[发明专利]大数据支持下的点群目标自动综合算法

说明书

大数据支持下的点群目标自动综合算法，点的权重是点群自动综合的重要参数，但已有算法对它的确定缺乏充足的理论依据。大数据可以为点的权重提供丰富、实时的数据参考。为此，提出了一种大数据支持下的点群目标自动综合算法。基本原理如下：首先，引入影响范围与影响人群两种因素作为点的权重指标，获取相关数据并进行处理与可视化；其次，在遵循地图综合的基本原则基础上，以影响范围多边形面积及影响人群数量为依据，利用归一化及“同心圆”方法实现了点的取舍操作；最后，将综合结果与可视化图形进行了对比分析和实验验证。实验证明，该算法不仅继承了已有算法优点，而且科学地计算了点群的权重信息并将其运用到点群自动综合过程中，得到的结果更加合理且具有较强的实时性。

技术领域

本发明属于地图学与地理信息科学技术领域，是一种基于大数据的点群目标自动综合算法。

背景技术

点群综合是地图综合的重要组成部分，其目的是在点数目减少的情况下尽量正确表达点群的整体信息，即采用一定的模型或算法从原始的点群中抽取出含有一定数量点的子集合。点的权重反映了点在空间点群整体中的个体重要程度，是点群综合的重要参数。而现有的点群综合算法中，有一类算法，例如基于Voronoi图的算法等，在综合过程中没有顾及到点的权重信息；另一类算法虽然顾及到了点的权重信息，但仍然具有以下两个缺陷：（1）权重值的确定不够精确且缺乏充足的计算依据，例如基于加权Voronoi图的算法，是目前为止比较完善的点群综合算法，但算法中点的权重值是通过专家经验给定的，例如将甲级医院权值设定为2，乙级医院设为1，灌溉用井权值设为2，其他井权值设为1；（2）权重值是预先给定并不会发生变化的。但是在实际地理空间中，随着时间的推移，点的权重值往往会发生改变，例如地图中用点表示的某乙级医院针对心脑血管病例大量增多的现状，引进人才大力发展相应专业，使得其规模及就医人数超越了诸多甲级医院，此时其权重值也应该随着变化。

大数据能够为目标事物提供丰富的实时信息，不仅可以为点的权重值的确定提供科学有效的参考，还使得点的权重值的实时改变成为可能。

发明内容

针对上述情况，本文引入大数据，作为计算点群权重的依据，在此基础上提出了一种点群目标自动综合算法。

点的权重数据选择

点群是空间地理目标的重要组成部分，当地图比例尺缩小时，许多空间地物都表现为点群，如居民地、医院、学校、超市、饭馆、树木等。对于以上点群，大多具有各自的影响范围等特征，诸如医院、学校、超市等点群都有各自的影响范围和影响人群。鉴于此，本文将点的影响范围和影响人群作为衡量点的权重的指标。

选取此两种因素作为点的权重指标，是因为点的影响范围和影响人群以及二者之间的关系反映了点群两方面性质：

(1)点对象等级的高低。对于一个点对象，其周围通常会有以它为中心扩散开来的服务范围，这个范围可以反映点对象的等级水平。如果这个范围相对较大同时影响人群数量较多就说明此点等级较高，例如一所医院影响范围广、影响人群数量多可以说明这所医院规模大、医疗设备先进、卫生服务水平高，现实生活中此类医院对应的等级也较高；相反，如果点对应的影响范围较小同时影响人群数量较少，则说明此点等级较低；

(2)点群局部密度大小。如果一个点对象的影响范围广而影响人群数量少就可以说明该点附近同类点群数目较少，局部密度较小。

在点的综合过程中，等级较高的点，其重要性程度也相对较高，应当予以保留；局部密度较小的点，为了尽可能保持空间点群的结构特征，也应该保留。

故在算法中，获取并处理的数据主要是空间点群的影响范围与影响人群。

大数据的获取与处理

本算法中选用了两个权重衡量指标，其获取方法如下：