CN114565730A - 地图矢量样本的处理方法、设备和计算机可读存储介质 - Google Patents

Abstract

本申请公开了地图矢量样本的处理方法、设备和计算机可读存储介质，其中地图矢量样本的处理方法包括：获得样本数据，其中，样本数据包括居民地样本数据集、道路网样本数据集和水系样本数据集；对样本数据进行样本标注；通过化简、选取、典型化方法对标注后的样本数据的几何形状特征和主体模式特征进行保持、提取，实现样本数据标准化；对标准化后的样本数据进行特征构建，得到特征型样本；其中，样本特征包括单体样本特征和群组目标特征；根据特征型样本构建特征型数据库，特征型样本用于描述样本的模式状态特征。本申请通过标准化、流程化的样本处理，其数据质量能够得到最大程度的保证，有效减少研究人员的在数据准备上耗费的时间。

Description

地图矢量样本的处理方法、设备和计算机可读存储介质

技术领域

本申请涉及深度学习技术领域，尤其涉及地图矢量样本的处理方法、设备和计算机可读存储介质。

背景技术

样本构建是人工智能深度学习领域当中的关键环节，在具有典型性、代表性的特征样本上训练，才能使深度学习模型具有良好的知识规则概括能力。深度学习的样本数据对象集中在图像、音频、视频、文本等视听感知数据类型，作为空间位置信息表达的具有几何矢量特征和拓扑结构的地图矢量数据，目前已经在地图矢量数据上展开的深度研究已取得初步进展，但当前缺乏对于矢量样本库的构建方法。

现有技术中也存在针对深度学习当中的样本处理技术，所面向的样本类型有所异同，包括栅格影像图片、语义文本、三维点云的样本生成或预处理方法；且所针对的样本的数据类型均为结构化数据，即能以如规范阵列式表达的栅格影像数据，能通过转换方法成为序列式数据的语音、文本数据。

然而现有技术中也存在以下不足：

1)针对的数据源没有涉及空间位置信息，当前的技术主要针对图像、文本、语音数据，这些数据是当前深度学习模型中的常见数据源，如图像中的用于图像的识别、分割、增强等等任务。地图空间数据，作为人们日常中接触极多的数据，绝大部分数据都与空间位置信息相关。目前针对地图数据，缺乏相关的样本数据处理方法的研究。

2)缺乏针对矢量数据样本的技术，当前面向的数据源均能通过规范阵列进行表达，如图像数据，能通过像素及RGB对形状和纹理进行呈现，语音、文本等样本数据则能通过序列列表的形式进行表达。矢量数据在数据组织上存在其特殊性，能使图形在任意尺度下保持形态的真实性，同时存储上所占据的存储资源也较低。

3)在样本处理流程上，目前研究都是针对单一的处理过程，如采集、存储或样本增强等，尚缺乏整合统一的完整技术处理流程。

发明内容

本申请提供地图矢量样本的处理方法、设备和计算机可读存储介质，以解决现有技术中缺乏针对地图矢量数据的整合统一处理的问题。

为解决上述技术问题，本申请提出一种地图矢量样本的处理方法，包括：获得样本数据，其中，样本数据包括居民地样本数据集、道路网样本数据集和水系样本数据集；对样本数据进行样本标注；通过化简、选取、典型化方法对标注后的样本数据的几何形状特征和主体模式特征进行保持、提取，实现样本数据标准化；对标准化后的样本数据进行特征构建，得到特征型样本；其中，样本特征包括单体样本特征和群组目标特征；根据特征型样本构建特征型数据库，特征型样本用于描述样本的模式状态特征。

可选地，根据特征型样本构建特征型数据库之前，还包括：基于几何变换的方法或者样本生成模型的方法进行数据样本增强；其中，几何变换的方法包括镜像、旋转和缩放；样本生成模型的方法中，包括生成模型和判别模型，生成模型用于捕获样本数据分布并模仿生成伪数据分布，判别模型用于判断样本是来源于训练数据或者来源于生成模型。

可选地，地图矢量样本的处理方法还包括：根据特征型样本得到变换型样本，其中，变换型样本用于描述样本尺度变换的特征；根据变换型样本构建变换型数据库。

可选地，根据特征型样本构建特征型数据库之前，还包括：对样本数据进行质量评价，其中，质量评价包括属性完整性、逻辑一致性和样本正确性及完整性；属性完整性是指样本数据属性字段是否完整，同时字段名称、字段类型、字段长度等是否符合要求；逻辑一致性指矢量数据在图形拓扑关系上不存在逻辑上的矛盾，各数据之间的关系是否合理；样本正确性及完整性是指样本数据在结构和范围上是否完整，样本的归类是否正确；删除不满足质量的样本数据，并对剩余的样本数据进行平衡性评估；当剩余的样本数据满足平衡性后，根据特征型样本构建特征型数据库。

可选地，单体样本特征构建包括：从位置、形状、大小、方向的角度描述单体样本的空间特征；其中，单体样本包括点、线、面、体的基本单元，其分布对应欧氏空间中的一维、二维和三维；群组目标特征构建包括：从群体样本内每个个体要素的自身特征、群体样本的空间分布特征和群体样本内各要素间的相互关系对群体样本进行描述。

