)習(xí)模塊和目標(biāo)匹配模塊，其中，

28、數(shù)據(jù)處理模塊，用于對眾源時空矢量數(shù)據(jù)進行預(yù)處理，得到眾源時空矢量數(shù)據(jù)中各居民地地塊數(shù)據(jù)，所述預(yù)處理包含數(shù)據(jù)清洗處理、數(shù)據(jù)轉(zhuǎn)換處理和數(shù)據(jù)標(biāo)準(zhǔn)化處理；

29、特征提取模塊，用于提取各居民地地塊數(shù)據(jù)的多維度時空特征，所述多維度時空特征包含時間特征、空間特征及元數(shù)據(jù)特征；

30、匹配對齊模塊，用于基于多維度時空特征計算各居民地地塊間的相似度，并利用相似度對不同時間序列和/或不同數(shù)據(jù)來源下的居民地地塊進行匹配對齊；

31、集成學(xué)習(xí)模塊，用于將居民地地塊數(shù)據(jù)的面要素特征相似度及居民地地塊匹配對齊結(jié)果作為訓(xùn)練數(shù)據(jù)，利用訓(xùn)練數(shù)據(jù)訓(xùn)練指定的異構(gòu)機器學(xué)習(xí)模型，并基于異構(gòu)機器學(xué)習(xí)模型并利用機器集成學(xué)習(xí)方法構(gòu)建集成學(xué)習(xí)模型，以在機器集成學(xué)習(xí)中通過投票機制或堆疊方法獲取最終的匹配輸出；

32、目標(biāo)匹配模塊，用于利用集成學(xué)習(xí)模型對待檢測居民地數(shù)據(jù)進行匹配檢測，若匹配檢測結(jié)果超過居民地要素更新閾值，則對待檢測居民地數(shù)據(jù)進行更新。

33、本發(fā)明的有益效果：

34、本發(fā)明通過統(tǒng)一的時空數(shù)據(jù)模型和自動化適配流程，實現(xiàn)了眾源數(shù)據(jù)的高效整合，同時引入增量更新機制，確保數(shù)據(jù)集能夠快速響應(yīng)地理環(huán)境的實時變化，顯著提高了居民地數(shù)據(jù)的時效性和準(zhǔn)確性；采用多模式匹配算法，顯著提升了居民地信息的自動匹配精度，減少了人工干預(yù)。同時，通過僅更新數(shù)據(jù)集中變化的部分，優(yōu)化了系統(tǒng)資源消耗，提高了數(shù)據(jù)處理效率，降低了成本。