空间位置信息的多源POI数据融合.pdf

《空间位置信息的多源POI数据融合.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第44卷第7期中国海洋大学学报44(7)：l11～l162014年7月PER10DICALOFOCEANUNIVERSITY0FCHINAJuly，2014空间位置信息的多源POI数据融合张巍，高新院，李瑞姗(中国海洋大学信息科学与工程学院，山东青岛266i00)摘要：为从2个来源不同的POI数据集合中准确找出用于融合的对应对象，在国外研究成果的基础上提出1种改进方案，该方案在空间位置属性的基础上利用非空间属性相似度来提高结果融合集的准确性。技术路线如下：首先对2个POI数据集合实施空间位置方法找出对应对象组成的初步融合集，然后使用低阈值的名称属性相似度方法排除由空

2、间位置方法找出的错误对应对象，最后使用高阈值的名称属性相似度方法找出空间位置方法未能找出的对应对象。用多组POI数据集合测试改进方案，结果表明融合集的准确率、召回率以及F1值都有明显提高。关键词：POI数据集合；对应对象；准确率；召回率；F1值中图法分类号：$623．1文献标志码：A文章编号：1672—5174(2014)07—111—06POI是兴趣点(PointofInterest)的缩写，是一种法找出对应对象组成的初步融合集，然后使用名称特代表真实地理实体的点状数据，PoI一般包含名称、类征属性排除由空间位置方法找出的融合集中的错误对别、经纬度以及地址等基本信

3、息。伴随着网络地图与应对象，最后使用高阈值的名称特征属性相似度方法基于位置服务(LBS)的快速发展，POI数据也出现了快找出剩余的对应对象。速增长，然而，不同来源的POI信息完善和丰富程度不1POI数据融合方法及其改进方案同，如何把已存在的POI数据进行集成融合从而实现数据复用，已成为急需解决的问题。由于POI数据不1．1基于空间位置的方法像结构数据和半结构数据那样具有全局标识，要解决基于空间位置的方法仅利用POI的位置信息来寻POI数据融合问题就比较困难。国外研究者提供给的找正确的融合集，BeeriC等提出了几种基于空间位置解决方案有：基于空间位置方法[1-2]；

4、基于非空间属性的POI数据融合方法，其中最重要的有相互最近邻方方法【3；基于本体(Ontology)的方法[。法、概率方法、标准化权重方法。假设有2个不同来源基于位置方法的优点是它仅仅根据经纬度位置信的POI数据集合A和B，并且有A一(a，a-．，a}，息就可以找对应对象，而经纬度信息是每个POI都必B一{b1，b2，⋯b}。须具备的，不存在数据缺失问题；缺点是来源不同的相互最近邻方法：POI的经纬度都普遍存在误差与坐标系不统一的问confidence({a，b))===题。基于非空间属性方法的优点是它只使用非空间特1一!璺呈!!鱼2征属性不用考虑经纬度中存在的差异

5、，方法也更为成min{distance(a，b2)，distance(a?，6))’熟，缺点是它要求不同来源的POI之间必须有比较统式中：a∈A，b∈B，confidence({a，b))为POI对应对象一的存储模式，另外，非空间特征属性有可能存在信息(口，6)的置信度；Ⅱz为6在A中的次近邻对象；6为a缺失与标注错误问题。而基于本体(Ontology)方法的在B中的次近邻对象。如果置信度大于给定阈值就认优点是它可以为每个POI对象创建一个类似结构化数为是正确的对应对象。据的全局标识符，从而使得融合过程变得非常容易；缺概率方法：点是目前并没有比较成熟的本体库可以使用

6、。Pa(bj)一综上所述，单独使用以上方法都不能取得令人满∑-一distance(6⋯)一a意的融合结果，本文在以上研究成果的基础上提出一一t种改进方案，该方案是在空间位置的基础上使用名称confidence(，))一丽。特征属性相似度来提高POI融合集的准确性。具体实公式中()·Pb()为POI对象a，bi互相选择的现过程为：首先对2个POI数据集合实施空问位置方概率；a为距离衰减因子。*基金项目：山东省自然科学基金项目(ZR2010FM002；ZR2012FM016)资助收稿日期：2012—10—10；修订日期：2012—12—25作者简介：张巍(1975一)，

7、男，副教授。E-mail：ihcil．OUC@gmail．com中国海洋大学学报标准化权重方法：Output：AsetPofpairsandasetSofsingletons1：(GS，BS，P)一(G，B)P(bj)·(以)1≤i≤，1≤J≤2：foreach{g，b)∈PLsuchthat叼(g．title，b．title)rdol0