導(dǎo)航電子地圖中道路網(wǎng)增量信息的多尺度探測

王艷慧， 尹 川， 丁宇虹

(1.首都師范大學(xué)資源環(huán)境與地理信息系統(tǒng)北京市重點實驗室，北京 100048;2.首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點實驗室，北京 100048)

向用戶提供現(xiàn)勢性強的多尺度導(dǎo)航電子地圖是移動位置服務(wù)系統(tǒng)的重要服務(wù)內(nèi)容之一.多尺度道路網(wǎng)增量更新數(shù)據(jù)的內(nèi)業(yè)管理和相應(yīng)的更新發(fā)布方法已成為制約位置服務(wù)市場發(fā)展的瓶頸之一.而利用最新的大比例尺地圖依次更新中、小比例尺地圖的多尺度地圖協(xié)同縮編更新作為當(dāng)前國際GIS界研究的熱點問題之一［1］，為多尺度導(dǎo)航電子地圖更新提供了可供參考的思路.目前縮編更新主要存在4種模式:直接縮編替代更新、直接縮編疊加更新、增量縮編更新、新舊數(shù)據(jù)疊加縮編更新［2-3］，相關(guān)研究結(jié)合不同的應(yīng)用領(lǐng)域和生產(chǎn)條件，分別選擇了不同的更新模式，并針對增量數(shù)據(jù)提取與更新操作等問題展開研究［2-8］.但這些研究一般都是針對兩個特定的比例尺，沒有考慮增量變化信息在不同比例尺序列之間的傳遞及其對多尺度協(xié)同更新效率和精度的影響.對采用縮編增量信息來更新舊的小比例尺矢量空間數(shù)據(jù)(尤其是線狀目標(biāo))的方法鮮有涉及，該方法理論上具有更新效率高、延續(xù)性強、一致性維護(hù)方便等特點，更符合位置服務(wù)中多尺度導(dǎo)航電子地圖的縮編更新需求.

基于上述考慮，本文擬以導(dǎo)航電子地圖中的主要地理框架要素——道路網(wǎng)要素作為主要研究對象，研究用增量多尺度縮編協(xié)同更新模式解決客戶端多尺度空間數(shù)據(jù)動態(tài)同步更新問題的關(guān)鍵技術(shù)，實現(xiàn)增量數(shù)據(jù)以“打補丁”的方式融合到客戶端中，為提高服務(wù)器端和客戶端多尺度空間數(shù)據(jù)庫協(xié)同更新的效率和精度，提供相應(yīng)的技術(shù)參考.

1 研究方法

常規(guī)基礎(chǔ)地圖制圖及更新一般重點關(guān)注路網(wǎng)要素幾何表達(dá)，而導(dǎo)航電子地圖更關(guān)注路網(wǎng)要素的拓?fù)浔磉_(dá).針對位置服務(wù)中由道路網(wǎng)新建、拓寬、合并以及廢棄等物理變化引起的變化、新增、刪除等數(shù)據(jù)庫操作，基于增量信息的道路網(wǎng)多尺度縮編更新實質(zhì)是采用“差文件”(新舊數(shù)據(jù)集之差，即增量數(shù)據(jù)集)思想，將各級比例尺下的增量變化信息以“打補丁”方式融合到客戶端各級比例尺數(shù)據(jù)集中，從而實現(xiàn)數(shù)據(jù)集內(nèi)容的一致性.其需要解決的實際問題是聯(lián)動提取各級比例尺不同版本數(shù)據(jù)集之間的“差文件”，將“差文件”以可靠的精度“打補丁”入庫融合，并保證幾何、屬性和拓?fù)鋽?shù)據(jù)的一致性和同步性.故此處的增量縮編更新處理過程可簡化為增量信息提取、增量信息縮編融合及協(xié)調(diào).

總體技術(shù)流程為:初始數(shù)據(jù)包括時刻t0比例尺為S1和S2的道路數(shù)據(jù)、時刻t1比例尺為S2的道路數(shù)據(jù)(t1＞t0、S1＞S2).若某時刻某一比例尺下的路網(wǎng)目標(biāo)表達(dá)信息用F(t，S)表示，則增量更新主要包含兩個環(huán)節(jié):增量信息的提取與縮編傳遞.

