地理空间目标群渐进式协同综合的智能化方法

Progressive generalization of geo-spatial object groups is needed in progressive transmission of vector data and progressive cartographic generalization. A full collaborative application of map generalization models, operators, algorithms and knowledge and an intelligent control of the integrated generalization process are the main solution to this problem. In addition, spatial characteristics and spatial relationships among geo-spatial object groups and the solutions to different types of spatial conflicts in multiple scales are also involved. Therefore, the main research contents of this project are as followed: First, the driving mechanisms which multiple map operators and algorithms in progressive generalization of geo-spatial object groups are driven by user-demands, geographic semantic knowledge, map generalization specifications and geo-spatial knowledge will be researched. A model which represents these knowledge is then built. Second, the collaborative mechanism of multiple generalization operators and algorithms in progressive generalization of geo-spatial object groups will also be researched. Then an knowledge-based collaborative progressive generalization model of geo-spatial object groups will be established. Finally, characteristics of multi-scale geo-spatial relationship and the evaluation of generalization results are used to control the overall generalization process from a macro view, and a progressive intelligent collaborative generalization algorithm for geo-spatial object groups based on collaborative model will be developed. The research results of this project will effectively improve the intelligent level of the progressive transmission of vector data and automated map generalization.

矢量空间数据渐进式传输和渐进式地图图形综合都需要解决地理空间目标群的渐进式综合问题，充分利用地图综合模型、算子、算法和知识等的协同和智能化控制综合流程是解决这个问题的主要途径。另外，还需要考虑地理空间目标群的多尺度空间特征和空间关系以及空间冲突类型的解决方法。因此，本项目的主要研究内容是：分析用户需求、地理语义知识、地图综合规范和地理空间知识对地理空间目标群渐进式综合算子和算法的驱动机制，建立相应的知识表达模型；其次，研究地理空间目标群渐进式综合过程中多种地图综合算子和地图综合算法的协同机制，构建知识驱动的地理空间目标群渐进式协同综合模型；另外，利用多尺度地理空间关系的特征和综合结果的评价从宏观层面控制整个协同综合过程，建立基于协同模型的地理空间目标群渐进式综合智能化算法。本项目的研究成果将有效提高矢量空间数据渐进式传输和地图自动综合的智能化水平。

本项目主要研究了道路网和建筑物群渐进式自动综合的协同模型和有关的智能化方法，已经取得的主要研究成果是：（1）依据道路网和建筑物群渐进式综合的需要，总结了道路网和建筑物群渐进式协同综合过程中的知识规则；（2）在道路网和建筑物群渐进式自动综合中构建了知识驱动的协同综合模型，实现了地图综合模型、地图综合算子和地图综合算法等的协同；（3）设计并实现了道路网和建筑物群渐进式综合的智能化方法，在考虑用户需求、地理语义知识、地图综合规范和多尺度规律的情况下能进行协同综合过程的宏观智能化控制；（4）基于道路网和建筑物群的多尺度表达规律，改进了多尺度道路网匹配方法和多尺度面状居民地匹配的概率松弛算法，提出了线状要素的比例尺估算方法；（5）提出了依据多项条件从等高线群提取地形特征线的方法和利用地形特征点重要性序列的等高线间接综合方法。道路网渐进式自动综合方法能直接从该高精度道路网数据集中自动生产出较低精度的导航地图，可以避免重复采样带来的高成本；建筑物群渐进式自动综合方法能用于建筑物白模多边形数据处理，进行建筑物群自动合并和典型化处理；矢量空间数据比例尺方法能自动估算志愿者地理信息的比例尺。本项目的研究成果为制图综合的智能化和实用化提供了一个可行方案。