随着我国城市化进程的加快，城市内涝灾害愈加频繁，人民的生命和财产安全受到了严重的威胁。然而，城市内涝灾害在愈加频繁的同时，产生了诸如信息获取不及时、制图时效性低、地图信息冗余等问题，难以为救援提供及时响应。基于此，本文提出了一种面向城市内涝场景下的微地图制作方法。首先，调用微博API获取任意时间段内特定主题下的社交媒体文本数据，对数据进行清洗与预处理；接着，选取BiLSTM-CRF模型提取社交媒体中有关城市内涝的地名地址信息；然后，结合Dijkstra算法为用户推荐避开危险路段的最优路径；最后，结合灾害信息与实际场景，制作城市内涝场景下的微地图。实验结果表明： ①该方法能够有效识别城市内涝点，总体准确率达到92.7%； ②对比官方发布的积水点，本文提取的积水点与官方积水点大部分重叠，能够有效为传统监测方法提供补充信息； ③根据所得内涝点生成道路网级别的城市内涝地图，能够克服在海量地理空间信息中可视化冗余的不足，即有效缓解地理信息冗余的问题。由此可知，实时显示城市内涝信息，能够为用户掌握灾害现场的信息提供便利，调动他们参与制作微地图的积极性。与此同时，结合最优路径推荐，能够提高灾害应急场景下的制图时效。

微地图作为自媒体时代出现的新型地图，具有大众参与、个性化、快速传播等特征，然而现有微地图研究在点符号设计方面存在一定局限，难以完全满足大众个性化制图的需求。为解决这一问题，本文从微地图制作角度出发，选择手绘地图的通用地图符号作为研究对象，构建了一个包含多种类型和样式的手绘地图数据集。在现有研究的基础上，通过对比选择目标检测中常用的YOLOv5（You Only Look Once v5）系列模型，深入探索手绘地图中通用地图符号的自动提取方法，并采用YOLOv5-X模型进行手绘地图通用地图符号的提取。实验结果显示，该模型在手绘地图数据集上的point类别提取精确度、召回率和F1得分分别达到了98.42%、94.72%和97%。同时在Quick Draw涂鸦数据集上进行模型泛化能力的测试，本文所使用的模型在该数据集上展现出良好的提取效果。本研究的开展不仅扩充了微地图个性化点符号的研究数据集，还改进了通用地图符号的提取方法，为微地图制图注入了更多元化的元素，也为自媒体时代的地图制作提供了更为灵活和个性化的解决方案。

地标在空间信息传输中具有重要作用,微地图为用户制作及传播地图内容提供平台。为提取符合人们空间认知的微地图地标,本文提出了一种由用户生成内容来提取地标的方法。① 计算公众认知度、城市中心度、特征属性值3个指标;② 利用熵值法确定各指标的权重,依据地标显著度差异分层获取地标,建立服务于微地图用户的地标集;③ 在用户制作及传播微地图的过程中,收集由用户生成的地标,丰富地标库,实现地标的二次传播,达到由用户生成内容提取地标的目的。实验选择兰州市安宁区的POI数据计算地标显著度,提取不同层次的地标,实验结果创建了服务于微地图用户的各层地标集,实例化利用地标连线完成寻路,绘制出满足用户不同需求的个性化路线。本研究应用于日常寻路,为微地图的快速绘制和将地标纳入导航系统提供参考,提高寻路效率。

针对现有微地图（WeMaps）推荐算法未充分挖掘用户与微地图特征，推荐结果准确率较低的问题，提出融合特征交叉与用户历史行为序列的微地图推荐算法。首先，在用户与地图特征交叉过程中通过引入跳跃连接和多头自注意力机制，让不同特征组合能够自动获得权重，并通过在多个子空间下进行特征交叉获得了更丰富的特征组合信息。其次，在用户历史行为序列中引入了交叉注意力机制，捕捉与候选地图相关的兴趣点。最后，融合特征交叉和用户行为序列模块的输出，获得了综合多个维度的推荐结果。在公开数据集Criteo和自制微地图（WeMaps）数据集上的对数损失值分别为0.446 1、0.379 7，受试者操作特征曲线下面积值（Area Under the ROC Curve， AUC）分别为0.805 2、0.788 3。相较于本文对比实验中的二阶特征交叉模型，损失值分别降低了1.7%、14.2%，AUC值提高了0.8%、0.4%。相较于本文对比实验中的高阶特征交叉模型，损失值平均降低了1.3%、2.6%， AUC值平均提高了0.6%，0.2%。较低的损失值和较高的AUC值说明模型进行预测时具有较高的准确性和较好的分类能力。实验结果表明，本文算法不但能为用户提供更为准确的推荐结果，也能使推荐结果具备良好的可解释性。

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。

【目的】 当前在微地图的内容检索领域尚缺乏系统性的研究。为了填补这一研究空白，本文提出了一种YOLOv8l-FMSC-Spatial （You Only Look Once v8l- Fewer Multi-Scale Convolution-Spatial, YOLOv8l-FMSC-Spatial）模型，实现在手绘地图场景下地理要素的提取及检索。【方法】 首先通过对比YOLO系列模型，选取最优的YOLOv8l模型，引入C2f-FMSC模块改进最优模型，建立应用于微地图的YOLOv8l-FMSC训练模型，利用该模型实现栅格地图的地理要素提取；其次针对地理要素的检索需要，建立地理要素的空间关系数据库，设计空间计算检索模块Spatial，通过Spatial模块实现地理要素信息的传递与筛选，进一步地计算用户检索信息与数据库地理要素信息的空间关系关联程度；最后根据空间关系关联程度，从微地图数据库中索引包含相关地理要素信息的地图，实现基于空间关系的地理要素检索模型构建。依据上述方法，在手绘校园地图检索场景中进行验证。实验数据源自各个学校发布内容以及学生自由制作，共计493幅手绘校园地图，在全国范围内研究学校代表性地理要素检索，此类要素包括水体、操场、特色建筑，确保准确识别和检索这些特征元素，验证所提模型的实际适用性。【结果】 实验结果表明：训练后的YOLOv8l模型可有效识别手绘地图中的地理要素，并在收集的数据集上验证了模型的有效性和鲁棒性；引入FMSC模块后的YOLOv8l-FMSC模型精确率可达0.8、召回率可达0.764，为实际对比中的最优模型；引入Spatial模块计算模型度量空间关系，可有效捕捉到相关地理要素的空间信息，减少与正射地图检索的差距。【结论】 综上，提出的YOLOv8l-FMSC-Spatial模型可根据顾及空间关系的地理要素条件，快速准确地检索到内容相关的手绘地图，从而填补微地图在内容检索方面的研究空缺。