基于空间分布依存知识的跨要素类数据一致性匹配与改正方法研究

As one of the five aspects of spatial data quality, logical consistency plays an important role in the application such as multi-source heterogeneous data fusion, multi-temporal data integration and multi-scale data update. By comparing with the consistency problem between homogeneous features, the consistency problem between heterogeneous features is a harder work to be handled. This research project aims to establish the knowledge base of spatial dependent distribution with summarizing the spatial correlation characteristics between heterogeneous features. Through identifying different spatial dependency situations such as location-sharing, structure-associating and area-inclusion, a research work will be developed to detect and handle the conflicts between heterogeneous features. This research proposes the following three contents: (1) collect the spatial knowledge of dependent distribution by analyzing the typical domain knowledge and make the knowledge as a basis for guiding the consistency maintenance; (2) extract context information such as pattern structure and semantic features by enhancement methods, and then develop data matching model to construct corresponding relationships between heterogeneous features with the guidance of spatial knowledge; (3) design models and methods to detect and correct the inconsistencies based on the rules of spatial dependence. This research aims to gain a breakthrough in the topic of maintaining consistency between multi-source data from the perspective of knowledge engineering.

一致性作为空间数据质量五大特征之一，在多源异构数据融合、多时态数据集成、跨比例尺数据更新中扮演重要角色。相对于同类要素目标间一致性问题，跨语义要素类目标间的一致性关系处理是一个难点。本研究拟从地理学第一定律出发，总结凝炼不同语义要素类目标间的空间相关特征，建立空间分布依存知识，通过位置共享、结构关联、区域包含等不同依存分布情形，开展跨要素类目标冲突探测与一致性处理研究。研究内容包括：（1）通过典型领域知识（如自然地貌、人文地理）分析学习，提取要素分布依存知识，作为一致性检测处理指导依据；（2）利用增强识别技术，提取要素目标间相互依存的模式结构、语义关联上下文信息，发展稳健的跨要素类数据匹配模型；（3）基于空间分布依存规则，建立相关的不一致性检测与改正模型，提出完整的跨要素类数据一致性匹配与改正方法。本研究从知识工程角度对不同语义要素类数据融合一致性处理开展专门研究，以期对该难点有所突破。

一致性作为空间数据质量五大特征之一，在多源异构数据融合、多时态数据集成、跨比例尺数据更新中扮演重要角色。相对于同类要素目标间一致性问题，跨语义要素类目标间的一致性关系处理是一个难点。本研究从地理学第一定律出发，总结凝炼不同语义要素类目标间的空间相关特征，开展跨要素类目标冲突探测与一致性处理研究。研究内容包括：（1）通过典型领域知识（如自然地貌、人文地理）分析学习，提取要素分布依存知识，作为一致性检测处理指导依据；（2）利用增强识别技术，提取要素目标间相互依存的模式结构、语义关联上下文信息，发展稳健的跨要素类数据匹配模型；（3）基于空间分布依存规则，建立相关的不一致性检测与改正模型，提出完整的跨要素类数据一致性匹配与改正方法。通过3年的研究工作，我们在上述研究内容上取得了重要进展。在空间分布知识建模方面，收集大量空间分布依存知识，包括位置共享、结构关联、区域包含等不同依存分布情形，并采用知识工程理论与方法构建了分布规则知识库；在数据匹配与关联关系构建方面，针对同要素类目标和跨要素类目标不同情形建立了多种分布知识指导下的数据匹配模型，如河流与等高线间匹配、跨比例尺居民地多边形匹配等；在一致性检测与改正方面，引入计算几何与机器学习领域知识，围绕点-线、线-线、线-面、面-面等不同几何类型及语义场景，构建了多种一致性检测与改正模型。研究成果包括多篇高水平学术论文、会议报告以及多项专利申请。研究成果应用到空间数据更新、土地利用数据综合缩编等专业软件中，产生了良好的社会经济效益。