基于空间相似性的微地图道路网质量评价方法
李馨涵(1999— ),女,河南焦作人,硕士生,主要从事空间相似、微地图研究。E-mail: 469506190@qq.com |
Copy editor: 蒋树芳
收稿日期: 2023-07-04
修回日期: 2023-09-28
网络出版日期: 2024-03-26
基金资助
国家自然科学基金项目(41861060)
国家自然科学基金项目(41561090)
兰州交通大学优秀平台(201806)
中央引导地方科技发展资金项目(YDZX20216200001803)
Quality Evaluation Method of We-Map Road Network Based on Spatial Similarity
Received date: 2023-07-04
Revised date: 2023-09-28
Online published: 2024-03-26
Supported by
National Natural Science Foundation of China(41861060)
National Natural Science Foundation of China(41561090)
Lanzhou Jiaotong University Excellent Platform(201806)
Local Science and Technology Development Fund Projects under the Guidance of Central Government(YDZX20216200001803)
微地图是一种面向大众的新型地图,是传统地图在自媒体时代下的发展和补充。针对微地图数据来源广泛,质量参差不齐的问题,本文提出了一种基于空间相似性的微地图道路网质量评价方法。首先,将上下文信息与形状、方向、距离、拓扑关系以及一维线特征5个空间特性结合,计算微地图数据与参考数据的空间相似性;然后,对样本数据组合,并利用熵值法计算客观权重,取平均值作为各评价指标的权重系数;最后,采用可拓云评价法完成对微地图数据定量计算与定性分析结合的综合评价。本文使用9组不同质量的微地图道路网数据进行实验,结果表明,本文方法符合微地图精度低、内容少的特点,质量评价结果与实际更为符合。相较于模糊综合评价法,本文将精度低,但内容与参考数据一致的微地图数据评价等级提升为优;相较于现有的线要素空间相似性评价法,本文将精度低,但根据用户需求制图,且有重要地标参与计算的微地图数据评价等级提升为良。本文方法对微地图数据有较强的适用性,为微地图道路网质量评价提供了可行方法。
李馨涵 , 王中辉 . 基于空间相似性的微地图道路网质量评价方法[J]. 地球信息科学学报, 2024 , 26(1) : 212 -224 . DOI: 10.12082/dqxxkx.2024.230373
We-Map is a new type of map for the general public, which represents the development and supplement of traditional maps in the era of We media. To address the problems of We-Map data such as widespread data sources and varying data quality, this paper constructs a spatial similarity metric that takes into account the contextual information based on the concept of shape context, and proposes a We-Map road network quality evaluation method. Firstly, the spatial similarity between We-Map data and the reference data is calculated by combining the contextual information including shape, direction, distance, topological relations, and one-dimensional line features. Then, the entropy method is used to calculate the objective weights of different combinations of sample data, and the average value is taken as the weight coefficient of each evaluation indicator. Finally, considering the fuzziness, randomness, and incompatibility of the evaluation process, the extension cloud evaluation method is used to complete a comprehensive evaluation for We-Map data through quantitative calculation and qualitative analysis. In this paper, a subset of the north campus of Lanzhou Jiaotong University is selected as the experimental area, and the reference data of road network is obtained from Baidu map. The feasibility of the proposed method is verified through the experimental analysis of nine groups of We-Map data with different quality. The experimental results show that the proposed spatial similarity metric aligns well with the characteristics of We-Map such as low accuracy and limited content, which generates relatively accurate evaluation results. In comparison with the fuzzy comprehensive evaluation method, the evaluation results of the extension cloud evaluation method are more satisfactory. Also, the extension cloud evaluation method can not only reveals the quality of We-Map data at the same evaluation level, but also reflects the reliability of evaluation results. Compared with the existing spatial similarity evaluation method of line features, it has a low evaluation level for We-Map data division. However, the proposed method in this paper can better divide the We-Map data into appropriate levels, which is in line with the characteristics of the We-Map road network data and demonstrates its suitability for evaluating We-Map road network data. The proposed method in this paper fills the gap in We-Map quality evaluation, providing a feasible method for We-Map road network quality evaluation, which is beneficial for the wide utilization of We-Map.