可选地，样本数据的标注方法包括以下形式：人工标注及、众包模式样本标注、基于模型的样本标注方法、基于特征的样本标注方法和基于从属关系的样本标注方法。

可选地，样本数据标准化包括：建筑物标准化处理、道路网标准化处理和河网标准化处理。

可选地，建筑物标准化处理包括：保持建筑物整体轮廓形态，通过尺度变换对建筑物边缘轮廓进行化简；道路网标准化处理包括：存储道路网中所有网眼，并由小到大进行排序；选取出面积最小的面，检索到构成该面的道路，找出这些边中等级最低的一条或几条道路；若等级最低的只有一条道路，则舍去该条道路，如果等级低的道路数大于1，则通过判断找出长度最短的道路舍去；合并当前面和舍去的道路另一侧的面；如此循环，直至所有网眼面面积大小相似时停止合并；河网标准化处理包括：顺河流而下对河段进行编码，遍历所有河流，将无上流汇入的河段编码为1，将接受1级河流汇入的河段编码为2，将接受2级河流汇入的河段编码为3，以此规则推进，将接受M-1级及以下等级河流汇入的河段编码为M；从最高等级编码M的河流开始溯流而上，搜索干流同时合并河段等级，寻找每个河流的最佳上游；将下游河段的编码赋值给选中的最佳上游河段编码；删除所有等级低于阈值的河段。

为解决上述技术问题，本申请提出一种地图矢量样本的处理设备，包括存储器和处理器，存储器连接处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现上述的地图矢量样本的处理方法。

为解决上述技术问题，本申请提出一种计算机可读存储介质，存储有计算机程序，计算机程序被执行时实现上述的地图矢量样本的处理方法。

本申请提出地图矢量样本的处理方法、设备和计算机可读存储介质，其中地图矢量样本的处理方法包括：获得样本数据，其中，样本数据包括居民地样本数据集、道路网样本数据集和水系样本数据集；对样本数据进行样本标注；通过化简、选取、典型化方法对标注后的样本数据的几何形状特征和主体模式特征进行保持、提取，实现样本数据标准化；对标准化后的样本数据进行特征构建，得到特征型样本；其中，样本特征包括单体样本特征和群组目标特征；根据特征型样本构建特征型数据库，特征型样本用于描述样本的模式状态特征。本申请通过标准化、流程化的样本处理，其数据质量能够得到最大程度的保证，有效减少研究人员的在数据准备上耗费的时间。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请地图矢量样本的处理方法一实施例的流程示意图；

图2是本申请地图矢量数据样本组织体系一实施例的结构示意图；

图3是本申请样本数据分类一实施例的示意图；

图4是本申请矢量数据标注工具一实施例的示意图；

图5是转角函数的示意图；

图6是邻近四点法的化简算法的原理图；

图7是经过邻近四点法化简结果的示意图；

图8是本申请基于网眼合并的道路网选取结果一实施例的示意图；

图9是本申请基于Horton编码河网选取结果一实施例的示意图；

图10是本申请特征型样本分层组织一实施例的结构示意图；

图11是本申请变换型样本分层组织一实施例的结构示意图；

图12是本申请几何变换中的镜像示意图；

图13是本申请几何变换中的旋转示意图；

图14是本申请几何变换中的缩放示意图；

图15是本申请生成对抗网络GAN框架一实施例的示意图；

图16是单体建筑物数据增强实验结果一实施例的示意图；

图17是本申请地图矢量样本的处理设备一实施例的结构示意图；

图18是本申请计算机可读存储介质一实施例的结构示意图。

具体实施方式

为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对本申请所提供地图矢量样本的处理方法、设备和计算机可读存储介质进一步详细描述。

目前面向深度学习的图形样本库都是基于像素表达的图像样本库，而在地图领域中，通过矢量数据表达现象和事物，其数据结构上与图像存在着显著差异，目前在地图空间中尚缺少相应的样本库作为支撑。样本库能有效减少研究人员的在数据准备上耗费的时间，同时通过标准化、流程化的样本处理，其数据质量能够得到最大程度的保证。

通过建设标准的样本库还能作为一个各模型算法效果评价的基准，有效推动深度学习在地图制图领域的广泛运用。一定规模的样本数据支持是提升智能化制图效果的关键所在。而矢量数据的数据结构多样、表达内容丰富，在样本标注时存在众多困难。同时矢量数据通过点、线、面等基本组织单元描述地理实体，如何通过特征对样本进行描述是使模型了解数据的关键。

明确现有技术的缺点：

第一，地图矢量样本数据与图像数据、文本数据等数据相比，数据结构上存在着差异，图像等结构化数据能通过规则的矩阵形式进行表达，而矢量样本均为非结构化数据，以二维坐标系上的点、线、面组合而成。在数据组织上更为复杂，难以对样本进行处理。

第二，样本不仅表达了对象的几何形态，还蕴含了事物的地理特征，需要集成多方面的特征对样本进行描述，在样本组织上，需要结合样本的综合特征，提出样本的注记及标签形式。

第三，当前针对地图矢量数据的深度学习仍处于起步阶段，对于地理分析、地图制图、地图风格迁移等深度学习模型算法成果陆续出现，但仍未成熟，所以对地图矢量样本的研究尚且不多。

基于以上三点，地理矢量数据具有海量性，对于样本的组织、管理、调度上比现有的样本库存在更多困难，如何管理基本组织单元为非结构化的矢量样本数据是一个亟待解决的问题。因此，构建一个面向深度学习的规模以上、完备、准确的矢量样本数据库是一项充满了挑战性、具有现实意义的基础性研究工作。

