(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210159662.8 (22)申请日 2022.02.22 (65)同一申请的已公布的文献号 申请公布号 CN 114218337 A (43)申请公布日 2022.03.22 (73)专利权人 江苏省基础地理信息中心 地址 210013 江苏省南京市北京西路75号 (72)发明人 刘善磊　陶旸　王圣尧　张大骞　 (74)专利代理 机构 江苏致邦律师事务所 32 230 专利代理师 葛胜非　尹妍 (51)Int.Cl. G06F 16/28(2019.01) G06F 16/23(2019.01) G06K 9/62(2022.01) G06Q 50/26(2012.01)(56)对比文件 刘善磊 等. 《省级基础地理信息快速更新方 法研究》 . 《测绘与空间地理信息》 .2019,第42卷 (第4期),第45 -54页. 审查员 张杨悦 (54)发明名称 一种自然资源调查监测数据识别与融合更 新方法 (57)摘要 本发明涉及一种自然资源调查监测数据识 别与融合更新方法， 包括： 获取自然资源调查监 测数据和多源矢量参考数据， 以自然资源调查监 测数据中的实体为源实体构建Voronoi图/广义 Voronoi图， 基于构建的Voronoi图和广义 Voronoi图从多源矢量参考数据中搜索相应的目 标实体； 对自然资源调查监测数据与候选识别集 依次进行几何识别和属性识别， 计算图形相似 度、 属性相似度， 与和预设的阈值对比以判断图 形、 属性的状态变化， 从候选识别集中提取增量 数据以更新变化的图形和/或属性。 实施本发明 的方法， 能高效地从多源矢量参考数据中提取增 量数据， 保证自然资源调查监测数据的现势性， 缩短数据更新周期。 权利要求书3页 说明书11页 附图8页 CN 114218337 B 2022.05.10 CN 114218337 B 1.一种自然资源调查 监测数据识别与融合更新方法， 其特 征在于， 包括： S1获取自然资源调查监测数据和多源矢量参考数据， 并进行预处理使多源矢量参考数 据和自然资源调查监测数据的坐标系和格式一致； 之后根据空间数据类型对多源矢量参考 数据和自然资源调查 监测数据进行图层关联； S2以自然资源调查监测数据中的点实体为源实体构建Voronoi图、 以自然资源调查监 测数据中的线实体和面实体作为源实体分别构建广义Vor onoi图， 基于构建的V oronoi图和 广义Voro noi图从多源矢量 参考数据中搜索相应的目标实体， 放入 对应的候选识别集； 其中， 所述广义Voronoi 图构建时， 在面实体边界或线实体上内插离散点， 根据离散点 生成Voro noi图， 之后对多边形进行合并处 理生成广义Voro noi图， 内插离 散点的原则为： 预设距离阈值， 依次判断面实体边界或线实体上两节点之间的距离， 如果节点距离大 于距离阈值， 则在两节点之间等距离内插离 散点， 否则保留原 节点； S3对自然资源调查监测数据与候选识别集依次进行几何识别和属性识别， 计算源实体 和候选识别集中目标实体的图形相似度、 属性相似度； 所述几何识别的方式为： 当源实体和目标实体为点实体时， 分别计算源实体和目标实体的距离相似度、 环境相 似度， 之后对得到的距离相似度、 环 境相似度值分别赋予权重， 通过加权 法计算源实体和目 标实体的综合图形相似度； 当源实体和目标实体为线实体时， 基于Fr échet距离计算源实体 a和目标实体 b之间的 相似度； 当源实体和目标实体为面实体时， 分别计算源实体和目标实体的重心距离、 形状相似 度和面积相似度， 对计算得到的重心距离、 形状相似度和面积相似度值分别赋予权重， 通过 加权法计算源实体和目标实体的综合图形相似度； S4将图形相似度和属性相似度计算结果和预设的阈值对比以判断图形、 属性的状态变 化， 从候选识别集中提取增 量数据， 根据增量数据更新自然资源调查监测数据中变化的图 形和/或属性。 2.根据权利要求1所述的方法， 其特 征在于， 所述S2中， 距离阈值基于下式计算： 式中， 为距离阈值， m1、m2分别为源实体和候选识别集中对应目标实体的点位精度， m为 两个同名点的距离精度。 3.根据权利要求1所述的方法， 其特 征在于， 所述环境相似度的计算方式如下： 其中， 、 分别为源实体、 目标实体在V oronoi图中所属多边形的面积， 、 分别为权　利　要　求　书 1/3 页 2 CN 114218337 B 2与源实体、 目标实体 所属多边形相邻的其它多边形的面积之和， 、 分别为源实体、 目 标实体的环境特 征， 为源实体和目标实体的环境相似度。 4.根据权利要求2所述的方法， 其特征在于， 当源实体和目标实体为点实体时， 距离相 似度基于下式计算： 其中， 为源实体 a和目标实体 b之间的距离相似度； d为源实体 a和目标实体 b之间的 欧式距离； r为距离阈值， 采用权利要求2所述方式计算； 当源实体和目标实体为线实体时， 基于Fr échet距离计算源实体 a和目标实体 b之间的 相似度如下： 其中， 为源实体 a和目标实体b之间的相似度； 为源实体 a和目标实体b之间的Fr é chet距离；r为距离阈值， 采用权利要求2所述方式计算。 5.根据权利要求1所述的方法， 其特征在于， 当源实体和目标实体为面实体时， 分别计 算源实体和目标实体的重心 距离、 形状相似度和面积相似度， 其中： 计算重心距离时， 如果需要获取多个面实体的重心， 则计算每个面实体的重心距离平 均值， 作为多个面实体整体的重心 距离； 计算形状相似度时， 如果实体间是一对多或多对多的识别关系， 则先分别构建所有源 实体和目标实体的外接多边形， 再计算源实体外接多边形和目标实体外接多边形的形状相 似度； 计算面积相似度时， 如果实体间是一对多或多对多的识别关系， 则先分别计算所有源 实体和目标实体的面积和， 再计算源实体面积和 和目标实体面积和的面积相似度。 6.根据权利要求1所述的方法， 其特 征在于， 所述属性识别的方式为： 当源实体和目标实体的属性项为数值类型， 基于下式计算数值相似度 ； 其中，Va、Vb分别表示源实体 a和目标实体 b的一个属性项值； 当源实体和目标实体的属性项为实体的分类代码时， 基于下述方式计算编码相似度： 设sNum()表示分类代码的个数； sCode()表示某实体的分类代码， 若 m=sNum(sCode (a))，n=sNum(sCode( b))， 且m≤n， 则将sCode( a)与sCode( b)中前m个数字对应相减， 若前述 前m个数字对应相减得到的字符串中从第一位开始存在 k≤m， k=0， 1， 2，…，m个连续的0数 字， 则编码相似度 计算如下： 当源实体和目标实体的属性项为描述实体 状态信息的文本时， 计算文本相似度 ；权　利　要　求　书 2/3 页 3 CN 114218337 B 3