表1 微地图道路网数据的空间相似性计算结果Tab. 1 Spatial similarity calculation results of We-Map road network data |
数据 | 形状相似性 | 方向相似性 | 距离相似性 | 拓扑相似性 | 线特征相似性 |
---|---|---|---|---|---|
微地图1 | 0.79 | 0.94 | 0.99 | 0.95 | 0.89 |
微地图2 | 0.85 | 0.93 | 0.83 | 0.86 | 0.84 |
微地图3 | 0.85 | 0.95 | 0.93 | 0.96 | 0.71 |
微地图4 | 0.85 | 0.94 | 0.97 | 0.88 | 0.94 |
微地图5 | 0.75 | 0.66 | 0.95 | 0.83 | 0.97 |
微地图6 | 0.79 | 0.68 | 0.49 | 0.75 | 0.77 |
微地图7 | 0.6 | 0.54 | 0.69 | 0.86 | 0.71 |
微地图8 | 0.77 | 0.74 | 0.89 | 0.88 | 0.86 |
微地图9 | 0.79 | 0.84 | 0.74 | 0.72 | 0.92 |
表2 评价指标的等级区间Tab. 2 Rating interval of evaluation indicators |
评价指标 | 1级 | 2级 | 3级 |
---|---|---|---|
形状相似性 | [0, 0.65] | [0.65, 0.85] | [0.85, 1] |
方向相似性 | [0, 0.65] | [0.65, 0.85] | [0.85, 1] |
距离相似性 | [0, 0.65] | [0.65, 0.85] | [0.85, 1] |
拓扑相似性 | [0, 0.65] | [0.65, 0.85] | [0.85, 1] |
线特征相似性 | [0, 0.65] | [0.65, 0.85] | [0.85, 1] |
表3 评价指标的等级界限云模型Tab. 3 Hierarchical boundary cloud model of evaluation indicators |
评价指标 | 等级界限云模型 | ||
---|---|---|---|
1级 | 2级 | 3级 | |
形状相似性 | [0.325, 0.276, 0.010] | [0.75, 0.085, 0.010] | [0.925, 0.064, 0.010] |
方向相似性 | [0.325, 0.276, 0.010] | [0.75, 0.085, 0.010] | [0.925, 0.064, 0.010] |
距离相似性 | [0.325, 0.276, 0.010] | [0.75, 0.085, 0.010] | [0.925, 0.064, 0.010] |
拓扑相似性 | [0.325, 0.276, 0.010] | [0.75, 0.085, 0.010] | [0.925, 0.064, 0.010] |
线特征相似性 | [0.325, 0.276, 0.010] | [0.75, 0.085, 0.010] | [0.925, 0.064, 0.010] |
表4 微地图道路网数据质量评价结果Tab. 4 Evaluation results of We-Map road network data quality |
数据 | 关联度 | 可信度 | 评价等级 | 模糊综合评价法评价等级 |
---|---|---|---|---|
微地图1 | [0.111 7, 0.249 3, 0.679 6] | 0.019 3 | 3 | 3 |
微地图2 | [0.156 9, 0.455 1, 0.524 7] | 0.031 5 | 3 | 2 |
微地图3 | [0.152 6, 0.310 1, 0.667 9] | 0.016 5 | 3 | 2 |
微地图4 | [0.105 6, 0.202 7, 0.775 3] | 0.020 0 | 3 | 2 |
微地图5 | [0.209 1, 0.437 8, 0.437 4] | 0.025 6 | 2偏3 | 2 |
微地图6 | [0.437 2, 0.688 3, 0.043 9] | 0.024 7 | 2 | 1 |
微地图7 | [0.448 5, 0.482 0, 0.126 6] | 0.034 0 | 2偏1 | 1 |
微地图8 | [0.189 9, 0.558 6, 0.493 2] | 0.024 1 | 2 | 2 |
微地图9 | [0.247 7, 0.723 6, 0.289 0] | 0.020 5 | 2 | 2 |
表5 对比方法计算的微地图道路网数据质量评价结果Tab. 5 Evaluation results of We-Map road network data quality calculated by contrasting methods |
数据 | 拓扑相似性 | 方向相似性 | 距离相似性 | 线特征相似性 | 总相似性 | 评价等级 |
---|---|---|---|---|---|---|
微地图1 | 0.72 | 0.53 | 0.52 | 0.96 | 0.75 | 2 |
微地图2 | 0.80 | 0.71 | 0.56 | 0.79 | 0.74 | 2 |
微地图3 | 0.73 | 0.64 | 0.51 | 0.78 | 0.70 | 2 |
微地图4 | 0.71 | 0.54 | 0.56 | 1.00 | 0.77 | 2 |
微地图5 | 0.81 | 0.82 | 0.76 | 0.77 | 0.79 | 2 |
微地图6 | 0.35 | 0.81 | 0.59 | 0.81 | 0.66 | 2 |
微地图7 | 0.00 | 0.62 | 0.50 | 0.29 | 0.32 | 1 |
微地图8 | 0.70 | 0.91 | 0.91 | 0.12 | 0.54 | 1 |
微地图9 | 0.63 | 0.84 | 0.44 | 0.34 | 0.52 | 1 |
表6 本文方法与传统方法的比较Tab. 6 Comparison of the methods in this paper with traditional methods |
比较内容 | 传统方法 | 本文方法 |
---|---|---|
研究对象 | 多面向不同尺度综合前后的地图数据 | 微地图数据 |
数据特点 | 数据精度高,内容大而全;系统性变形数据 | 数据精度低,可表达特定的微内容,内容少;非系统性变形数据 |
空间相似性 度量模型 | 未考虑线要素的形状特征;从全局或局部 进行相似性计算 | 综合形状、方向、距离、拓扑关系以及一维线特征的空间相似性度量模型;顾及研究要素的上下文信息,兼具研究对象的全局和局部信息 |
权重计算 | 计算样本数据的客观权重 | 计算样本数据不同组合结果的客观权重 |
评价方法 | 多为定量或者定性的单一评价 | 定量计算与定性分析结合的综合评价 |
[1] |
闫浩文, 张黎明, 杜萍, 等. 自媒体时代的地图:微地图[J]. 测绘科学技术学报, 2016, 33(5):520-523.