当前针对深度学习的矢量样本数据库的发明暂为空白，本申请结合面向深度学习中对于矢量样本数据的需求，提出了一整套构建矢量样本数据库的流程方法，当中包括矢量样本的组织方法、矢量样本标注方法、矢量样本的标准化方法、矢量样本的特征构建方法、矢量样本质量的评价方式、矢量样本的数据增强方法、矢量样本数据库的构建方法，下面逐一对方法进行介绍和明确。

请参阅图1-2，图1是本申请地图矢量样本的处理方法一实施例的流程示意图，图2是本申请地图矢量数据样本组织体系一实施例的结构示意图。在本实施例中，地图矢量样本的处理方法可以包括步骤S110～S150，各步骤具体如下：

S110：获得样本数据，其中，样本数据包括居民地样本数据集、道路网样本数据集和水系样本数据集。

样本数据是关于地图目标分布状态、模式结构、几何形态典型性案例集。其中，样本数据可以包括居民地样本数据集、道路网样本数据集和水系样本数据集。请参阅图3，图3是本申请样本数据分类一实施例的示意图。获得样本数据之后可以进行样本组织分类，下面对每一类样本数据进行描述：

(1)居民地样本数据集。

居民地是地图中的一类重要要素，是人类居住、生产、学习、娱乐的主要场所。居民地作为人工地物，是建造者智慧的体现，受地理环境、气候条件、区域经济发展等因素影响下，在个体形态和群组结构上都存在显著的模式特征。研究居民地模式结构分析可以为多尺度空间数据库更新、地图制图综合、城市规划、土地利用和开发中提供帮助。样本内容包括：

i)不同区域地理环境下的居民地样本集。居民地整体形态受区域范围的人文条件、经济发展、历史变更等影响，形成特定的居民地群体模式结构。如在城市发展进程当中，滞后于时代发展的城中村，形成整体高度聚集、形状多样、排列错乱的居民地模式形态。除了特定几何形态的居民地群组外，具有典型象征意义的居民地群组模式样本也具有研究价值，如城市中央商务区。

ii)不同群体模式的居民地样本集。居民地群体模式指一定范围内居民地群组的形态结构。居民地群组的模式形态的决定因素可以分为主观和客观两个层面。主观层面是指居民地作为人工地物，其总体设计、建设都通过人的主观意识决定的，如呈放射状、圆形排列。客观层面指受地理环境、经济发展等因素影响，居民地群组表现的一些特殊模式，如在河流或道路两侧，居民地常沿道路分布，呈线形、弧形排列。

iii)不同个体形态的居民地样本集。在单体居民地层面上，居民地的形状结构是人类智慧的体现，在设计上兼备实用、美观的特点，如牧民区的蒙古包，其在矢量数据上形似字母“O”。单体建筑物的形态主要受建造者主观因素影响，结构形态多样，此处通过字母“Z”、“E”、“F”等象形形状对建筑物个体形状模式进行描述。

(2)道路网样本数据集。

道路作为城市空间中连通各个功能区块的媒介，其模式结构既反映了该区域的地形地貌，还表达了城市中各功能区之间的拓扑关系。道路网模式的形成与城市的经济发展、生产水平、生活方式的发展史有关。道路网模式识别的研究对于道路规划、城市更新、交通模式分析具有重要意义。样本内容包括：

i)不同网状结构的道路地样本集。路网模式指城市中局部区域路网结构呈现的结构形态。路网的结构形态由城市整体发展规划的主观影响，也有由于地形地貌环境等地理因素决定的。如美国的道路大多横平竖直，其网状模式大多成格网状。而我国沿海地区为顺应地形，大多形成不规则的棋盘式路网。

ii)不同群体模式的道路样本集。路网模式指城市中局部区域路网结构呈现的结构形态。路网的结构形态由城市整体发展规划的主观影响，也有由于地形地貌环境等地理因素决定的。如美国的道路大多横平竖直，其网状模式大多成格网状。而我国沿海地区为顺应地形，大多形成不规则的棋盘式路网。

iii)不同道路交叉口形态的样本集。道路交叉口是交通网中的重要部分,其形态结构受道路性质、交通通行量以及道路交通承载力等因素影响。对于立体的交叉口可分为苜蓿叶型、菱形等；而对于平面的道路交叉口可分为十字形、T形等。

(3)水系样本数据集。

水系是在地形、土壤类型、气候、基岩类型和植被等因素综合作用下形成，其承载着全球的水文循环。水系的模式是特定水文、地质、地貌条件下形成的特定结构特征，在地形地貌划分、地理空间知识挖掘、地图制图中发挥着重要作用。根据水体面积，可分为通过线状表示的河流和以面状表示的湖泊。样本内容包括：

i)不同个体形态的水系样本集。对于水体的个体形态，通常由地形、地质构造等因素决定的，对于线状的河流形态可以依据其弯曲程度，分为弯曲、光滑等。对于面状表达的湖泊可以分为圆形、三角形等。

ii)不同群组模式的水系样本集。对于水系群组样本，通常是一个较大区域的水系集合，水系成因复杂，形态各异，如在抗腐蚀力较弱的沉积岩地区，水系一般呈树枝状。而西南纵谷地区，河流的干流粗壮而干流短小且分布在两侧，呈羽毛状。

S120：对样本数据进行样本标注。

深度学习当中，算法模型都需要依靠大量的样本数据进行训练，样本数据是基础，也是关键。样本数据标注是针对源数据，即未经处理的初级数据，如图像、文本、语音等进行加工，转换为计算机可识别的信息的过程。“标注”是通过人工或模型通过结合具体的任务需求，从多源数据中获取目标样本数据，强调的是获取样本数据的这一过程，在英文中通常用“label”表示，如图像样本标注软件LabelMe正是用“label”一词命名，而该词同时亦可作为名词使用，用于表示样本数据的“标签”。此处用“标注”来加以区分，表达样本数据的获取过程。