首先，針對常用增量信息提取方法中基于經(jīng)驗閾值確定新舊目標(biāo)匹配的不足，提出采用基于最大類間方差法自適應(yīng)確定幾何匹配閾值進(jìn)而探測增量信息，并利用式(1)識別不同時刻同一比例尺道路數(shù)據(jù)的增量信息ΔF(t1，S1)，

其次，基于文獻(xiàn)［9］提出的多比例尺表達(dá)目標(biāo)之間的內(nèi)連規(guī)則，搜尋變化目標(biāo)對應(yīng)的目標(biāo)比例尺的匹配要素，利用插入、刪除等數(shù)據(jù)庫操作算子把增量信息集MyUpdateClass中的目標(biāo)變化信息(ΔF(t1，S1))逐一映射到舊的對應(yīng)小比例尺數(shù)據(jù)中，對新產(chǎn)生的數(shù)據(jù)集重新構(gòu)建拓?fù)?，并按照目?biāo)比例尺S2下的路網(wǎng)選取規(guī)則，即基于自適應(yīng)網(wǎng)眼密度的增量信息選取規(guī)則，得到目標(biāo)比例尺S2下現(xiàn)勢性較好的時刻t1的數(shù)據(jù).以此類推，一旦增量信息可在不同比例尺之間融合，即可實現(xiàn)它在不同比例尺之間的傳遞.

為驗證上述方法的可行性，本文實驗測試數(shù)據(jù)源選取某地開發(fā)區(qū)2007年(時刻t0)和2010年(時刻t1)的1∶10000(比例尺S1)、2007 年1∶50000(比例尺S2)道路網(wǎng)矢量數(shù)據(jù)，并在前期數(shù)據(jù)預(yù)處理中基于層次語義匹配規(guī)則［9］，已建立了同一時態(tài)下數(shù)據(jù)源中的道路目標(biāo)與需要更新的其它比例尺地圖中道路目標(biāo)之間的映射關(guān)系.insert、delete和update數(shù)據(jù)庫操作算子也均已在前期研究中實現(xiàn)［10-11］.下文將重點剖析增量探測和增量信息融合的技術(shù)原理及實現(xiàn)細(xì)節(jié).

2 路網(wǎng)增量更新信息的探測

增量信息的識別和提取其實是一個目標(biāo)匹配的過程，匹配精度會直接影響數(shù)據(jù)更新的準(zhǔn)確率.針對路網(wǎng)線狀要素，以目標(biāo)匹配為基礎(chǔ)提取更新信息的研究也很多.例如，文獻(xiàn)［12-14］基于面積疊置率計算兩條線目標(biāo)的相似度，即通過比較兩個道路緩沖區(qū)的相互重疊部分的面積占各自總面積的比值與給定閾值的大小關(guān)系來探測可能的匹配線對.其中多數(shù)學(xué)者都是根據(jù)制圖經(jīng)驗來設(shè)定某個相對合理的數(shù)值作為閾值，而經(jīng)驗閾值沒有考慮不同區(qū)域數(shù)據(jù)集的具體差別，匹配結(jié)果在一定程度上存在自適應(yīng)性弱、誤差較大、精度相對較低的缺點［15］.

因此，根據(jù)圖像閾值分割灰度直方圖與數(shù)據(jù)更新前后路段緩沖區(qū)面積迭置率灰度直方圖表現(xiàn)出的高度吻合性.本文研究基于最大類間方差Ostu閾值分割算法來實現(xiàn)目標(biāo)匹配閾值自適應(yīng)精確計算的方法，嘗試在避免幾何數(shù)據(jù)的各種復(fù)雜統(tǒng)計量計算情況下，快速構(gòu)建有效的候選匹配目標(biāo)集，避免常用經(jīng)驗閾值選取時的精度干擾.

2.1 基本原理與流程

基于Ostu快速構(gòu)建候選匹配集，進(jìn)而再采用幾何匹配算法，根據(jù)各種幾何、度量、拓?fù)浣y(tǒng)計量的組合判斷置信度最高的匹配對，進(jìn)而從新版本中篩選出與舊版本相匹配的目標(biāo)集，余下的“差文件”即為所要提取的該比例尺下的增量信息.具體算法流程為:計算同一較大比例尺下兩個不同時態(tài)的數(shù)據(jù)集中要素的面積迭置率，根據(jù)面積迭置率集合反映的灰度直方圖.利用Ostu法算出適合該數(shù)據(jù)集的最佳閾值e，以此為判據(jù)逐一探測幾何變化，即遍歷同一較大比例尺不同時刻路網(wǎng)要素表達(dá)的目標(biāo)，對目標(biāo)以一定寬度建立緩沖區(qū)，判斷緩沖區(qū)面積迭置率Ssim(Li，Oi)與幾何匹配閾值e的關(guān)系，

