基于空間位置信息的多源POI數(shù)據(jù)融合問題的研究.pdf

1、伴隨著網(wǎng)絡電子地圖與基于位置服務(LBS)的快速發(fā)展，以POI為代表的空間地理數(shù)據(jù)出現(xiàn)了快速增長。POI是興趣點(Point of interest)的縮寫，是一種代表真實地理實體的點狀數(shù)據(jù)，POI一般包含名稱、類別、經(jīng)緯度以及地址等基本信息。一方面，POI信息的搜集、存儲以及更新需要花費大量的人力、物力，并且POI信息的及時添加和更新服務已經(jīng)成為各個網(wǎng)絡地圖的核心競爭力;另一方面，不同來源的POI信息完善和豐富程度各有不同。如何把來源

2、不同的POI信息進行集成融合從而實現(xiàn)數(shù)據(jù)復用，已成為急需解決的問題。
　　 POI數(shù)據(jù)融合技術是解決地理空間數(shù)據(jù)復用的關鍵技術，本文所提到的POI數(shù)據(jù)融合技術最終目標是:將兩個POI數(shù)據(jù)集合中表示同一個地理實體的POI對象標識出來，并將它們放在“融合集”中。國外研究者提出的解決方案有大致如下:基于Ontology的技術;基于空間位置的技術;基于非空間屬性的技術。為從兩個來源不同的POI數(shù)據(jù)集合中準確找出用于融合的對應對象，本文在

3、國外研究成果的基礎上提出一種改進方案，該方案在空間位置屬性的基礎上利用非空間屬性相似度來提高結果融合集的準確性。本文的具體研究工作與研究成果如下:
　　 首先，對兩個不同來源的POI數(shù)據(jù)集合實施空間位置技術找出對應對象組成的初步融合集，基于位置方法的優(yōu)點是它僅僅根據(jù)經(jīng)緯度位置信息就可以找對應對象，而經(jīng)緯度信息是每個POI都必須具備的，不存在數(shù)據(jù)缺失問題;缺點是來源不同的POI的經(jīng)緯度都普遍存在誤差與坐標系不統(tǒng)一的問題。
　

4、　 其次，使用低閾值的名稱屬性相似度算法排除由空間位置方法找出的錯誤對應對象。該算法的優(yōu)點是它只使用非空間特征屬性而不用考慮經(jīng)緯度中存在的差異，方法也更為成熟，缺點是它要求不同來源的POI之間必須有比較統(tǒng)一的存儲模式，另外，非空間特征屬性有可能存在信息缺失與標注錯誤問題。此外，在此步驟中使用低閾值的名稱屬性相似度算法的原因是:空間位置相近的POI對象有相似的名稱。
　　 第三，使用高閾值的名稱屬性相似度算法找出空間位置方法未能