图像等结构化数据，作为深度学习模型的输入时，图中的有效区域与无标签区域皆作为输入样例，通过一个规范的矩阵进行样本表达。而矢量数据则是通过一些以坐标形式表达的线、面、体的集合对事物或现象进行描述，构建样本时需要把表达某一形态或某种空间分布模式的要素或要素的集合从源数据图层中挑选出并单独存储作为一个单独的数据样本，这种标注形式是由矢量数据的结构和现今的深度学习模型数据输入接口所决定的。

标注的样本要求符合人类认知，本实施例中的样例主要考虑的是样本的几何形态、空间分布模式、比例尺及语义属性。将符合要求的样本数据从源数据中分离，每个样本数据以shp图层单独存储，群组类型的样本同样也存储于一个图层上，样本数据的属性字段要保持一致，文件命名以类别名加数字编号顺序排列。由于矢量数据的表达抽象、数据结构复杂多样，在标注过程中要结合的实际学习任务，保证样本能反映出一定规律，同时要确保该样本整体结构的完整，对样本选取的覆盖范围不能过大，避免样本中涵盖部分非目标要素。

在标注过程中，还应当注重矢量样本集中“代表性与平衡性”问题，“代表性”是对于“质”层面的描述，在预设的分类体系下，由于地图空间数据的形态多样性，而数据标注的过程相当于抽样填充的过程，在一个类别中不能涵盖所有方向、尺寸、轮廓、语义属性的样本数据，任何的抽样形式都无法避免得造成矢量样本集对于某种特点的样本的倾斜，因此在标注过程中，挑选的样本数据要尽量选择具有代表性的数据。

构建矢量库样本数据库另一点需要考虑的是“平衡性”，“平衡性”指代的是数据集中的“量”，表示在样本标注过程中，除了要挑选具有典型意义的样本，还应考虑类别中样本间的平衡，部分典型样本在现实世界存在的数量较少，要避免这一类型的“典型”样本在整体的样本集中占据过大的比例，样本集中同一类别下的数据分布比例应当与实际认知的比例相一致。

可选地，样本数据的标注方法包括以下形式：人工标注及、众包模式样本标注、基于模型的样本标注方法、基于特征的样本标注方法和基于从属关系的样本标注方法。

(1)人工标注

人工标注是样本数据标注中最主要的方法，目前常用的开源数据集主要都是通过该形式进行数据的标注。深度学习其实是希望能仿照人类的认知功能，通过人对数据集挑选、标注，“告诉”机器该样本是什么，是最直接的方法。

标注人员会从视觉上根据地图空间目标形成的模式和结构进行样本的标注归类，在这个过程中，也就是视觉感知的过程，这需要依赖于标注人员的经验知识，要综合考虑样本几何形态、地理规律、空间分布、语义特征从源数据中发掘符合任务要求的样本数据。请参阅图4，图4是本申请矢量数据标注工具一实施例的示意图。

矢量数据标注工具的功能可以包括源数据加载、数据库创建、要素选择、图层管理、几何编辑、标签添加、属性编辑和样本保存等。

(2)众包模式样本标注

针对矢量的样本标注，可以考虑通过网络的交互方式建立，也就是众包形式。众包概念于2006年首次提出，其指的是一个特定的工作任务，以自由的形式外包给大众志愿者的做法。现今许多的开源数据集也是通过此形式对样本进行大规模采集，其通过AmazonMechanicalTurk(AMT)服务以付费形式生产了大量的数据。

矢量数据的标注，也可以将数据标注通过自愿、付费或游戏的形式，借助互联网快速完成数据规模量的扩增。

但需要注意这过程中，由于矢量样本的标注依赖于采集人员的主观意识，部分缺乏相关经验知识的人，可能会给样本标注质量带来影响，可以通过对样本的人工复核验及基于算法的核验，降低样本数据出错的概率。

(3)基于模型的样本标注方法

同一类别的样本数据，在其几何形态上存在相同或相似的规律。基于这一点，可以根据规律特征，设计相关的数学模型对源数据与类别数据进行相似性度量，或对规律以模型形式进行表达，实现样本数据的自动识别及标注，有效提高样本标注效率与自动化程度。以利用转角函数对居民地单体典型形态进行标注为例，计算源数据中居民地目标和类别模板之间的相似度，利用相似性度量指标，实现高效发掘出与目标类别相似度高的居民地，并对其进行标注。研究中通过转角函数对居民地的形状进行表达。具体方法如下：

对于单体居民地的多边形，选取边界上其中一个端点，将其沿二维坐标系参考方向(y轴)的切角为v，转角函数f(s)表示切角沿居民地边界顺时针旋转与弧长s之间的关系。如图5所示，图5是转角函数的示意图。线段AB沿起始点A顺时针旋转，与坐标轴y轴之间的切角为V₁，则f(S₁)＝V₁；线段BC沿起始点B顺时针旋转，与坐标轴y轴之间的切角为V₂，则f（S₂)＝V₂，直至以起始点A作为线段终点，图中得到一个六个区间的分段函数。对线段进行归一化操作后，居民地的多边形轮廓即可通过分段函数f(s)描述。