如果Ssim(Li，Oi)大于給定閾值，則說明兩目標(biāo)關(guān)聯(lián)，則可再根據(jù)與之關(guān)聯(lián)的要素個數(shù)及Ssim(Li，Oi)值具體確定其變化類型，提取相應(yīng)的變化信息.確定了匹配的目標(biāo)集后，再比較目標(biāo)屬性的變化，提取幾何和屬性變化信息.

2.2 基于Ostu法的類間方差閾值計算

Ostu法又稱為或大津閾值分割法，是圖像分割領(lǐng)域的一種常用算法.它假設(shè)圖像的灰度直方圖是由對應(yīng)目標(biāo)和背景的兩個單峰的直方圖混合構(gòu)成，如果二者大小很接近，均值相差較大，且均方差足夠小，則其直方圖表現(xiàn)為較明顯的雙峰，如圖1(a)所示.Ostu法適用于區(qū)分其背景與目標(biāo)，且可使圖像錯分概率最小，而最佳閾值是使兩個數(shù)據(jù)集的差異達(dá)到最大值［15］.

根據(jù)前期不同研究區(qū)不同數(shù)據(jù)集的大量實驗研究，發(fā)現(xiàn)更新前后道路面積迭置率按大小排序生成的數(shù)據(jù)集合的灰度直方圖(圖1(b))與通常的圖像閾值分割灰度直方圖(如圖1(a)所示)表現(xiàn)出高度的吻合性，據(jù)此提出用Ostu圖像分割的閾值計算方法來實現(xiàn)目標(biāo)匹配閾值精確計算.

圖1 閾值化法圖像分割Fig.1 Histogram distributions of the thresholding-based image segmentation

如圖1(b)所示的一個研究區(qū)測算結(jié)果，橫坐標(biāo)表示面積疊置率，縱坐標(biāo)表示面積疊置率取值的累計個數(shù)，可以看出數(shù)據(jù)呈明顯的雙峰分布，中間部分出現(xiàn)了一個較明顯的峰谷拐點.進(jìn)一步與實際數(shù)據(jù)比對，發(fā)現(xiàn)疊置率取值在拐點前的要素是由多條相交線段結(jié)點緩沖區(qū)重合引起的疊加分析誤差及地圖數(shù)據(jù)本身的誤差造成.疊置要素之間不存在匹配關(guān)系，而疊置率取值在拐點后的要素則由存在匹配關(guān)系的兩條線要素造成此分布特征.由此可以推斷該數(shù)據(jù)集存在兩類情況:一類為由非匹配關(guān)系產(chǎn)生的冗余數(shù)據(jù)，另一類為由匹配關(guān)系產(chǎn)生的有效匹配數(shù)據(jù).因此，根據(jù)不同要素集表現(xiàn)出的疊置率直方圖分布特征，可用Ostu法計算出直方圖的分割閾值作為此要素集幾何匹配的最佳閾值，把圖像(待匹配數(shù)據(jù)集)的目標(biāo)信息(匹配要素)和背景信息(非匹配要素)區(qū)分開來，從而達(dá)到根據(jù)不同數(shù)據(jù)集自身結(jié)構(gòu)特點縮小候選匹配目標(biāo)集合、提高幾何匹配精度的目的.

2.3 實驗驗證

根據(jù)前文方法與某典型研究區(qū)數(shù)據(jù)源，進(jìn)行目標(biāo)匹配時先建立道路網(wǎng)拓?fù)潢P(guān)系，進(jìn)行斷鏈處理，然后度量面積疊置率，判斷道路是否存在幾何匹配關(guān)系.當(dāng)緩沖區(qū)面積疊置率大于Ostu法所得閾值時，認(rèn)為路段存在幾何匹配關(guān)系.并以人工匹配為參照，在不同閾值下抽樣統(tǒng)計不同條數(shù)的道路，驗證匹配準(zhǔn)確率.如表1所示，選取不同的實驗閾值t，對應(yīng)的匹配準(zhǔn)確率也不相同，而采用本文Ostu法計算得到的閾值(t=29)時，無論是與經(jīng)驗閾值(t=30)相比，還是與其它隨機選配閾值相比，匹配準(zhǔn)確率均較高.由此可判斷t=29為當(dāng)前條件下的最佳閾值.