[
|
[2] |
张剑, 闫浩文, 王海鹰. 多维情景下的微地图用户分析[J]. 测绘科学, 2020, 45(7):148-153,180.
[
|
[3] |
张剑, 闫浩文, 王卓, 等. 传播力约束下的微地图用户关联规则挖掘算法[J]. 测绘科学, 2022, 47(1):227-235.
[
|
[4] |
王杭宇, 闫浩文, 马磊, 等. 微地图环境下的手绘地图线要素综合方法[J]. 测绘科学, 2019, 44(10):117-121.
[
|
[5] |
王晓妍. 土地利用图中线状要素综合的质量评价[J]. 测绘通报, 2020(4):116-120.
[
|
[6] |
洪策昌. 众源建筑数据匹配及质量评价方法研究——以OSM建筑数据为例[D]. 抚州: 东华理工大学, 2020.
[
|
[7] |
|
[8] |
朱富晓, 王艳慧. 多层次多粒度OSM路网目标数据质量综合评估方法研究[J]. 地球信息科学学报, 2017, 19(11):1422-1432.
[
|
[9] |
刘善磊, 潘九宝, 李梦梦, 等. 多源地理信息数据匹配质量评价研究[J]. 地理空间信息, 2022, 20(1):118-121,9.
[
|
[10] |
罗路长. 自发地理信息与专业数据的转换、匹配及质量评价方法研究[D]. 抚州: 东华理工大学, 2017.
[
|
[11] |
马超, 孙群, 徐青, 等. 自发地理信息可信度及其评价[J]. 地球信息科学学报, 2016, 18(10):1305-1311.
[
|
[12] |
徐丰, 牛继强, 林昊, 等. 利用等距同构建立多尺度空间实体相似性度量模型[J]. 武汉大学学报·信息科学版, 2019, 44(9):1399-1406.
[
|
[13] |
|
[14] |
刘涛, 段晓旗, 闫浩文, 等. 基于空间相似关系的居民地群组目标地图综合质量评价[J]. 地理与地理信息科学, 2017, 33(2):52-56,68.
[
|
[15] |
褚天舒, 闫浩文, 禄小敏. 面向地图综合的道路网相似度计算模型[J]. 测绘科学, 2022, 47(1):181-187.
[
|
[16] |
吴冰娇. 基于几何与语义相似性的多尺度道路网数据匹配方法研究[D]. 兰州: 兰州交通大学, 2022.
[
|
[17] |
刘鹏程, 罗静, 艾廷华, 等. 基于线要素综合的形状相似性评价模型[J]. 武汉大学学报·信息科学版, 2012, 37(1):114-117.
[
|
[18] |
李兆兴, 翟京生, 武芳. 线要素综合的形状相似性评价方法[J]. 武汉大学学报·信息科学版, 2019, 44(12):1859-1864.
[
|
[19] |
|
[20] |
|
[21] |
李彩霞, 翟仁健, 杜佳威, 等. 一种改进形状上下文特征匹配的线要素Morphing方法[J]. 测绘科学技术学报, 2019, 36(6):654-658.
[
|
[22] |
芮杰. 多源遥感数据测绘应用关键技术研究[D]. 北京: 中国科学院大学, 2017.
[
|
[23] |
郭大洲. 基于韦伯局部特征和形状上下文的图像识别与匹配算法[D]. 天津: 天津大学, 2010.
[
|
[24] |
陈占龙, 徐永洋, 谢忠. 矢量面状要素几何相似性度量方法探讨[J]. 测绘科学, 2016, 41(5):105-110.
[
|
[25] |
陈杰, 韩亮, 梁洁. 多尺度空间面群目标相似性度量方法研究[J]. 山西大同大学学报(自然科学版), 2020, 36(6):88-90.
[
|
[26] |
|
[27] |
王艳东, 殷寒露, 吴胜, 等. OpenStreetMap路网数据的几何精度评价[J]. 测绘与空间地理信息, 2019, 42(2):1-3,7.
[
|
[28] |
刘秋艳, 吴新年. 多要素评价中指标权重的确定方法评述[J]. 知识管理论坛, 2017, 2(6):500-510.
[
|
[29] |
罗进. 利用信息熵计算评价指标权重原理及实例[J]. 武汉纺织大学学报, 2014, 27(6):86-89.
[
|
[30] |
何佳, 朱晓东, 张兴宇, 等. 基于可拓云模型的绿色生态型市政道路综合评价方法应用研究[J]. 交通节能与环保, 2022, 18(1):102-107.
[
|
[31] |
王豪杰, 郑凯歌, 王泽阳, 等. 基于可拓云模型的矿井通风系统可靠性评价及灵敏度分析[J]. 中国煤炭, 2022, 48(9):57-65.
[
|
[32] |
李昌顺, 周科平, 林允. 基于云物元的老旧社区内涝灾害脆弱性评价[J]. 中国安全生产科学技术, 2022, 18(6):217-223.
[
|
[33] |
|
/
〈 |
|
〉 |