通过转角函数表达，可以将二维的居民地几何形状转化一维的函数模型。居民地之间的形状差异，可以利用描述不同形状的函数f(s)间组成的空间距离进行度量。而居民地的方向对于转角函数值会造成一定影响，因此在通过转角函数表达前，先对几何图形进行旋转，以居民地形状的最小外接矩形(MBR)长边方向作为旋转角。对于居民地多边形A、B，其对应的转角函数为f_A(s)、f_A(s)，定义两个形状间的相似度距离为：

上述公式表明，居民地A、B之间的几何形状越接近，相似度越高，则相似度S(A，B)的值越小。由于对居民地形状的周长进行了归一化处理，图形的尺寸不会对相似度计算造成影响。同时从式中可知，居民地的位置同样也不会影响计算结果。由此，通过该相似性度量方法，先从单体居民地要素中，挑选出具有代表性的矩形、T形、E形、F形、I形、U形居民地作为匹配的模板，建立对应的转角函数匹配集。从源数据中获取单体居民地的几何形状，并通过转角函数的形式进行表达，与模板库中的居民地进行相似度计算，选取距离值最小，即相似度最高的类别该居民地的类别。

(4)基于特征的样本标注方法

地图空间数据当中既表达了事物的几何特征，又有丰富的语义特征进行描述性说明。因而在样本标注时，对于部分数据，可以通过从目标样本的特征中找到概括性的规律。如标注目标是几何形态为矩形的建筑物，可以通过矩形度这一几何特征来对源数据中建筑进行判断，高于某个阈值则可以认为是矩形样本；标注农村道路网数据，则可以通过语义特征上的从属关系来进行标注。

(5)基于从属关系的样本标注方法

地图空间数据的组织结构上决定了其具有易于构建拓扑关系的特点。对于通过行政区划、功能区等划分类别的数据，如商业区道路网，可以通过构建拓扑关系，判断道路是否属于该区域，如果属于，则可以标注作为样本数据。相似度最高的类别该居民地的类别。

S130：通过化简、选取、典型化方法对标注后的样本数据的几何形状特征和主体模式特征进行保持、提取，实现样本数据标准化。

矢量样本数据集是关于地图目标分布状态、模式结构、几何形态的典型性案例集，样本在几何形态、分布规律上要能体现出对应类别的整体特征。而样本采集过程中，由于主要考虑是样本的整体结构是否与类别描述相似，即格式塔原则中与类别模板的视觉距离邻近。而对于单个样本来说，其不仅需要结构或模式上的相似，更应该具备典型性特征，才能使模型更好地学习样本中的特征，故需要对样本进行标准化处理。制图综合尺度变换中常用的化简、选取、典型化等方法能对数据的几何形状特征、主体模式特征有良好的保持。

可选地，样本数据标准化包括：建筑物标准化处理、道路网标准化处理和河网标准化处理。

(1)建筑物标准化处理

通过地图综合的方法，对建筑物进行典型化处理。关于单体建筑物的标准化，由于被标注样本在视觉距离上已与其所在类别相近，标准化过程主要保持其整体轮廓形态，通过尺度变换对其边缘轮廓进行化简。此处适合采用邻近四点法的化简算法，其算法原理如图6所示。

从可知，相邻的四个点形成三种较为常见的凹凸结构，可以分为Z型、平U型、U1型。对应的化简方法如下：

Z型：该情况下，点2、点3会被删除，点1和点4将移至A点和B点。移动的位置取决于相应边的位移权值，边越长，移动的距离越短。

平U型：在该情况下，若邻近四点所构成的图形面积小于给定的阈值，则点2、点3直接删除。否则会对该部分进行夸大处理，将四个点相应移动至点A、点B、点C、点D，BC的长度为给定的阈值，这过程当中四个点所围成的面积大小保持一致。

U1型：在该情况中，若邻近四点所围成图形的面积小于所给设置的阈值，点2、点3将被删除，否则进行夸大，将点1、点2、点3移动至点A、点B、点C处。BC的长度为给定的阈值，这过程当中四个点所围成的面积大小保持一致。

在针对样本进行边界化简处理时，为使凸部结构减少，可以将阈值设置稍大，减少夸大处理的出现。经邻近四点法化简结果如图7所示。

(2)道路网标准化处理

路网样本在进行标注时，顾及其整体模式，在视觉上整体态势呈某一类别的模式形态。而在标注时通常会把一些不必要的道路也标注至样本当中。为保持道路网的主体模式特征，通过采用尺度变换中的选取，实现样本的标准化。此处以格网型路网模式为例，介绍路网的标准化策略。

格网型路网是一种典型路网模式结构，其主体特征是两组近似于平行的道路相互垂直正交而形成。格网型路网的选取中为保持其格网的主体模式结构，不能简单地按道路长度、道路等级进行选取。选取的道路，要尽量能组成一个完整的大格网，所以可以通过按网眼合并的方法进行选取。网眼是道路网中被道路分割而成的相互独立的面状区域，是路网结构中分解的最小组织单元。通过网眼合并实现的样本标准化处理的主要步骤为：

(i)存储道路网中所有网眼，并由小到大进行排序；

(ii)选取出面积最小的面，检索到构成该面的道路，找出这些边中等级最低的一条或几条道路。若等级最低的只有一条道路，则舍去该条道路，如果等级低的道路数大于1，则通过判断找出长度最短的道路舍去；