表1 不同閾值匹配精度Tab.1 Matching accuracy at different thresholds

為驗證該方法的有效性和可行性，利用增補4個研究區(qū)的樣本數(shù)據(jù)進(jìn)行目標(biāo)匹配準(zhǔn)確度比較.計算結(jié)果表明匹配準(zhǔn)確率在87% ～91%之間，均優(yōu)于傳統(tǒng)經(jīng)驗閾值匹配精度.

3 增量信息的多尺度縮編傳遞

由于新增道路信息中可能包含低等級道路，相對于小比例尺制圖需求，可能存在許多不符合目標(biāo)比例尺要求的冗余數(shù)據(jù)，需予以舍棄.選取數(shù)量、選取目標(biāo)及選取道路的合理性和有效性，都是增量信息縮編更新過程中需要研究的問題.因此，本文考慮增量路段在整個目標(biāo)比例尺圖幅中的重要程度以及圖幅負(fù)載量的總體控制，模擬縮編更新過程中人的思維過程，完善基于道路網(wǎng)眼密度的增量路段漸進(jìn)式選取算法.

3.1 基本原理與流程

基于層次語義匹配規(guī)則［9］，建立源比例尺與目標(biāo)比例尺地圖中各路網(wǎng)目標(biāo)之間的映射關(guān)系.基于遺傳算法、連通性、網(wǎng)眼密度等道路選取方法［3，8］，經(jīng)驗證存在不能表達(dá)出不同區(qū)域的路網(wǎng)密度差異、難以用于復(fù)雜路網(wǎng)環(huán)境、本身算法較為復(fù)雜［16］的問題.因此，本文借鑒和集成擴展現(xiàn)有方法，綜合考慮道路等級、長度、連通性、網(wǎng)眼面積、道路密度、是否為懸掛鏈等選取因素，分析相互之間的聯(lián)系及優(yōu)先順序，以網(wǎng)眼作為選取單元，以網(wǎng)眼密度作為衡量路段密集程度的依據(jù).根據(jù)不同的區(qū)域密度設(shè)置不同的網(wǎng)眼密度，逐級選出適合目標(biāo)比例尺的路網(wǎng)增量目標(biāo)，在此基礎(chǔ)上，實現(xiàn)多尺度變化信息不同尺度之間的垂直傳播和無縫融合.

圖2所示為縮編流程，逐一遍歷較大比例尺的增量數(shù)據(jù)文件包中的路網(wǎng)要素.若它為變化(刪除、幾何或?qū)傩宰兏?道路，則所有較小比例尺下與之對應(yīng)的路網(wǎng)表達(dá)目標(biāo)都要做出相應(yīng)更改;若它是新增加的道路，則所有較小比例尺上的對應(yīng)位置都增加該道路，從而達(dá)到聯(lián)動更新的目的.當(dāng)然，在此過程中，部分增量信息可能由于重要性較低而難以在小比例尺地圖上表達(dá)出來，因此，還需基于網(wǎng)眼密度漸進(jìn)式循環(huán)迭判，逐一剝離重要程度最低的道路.使得每次循環(huán)在滿足網(wǎng)眼密度條件的情況下刪除該區(qū)域內(nèi)重要性最低的道路［16］，并完成與鄰接網(wǎng)眼的合并.

3.2 路網(wǎng)增量目標(biāo)自動選取密度閾值的確定

運用網(wǎng)眼密度來進(jìn)行路網(wǎng)增量目標(biāo)的縮編選取，關(guān)鍵是確定密度閾值.與目標(biāo)幾何匹配閾值的設(shè)定類似，傳統(tǒng)方法采用制圖比例尺規(guī)范中最小制圖分辨率作為經(jīng)驗閾值，雖具有通用性，但沒有考慮不同區(qū)域道路網(wǎng)數(shù)據(jù)集的具體分布狀況，針對性較低.因此，為了體現(xiàn)不同區(qū)域的路網(wǎng)密度差別，本文借鑒樣圖統(tǒng)計法［3-4］，根據(jù)不同等級道路網(wǎng)的網(wǎng)眼密度分布趨勢來動態(tài)調(diào)整密度閾值.即針對不同研究區(qū)的數(shù)據(jù)源，以網(wǎng)眼邊界上路段的最低等級為標(biāo)準(zhǔn)，將網(wǎng)眼分成不同類型，對不同等級類型的網(wǎng)眼設(shè)置不同的密度閾值，分別統(tǒng)計分析研究區(qū)內(nèi)相同等級路網(wǎng)密度及對應(yīng)道路網(wǎng)條數(shù)的分布規(guī)律，據(jù)此確定不同道路等級的網(wǎng)眼密度閾值.