(iii)合并当前面和舍去的道路另一侧的面。完成后返回步骤一，如此循环，直至所有网眼面面积大小相似时停止合并。

选取效果如图8所示。

基于网眼合并的道路网选取方法，对于格网型路网，有良好的样本标准化处理效果。

(3)河网标准化处理

河网样本中，由于支流众多，如果样本中包含过多的支流，在样本特征描述以及在后续深度学习利用图模型表示都会造成困难。为获取河流样本的主体模式特征，可以通过制图综合中尺度变换的选取算法对样本进行自动标准化处理。河网由主流和支流构成，支流向主流汇入，层次性明显，为体现出河网整体的结构特征河网的标准化处理可以通过Horton编码对主流及支流进行等级编码，从而表达出主流和支流之间的重要性差异。基于Horton编码选取方法的河网样本标准化处理步骤为：

(i)顺河流而下对河段进行编码，遍历所有河流，将无上流汇入的河段编码为1，将接受1级河流汇入的河段编码为2，将接受2级河流汇入的河段编码为3，以此规则推进，将接受M-1级及以下等级河流汇入的河段编码为M。

(ii)从最高等级编码M的河流开始溯流而上，搜索干流同时合并河段等级，寻找每个河流的最佳上游(寻找规则是与下游河段夹角最小且长度最长的河段)，将下游河段的编码赋值给选中的最佳上游河段编码。删除所有等级低于阈值的河段，重复步骤(ii)。

该方法在样本标准化中使用时，阈值可以设置稍低，只需经过1-2次选取过程便可以完成对于河网主体模式的特征提取。对于树枝状河网选取结果如图9所示。

S140：对标准化后的样本数据进行特征构建，得到特征型样本；其中，样本特征包括单体样本特征和群组目标特征。

特征与标签，是样本数据中的重要组成部分。标签是指我们深度学习中的训练目标，通常是人们对于某件事物或某个对象的固有认知，其不一定是事物本身所具有的属性。而特征通常是一系列描述事物的信息，是事物本身的固有属性，从多维的角度来表征事物。以数据驱动的深度学习，其本质就是找到标签与特征之间的映射关系，并通过不断训练固化特征与标签之间的联系。而在此样本库中，在构建时采用的分类模式则是依据人对样本数据的主观认识抽象得到的描述形式，因此分类时已经按照标签作为区分。同时，除了标签的描述，样本数据库中应该涵盖样本数据的多维度描述，发掘对于地图空间数据的特征是构建地图矢量样本库的关键。

地图空间数据是对存在的具有定位意义的事物和现象的定量描述，其既表达出事物的几何形态，同时还蕴含着事物更深层次的地理规律。在面向深度学习的样本数据结构层面上，常见的样本数据能通过规则形式表达，如图像等。图像数据能通过规整的矩阵来表示，以矩阵中的像素值表达物体的色泽、纹理和轮廓等特征信息，其数据表达形式上具有连贯性、整体性。深度学习模型能够通过感受野(ReceptiveField)来获得该类型规则样本数据的局部特征(颜色、曲线、纹理等)，再通过深层卷积对基础的局部特征进行组合，从而形成对图像更宏观的特征学习。所以图像数据，在深度学习中能理解为由许多个特征组成的集合。与之相比，地图空间数据以矢量的方向进行表达，通过直角坐标系上(x,y)坐标点组成点、线和面等基础几何要素集合对事物和现象进行表达，在深度学习任务中，显然不能直接通过简单的(x,y)坐标点获取得到矢量样本数据的特征，因而需要对地图空间数据进行整体或局部特征的表达。

(1)单体样本特征

单体样本的空间特征从位置、形状、大小、方向等角度进行描述。矢量数据由点、线、面、体等基本单元组成，其分布对应欧氏空间中的一维、二维和三维。

(2)群组目标特征

群体目标特征主要涵盖从三个方面对样本进行描述，其一是群体样本内每个个体要素的自身特征；第二是群组的空间分布特征，总整体的角度对样本进行度量；第三点是群组内各要素间的相互关系，即上下文特征。

S150：根据特征型样本构建特征型数据库，特征型样本用于描述样本的模式状态特征。

矢量样本数据库给出了一种矢量样本数据库的建设内容组成定义，一个面向深度学习的地图矢量样本数据库既包括矢量样本数据，也涵盖矢量样本特征，是深度学习算法模型高效优化的基础。

在本实施例中，矢量样本数据库为特征型数据库。可选地，矢量样本数据库还可以包括变换型数据库。如此，地图矢量样本的处理方法还包括：根据特征型样本得到变换型样本，其中，变换型样本用于描述样本尺度变换的特征；根据变换型样本构建变换型数据库。请参阅图10-图11，图10是本申请特征型样本分层组织一实施例的结构示意图；图11是本申请变换型样本分层组织一实施例的结构示意图。

在地图空间矢量样本数据当中，各样本的类别主要依据样本的地理特征、几何形态等进行划分，样本类别内联系紧密且要素类型一致，而样本类别之间几何形态上、表征的地理特征上存在明显差异。因而在设计当中，将标准化后的同一类别的地图矢量样本特征组合在一起成为图层，从逻辑意义上看是属于表示同一类地理特征以及相关描述特征的属性的几何。所以，在本研究当中，通过按矢量样本数据的类别设层，每类单独作为一个同层，在同一图层的信息中，数据具有相同规范要求的特征表达。与此同时，在1：1万、1：5万、1：25万三种不同比例尺下，样本数据的表达的几何特征及蕴含的地理意义存在差异，需要分别设层。

将样本分为两大类，特征型样本和变换型样本。特征型样本用于描述样本的模式状态特征，变换型用于描述样本尺度变换的特征。在空间尺度划分的基础上，特征型样本数据的组织分层可由要素类型->比例尺->样本模式特征的三层次结构进行设计，而决策变换型样本的组织分层可由要素类型->综合操作类型的两层次结构设计。

可选地，在进行步骤S150：根据特征型样本构建特征型数据库之前，还包括：对样本数据进行质量评价。

对于样本的质量评价从两个方面考虑，其一是样本的质量，其二是同一大类中个类别样本之间的平衡性。

(1)样本质量评价

对于标注的矢量样本检验可以分为属性完整性、逻辑一致性、样本正确性和完整性三个方面。属性完整性是指样本数据属性字段是否完整，同时字段名称、字段类型、字段长度等是否符合要求；逻辑一致性指矢量数据在图形拓扑关系上不存在逻辑上的矛盾，各数据之间的关系是否合理；完整性及正确性指矢量样本数据在结构和范围上是否完整，样本的归类是否正确。

除此以外，针对经过标准化处理的样本，可以计算其相关特征，利用如顶点数、凸点数判断建筑物标准化以后是否具有典型性；针对矩形度判断直线形建筑物是否符合设定，以此实现再次对样本质量进行评估，将不符合设定、不具有典型性代表的样本剔除。

(2)样本类别间平衡性考量

在深度学习的模式识别任务当中，即分类任务，对于类别间样本的平衡性有着较高要求，否则会对样本数目少的类别特征不敏感，从而造成欠拟合，影响模型精度。所以类别的平衡性有着重要意义。针对样本数量较少的样本类别，可以通过加大采样补全或通过以下介绍的数据增强方法实现平衡。

数据增强，也称为数据扩增，其目的是在未实质性地增加数据的情况下，让有限的数据产生等价于更多数据的价值。在深度学习当中，样本数据的质量决定了深度学习模型的上限，样本数据的数据量越大、涵盖的细节更全面、数据的类型越多，模型的质量会越高。要更好地为深度学习提供样本数据，增强模型的准确性及泛化能力，需要用两个角度去准备充足的样本数据。其一，用更多的数据、更准确的方式以获取更多的样本数据；其二，利用已有的样本数据，通过系列的手段进行样本增强。而对于部分类型、特征的矢量样本数据，在现有数据源中数量较少，所以需要通过数据增强的方式去增加数据样本。

1)几何变换

这里将提出三种基于几何变换的方法针对矢量样本数据的样本数据增强方法。

1.镜像，包括上下镜像反射与左右镜像反射，如图12所示。

2.旋转，通过对矢量样本，绕重心进行任意角度的旋转来达到数据量扩充的目的，如图13所示。

3.缩放，保持样本的几何结构，对样本数据进行缩小放大操作，如图14所示。

2)样本生成模型

生成对抗网络GAN(Generative Adversarial Network)是一种基于博弈论思想的深度网络模型，通过该模型可以生成与真实样本相同分布的数据。该模型主要由两部分组成，分别是生成模型G，以及判别模型D。其整体结构如图15。

成模型用于捕获样本数据分布并模仿生成伪数据分布，而判别模型用于判断样本是来源于训练数据或者来源于生成模型。在理想状态，在任意的函数空间生成模型G和判别模型D中存在唯一解，使得G生成的数据分布由D判断正确的概率为

记样本数据为x，其分布为P_data，将随机噪声z输入G进行学习训练，生成的数据分布为P_g，则噪声变量的映射表示为G(z；θ_g)，其中G是具有θ_g参数的多层感知器表示的可微函数。同理，判别器模型D(z；θ_d)表示模型的输入，其输出的值为真实训练数据的概率值。G的目标是尽可能生成符合真实训练数据的分布，D的目标是尽可能准确判断数据来源于训练数据或生成模型。使用值函数V(G；D)表示两者之间极大极小的博弈局面，如式3-3。

对于矢量样本的数据增强，此处以单体建筑物为例，将建筑物转换为栅格图像，其尺寸大小为64×64，其中包括4类样本，分布为E形、F形、矩形、H形样本，共计2308个作为实验的训练样本。训练迭代次数设置为2000，学习率为0.0002，Adam优化器动量设定为0.5。实验的GPU为NVIDIA GeForce GTX 1050Ti，框架实现基于Tensorflow-gpu。经过2000次的迭代实验后，能得到较为理想的样本生成结果，如图16所示。

通过GAN生成模型得到的结果符合预期，其能对目标样本进行有效扩充，增加样本数据的多样性。为得到矢量样本，需要先对所得图像进行降噪处理，得到较为清晰的结果图后转换为矢量数据形式，再通过利用地图综合的方法，如直角化、边界化简等，对样本的典型特征进行提取。

综上，本申请针对面向深度学习的地图矢量数据样本库构建，结合深度学习在地图应用上的样本需求，在图论、深度学习、格式塔认知、空间数据库管理等理论技术支持下，研究了一套矢量样本“分类--标注--标准化--特征提取--质量评价--增强”的地图矢量数据样本组织体系。构建出来的矢量样本数据库具有统一的、多场景、多尺度的优点。具体地，基于居民地、路网和水系的地图三大要素提出地图矢量样本数据集的组织方法。