圖3(a)和(b)分別為研究區(qū)2010年1∶10000和1∶50000主干道和支干道的網(wǎng)眼密度分布圖.圖3(a)兩條線的走勢大致相同，說明1∶10000地圖的主干道路在1∶50000地圖中多數(shù)被保留下來.同時根據(jù)1∶50000地圖制圖規(guī)范的要求，人眼能夠分辨的最大密度為0.074 m/m2，故以此作為主干道選取閾值.圖3(b)兩條線走勢差別較大，在密度0.010 ～0.350 之間，相同網(wǎng)眼密度下1∶10000地圖的路網(wǎng)數(shù)目小于1∶50000地圖的路網(wǎng)數(shù)目，其原因是較大比例尺下網(wǎng)眼合并后，密度較小的網(wǎng)眼增多;而在0.350～0.074之間則相反，相同網(wǎng)眼密度下1∶10000地圖的路網(wǎng)數(shù)目大于1∶50000地圖的網(wǎng)眼數(shù)目，同樣是由于在較大比例尺下刪除路段合并了網(wǎng)眼，導(dǎo)致網(wǎng)眼減少，密度同時變小.分界線在兩條線的交點0.038 m/m2處，小比例尺制圖需 選取密度大于此值的路網(wǎng)目標(biāo)，即此值為密度閾值.

圖2 增量信息多尺度縮編更新流程Fig.2 Flowchart of multi-scale generalization for incremental information

3.3 實驗驗證

在 Windows 7/CPU 1.25 GHz、ArcGIS Engine SDK/Visual Studio.NET 2008環(huán)境下，進(jìn)行增量信息的縮編提取.增量文件包中共有路段234條(見圖4)，結(jié)點數(shù)14458個，整個實驗用時823 s.用更新得到的1∶50000新數(shù)據(jù)(圖5(a))，與已有的2010年1∶50000現(xiàn)勢數(shù)據(jù)進(jìn)行對比(圖5(b))，重要度較高的高等級路網(wǎng)目標(biāo)全部選中，可以滿足路網(wǎng)數(shù)據(jù)更新的結(jié)構(gòu)選取需求.與2.3節(jié)增量探測相對應(yīng)，增補其它4組樣區(qū)的實驗，并定量論證了多尺度組合探測增量選取算法的可行性.

圖3 道路網(wǎng)眼密度分布Fig.3 Mesh density distributions of roads

圖4 增量數(shù)據(jù)Fig.4 The incremental representation data

圖5 更新的1∶50000地圖及對應(yīng)的現(xiàn)勢1∶50000地圖Fig.5 The updated and the corresponding current 1∶50000 maps

4 結(jié)束語

基于多尺度縮編協(xié)同更新模式，實現(xiàn)多尺度道路網(wǎng)增量數(shù)據(jù)的提取和融合是導(dǎo)航電子地圖更新的研究熱點之一.本文提出基于Ostu法計算最佳閾值進(jìn)而探測增量目標(biāo)，并基于不同等級道路網(wǎng)的網(wǎng)眼密度分布趨勢動態(tài)調(diào)整密度閾值，完善了基于道路網(wǎng)眼密度的增量變化目標(biāo)漸進(jìn)式選取算法.通過實驗驗證了該方法的可行性，為聚焦候選匹配目標(biāo)集及提高增量縮編更新精度提供了可行的技術(shù)參考.本研究未考慮道路網(wǎng)與電子地圖中其它興趣點(例如居民點)的連通情況，對可能是通向居民點唯一道路的特殊情況未進(jìn)行特殊處理;且當(dāng)兩個數(shù)據(jù)集的面積疊置率直方圖存在差異較大的峰谷時，有必要更客觀地定義選取規(guī)則，進(jìn)一步增強算法的實用性.