基于上述的地图矢量样本的处理方法，本申请还提出一种地图矢量样本的处理设备，如图17所示，图17是本申请地图矢量样本的处理设备一实施例的结构示意图。地图矢量样本的处理方法设备300可以包括存储器31和处理器32，存储器31连接处理器32，存储器31中存储有计算机程序，计算机程序被处理器32执行时实现上述任一实施例的方法。其步骤和原理在上述方法已详细介绍，在此不再赘述。

在本实施例中，处理器32还可以称为CPU(central processing unit，中央处理单元)。处理器32可以是一种集成电路芯片，具有信号的处理能力。处理器32还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

基于上述的地图矢量样本的处理方法，本申请还提出一种计算机可读存储介质。请参阅图18，图18是本申请计算机可读存储介质一实施例的结构示意图。计算机可读存储介质400上存储有计算机程序41，计算机程序41被处理器执行时实现上述任一实施例的方法。其步骤和原理在上述方法已详细介绍，在此不再赘述。

进一步的，计算机可读存储介质400还可以是U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存储器(random access memory，RAM)、磁带或者光盘等各种可以存储程序代码的介质。

可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。文中所使用的步骤编号也仅是为了方便描述，不对作为对步骤执行先后顺序的限定。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种地图矢量样本的处理方法，其特征在于，包括：

获得样本数据，其中，所述样本数据包括居民地样本数据集、道路网样本数据集和水系样本数据集；

对所述样本数据进行样本标注；

通过化简、选取、典型化方法对标注后的样本数据的几何形状特征和主体模式特征进行保持、提取，实现样本数据标准化；

对标准化后的样本数据进行特征构建，得到特征型样本；其中，样本特征包括单体样本特征和群组目标特征；

根据所述特征型样本构建特征型数据库，所述特征型样本用于描述样本的模式状态特征。

2.根据权利要求1所述的地图矢量样本的处理方法，其特征在于，所述根据所述特征型样本构建特征型数据库之前，还包括：

基于几何变换的方法或者样本生成模型的方法进行数据样本增强；

其中，所述几何变换的方法包括镜像、旋转和缩放；

所述样本生成模型的方法中，包括生成模型和判别模型，所述生成模型用于捕获样本数据分布并模仿生成伪数据分布，所述判别模型用于判断样本是来源于训练数据或者来源于生成模型。

3.根据权利要求1所述的地图矢量样本的处理方法，其特征在于，还包括：

根据所述特征型样本得到变换型样本，其中，所述变换型样本用于描述样本尺度变换的特征；

根据所述变换型样本构建变换型数据库。

4.根据权利要求1所述的地图矢量样本的处理方法，其特征在于，所述根据所述特征型样本构建特征型数据库之前，还包括：

对所述样本数据进行质量评价，其中，所述质量评价包括属性完整性、逻辑一致性和样本正确性及完整性；所述属性完整性是指样本数据属性字段是否完整，同时字段名称、字段类型、字段长度是否符合要求；逻辑一致性指矢量数据在图形拓扑关系上不存在逻辑上的矛盾，各数据之间的关系是否合理；样本正确性及完整性是指所述样本数据在结构和范围上是否完整，样本的归类是否正确；

删除不满足质量的样本数据，并对剩余的样本数据进行平衡性评估；

当剩余的样本数据满足平衡性后，根据所述特征型样本构建特征型数据库。

5.根据权利要求1所述的地图矢量样本的处理方法，其特征在于，单体样本特征构建包括：

从位置、形状、大小、方向的角度描述单体样本的空间特征；其中，所述单体样本包括点、线、面、体的基本单元，其分布对应欧氏空间中的一维、二维和三维；

群组目标特征构建包括：

从群体样本内每个个体要素的自身特征、群体样本的空间分布特征和群体样本内各要素间的相互关系对所述群体样本进行描述。

6.根据权利要求1所述的地图矢量样本的处理方法，其特征在于，

所述样本数据的标注方法包括以下形式：人工标注及、众包模式样本标注、基于模型的样本标注方法、基于特征的样本标注方法和基于从属关系的样本标注方法。

7.根据权利要求1所述的地图矢量样本的处理方法，其特征在于

所述样本数据标准化包括：建筑物标准化处理、道路网标准化处理和河网标准化处理。

8.根据权利要求7所述的地图矢量样本的处理方法，其特征在于，

所述建筑物标准化处理包括：保持建筑物整体轮廓形态，通过尺度变换对建筑物边缘轮廓进行化简；

所述道路网标准化处理包括：存储道路网中所有网眼，并由小到大进行排序；选取出面积最小的面，检索到构成该面的道路，找出这些边中等级最低的一条或几条道路；若等级最低的只有一条道路，则舍去该条道路，如果等级低的道路数大于1，则通过判断找出长度最短的道路舍去；合并当前面和舍去的道路另一侧的面；如此循环，直至所有网眼面面积大小相似时停止合并；

所述河网标准化处理包括：顺河流而下对河段进行编码，遍历所有河流，将无上流汇入的河段编码为1，将接受1级河流汇入的河段编码为2，将接受2级河流汇入的河段编码为3，以此规则推进，将接受M-1级及以下等级河流汇入的河段编码为M；从最高等级编码M的河流开始溯流而上，搜索干流同时合并河段等级，寻找每个河流的最佳上游；将下游河段的编码赋值给选中的最佳上游河段编码；删除所有等级低于阈值的河段。

9.一种地图矢量样本的处理设备，其特征在于，包括存储器和处理器，所述存储器连接所述处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现权利要求1-8中任一项所述的地图矢量样本的处理方法。

10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时实现权利要求1-8任一项所述的地图矢量样本的处理方法。

Images