［1］YE Y，CHEN B，WAN B，et al.MMS-IU model for incremental update of spatial database:geo-informatics in resource management and sustainable ecosystem［M］.Berlin:Springer Heidelberg，2013:359-370.

［2］陳軍，胡云崗，趙仁亮，等.道路數(shù)據(jù)縮編更新的自動綜合方法研究［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2007，32(11):1022-1027.CHEN Jun，HU Yungang，ZHAO Renliang，et al.Road data updating based on map generalization［J］.Geomatics and Information Science of Wuhan University，2007，32(11):1022-1027.

［3］胡云崗，陳軍，李志林，等.基于網(wǎng)眼密度的道路選取方法［J］.測繪學(xué)報，2007，36(3):351-357.HU Yungang，CHEN Jun，LI Zhilin，et al.Selective omission of road features based on mesh density for digitalmap generalization［J］.Acta Geodaetica et Cartographica Sinica，2007，36(3):351-357.

［4］趙彬彬.多尺度矢量地圖空間目標(biāo)匹配方法及其應(yīng)用研究［D］.長沙:中南大學(xué)，2011.

［5］GAVRILA D M， BAYESIAN A. Exemplar-based approach to hierarchical shape matching［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2007，29(8):1-14.

［6］SAMAL A，SETH S，CUETO K.A feature-based approach to conflation of geospatial sources［J］.International Journal of Geographical Information Science，2004，18(5):459-489.

［7］鄧敏，徐凱，趙彬彬，等.基于結(jié)構(gòu)化空間關(guān)系信息的結(jié)點層次匹配方法［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2010，35(8):913-917.DENG Min， XU Kai， ZHAO Binbin， etal. A hierarchical approach for nodes matching based on structural spatial relations［J］. Geomatics and Information Science ofWuhan University， 2010，35(8):913-917.

［8］鄧紅艷，武芳，翟仁建，等.基于遺傳算法的道路網(wǎng)綜合模型［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2006，31(2):164-167.DENG Hongyan，WU Fang，ZHAI Renjian，et al.A generalization model of road networks based on genetic algorithm［J］.Geomatics and Information Science of Wuhan University，2006，31(2):164-167.

［9］王艷慧，李小娟，劉曉萌.路網(wǎng)要素多尺度表達(dá)目標(biāo)的層次關(guān)系分析［J］.中國圖象圖形學(xué)報，2007，12(8):1451-1456.WANG Yanhui， LI Xiaojuan， LIU Xiaomeng. On hierarchical relation among road multi-scale representation［J］. Journal of Image and Graphics，2007，12(8):1451-1456.

［10］尹川.導(dǎo)航電子地圖更新中道路網(wǎng)增量信息的提取與發(fā)布［D］.北京:首都師范大學(xué)，2012.

［11］丁宇紅.導(dǎo)航電子地圖中道路網(wǎng)增量縮編更新信息的提?。跠］.北京:首都師范大學(xué)，2013.

［12］應(yīng)申，李霖，劉萬增，等.版本數(shù)據(jù)庫中基于目標(biāo)匹配的變化信息提取與數(shù)據(jù)更新［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2009，34(6):752-755.YING Shen，LI Lin，LIU Wanzeng，et al.Changeonly updating based on object matching in version databases［J］.Geomatics and Information Science of Wuhan University，2009，34(6):752-755.

［13］QIAN H Z，ZHU Q，GUO M，et al.Oriented road network macrostructure matching algorithm［J］.Physical and Numerical Simulation of Geotechnical Engineering，2011，3:18-21.

［14］MASUYAMA A. Methodsfordetectingapparent differences between spatial tessellations at different time points［J］.International Journal of Geographical Information Science，2006，20(6):633-648.

［15］尹川，王艷慧.路網(wǎng)增量更新中基于OSTU的目標(biāo)幾何匹配閾值計算［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2014，39(9):1061-1067.YIN Chuan， WANG Yanhui. Targetgeometry matching threshold in incremental updating of road network based on OSTU［J］. Geomatics and Information Science ofWuhan University， 2014，39(9):1061-1067.

［16］張小朋，尹路明，王鵬波，等.地圖數(shù)據(jù)縮編更新中的道路自動選取研究［J］.測繪工程，2012，21(5):13-16.ZHANG Xiaopeng，YIN Luming，WANG Pengbo，et al.A study of road automatic selection in map data generalization based updating［J］. Engineering of Surveying and Mapping，2012，21(5):13-16.