廣州市地理信息公共服務平臺數據更新體系研究

唐忠成，張麗，陶嵐，韓劍姿

(1.廣州市規劃和自然資源自動化中心，廣東 廣州 510060； 2. 廣州市城市規劃勘測設計研究院，廣東 廣州 510060)

1 引 言

地理信息公共服務平臺對于政府建設數字城市具有重要的現實意義，以4D產品為核心的多尺度、多類型地理空間數據已滲透到數字經濟、數字治理和數字生活的方方面面[1]，而平臺的基礎地理信息數據只有通過不斷的維護與更新才能滿足政府及各部門的應用需求。熊湘琛等通過增量更新技術快速、有效、準確地將建設的變化信息及時準確地反映在基礎地理數據庫，加快了城市基本比例尺地形圖更新的速度[2]；周晟軒將空間數據一體化生產技術引入到大比例尺地圖數據的生產中，簡化了數據生產流程，提升了數據更新效率[3]；劉麗芬等研究了基于業務驅動的跨地域自適應轉換的快速更新技術，實現了海圖數據的自動化提取與在線協同更新[4]，但當前的研究重點僅僅是針對某一類型數據的更新，缺乏一套系統化的針對多源數據的快速更新體系。

本文基于廣州市地理信息公共服務平臺的數據更新項目，在分析了廣州市基礎地理信息數據的特點之后，結合動態變化檢測、智能解譯、多尺度數據級聯更新等關鍵技術、提出了一套系統化的數據更新方案，完成了地理實體數據、多尺度政務電子地圖等多源數據的快速更新需求，在數據生產模式和更新效率方面都有所突破，提高了地理信息公共服務平臺數據的使用價值，持續為廣州市提供豐富、優質的基礎地理信息資源數據支撐。

2 數據更新體系

廣州市城市建設日新月異，地理實體數據、地名地址(含POI興趣點)數據的更新工作面臨著更新范圍廣、要素多、變化要素提取難度大的挑戰；同時隨著城市治理智能化的發展，多尺度政務電子地圖在城市建設、用地管理、疫情防控等方方面面發揮著重要作用，但也在各級空間尺度的應用中出現了圖面負載量不均衡、多尺度級聯更新困難的問題。

針對以上問題，本文整合利用廣東省城市感知與監測預警企業重點實驗室的sentinel雷達遙感數據和檢測技術，結合雷達影像和光學影像的主被動協同多元動態變化檢測與深度學習識別變化結果，篩選提取變化區域，再通過人工核檢的方式完成，為地理實體更新提供重要參照，提升更新效率；同時，基于制圖綜合原理、神經網絡機器學習、計算機圖形學等技術，通過人機交互半自動化的方式，完成 1∶500～1∶500 000的8級系列比例尺的地圖數據庫級聯更新。這一整套數據更新流程完成了從“變化識別”到“變化解譯”到“變化更新”的快速轉變，具體的數據更新流程如圖1所示。

圖1 廣州市地理信息公共服務平臺數據更新流程

2.1 數據準備

廣州市地理信息公共服務平臺所使用的基礎數據源主要包括廣州市2020版地理實體數據、廣州市2020版多尺度政務電子地圖和廣州市2020版市級節點天地圖等。此外，項目同時也包含了廣州市2021年高分辨率衛星影像數據、廣州市2021年國土規劃業務管理審批數據等作為更新數據源。

2.2 數據預處理

基礎地理信息數據更新所涉及的數據資料，由于其提供方及來源路徑并不一致，存在數據范圍、數據格式和空間參考信息的差異，因此需要對多種數據源進行更新要素提取、數據范圍裁剪、空間參考轉換、數據入庫等預處理操作，保障多源數據的標準一致性。

2.3 變化檢測及解譯

基于已有的更新數據源，對比廣州市2020年、2021年兩個年度的衛星影像，結合主被動協同的多元動態變化檢測技術進行建筑物、道路、水系、植被四種類型數據的對比分析，提取影像變化區域，然后結合雙向長短期記憶網絡的多特征融合的智能化解譯技術實現遙感影像變化類型的自動解譯，形成變化圖斑。

2.4 數據更新

根據獲得的變化圖斑范圍，分別按照確定型增量更新和變化型增量更新兩條路線完成基礎地理數據的全域更新。確定型增量更新指在地理實體數據(基版)的基礎上，分別疊加各類增量(含新增、修改、刪除)數據源，結合遙感影像數據進行判斷更新；變化型增量更新指在地理實體數據(基版)的基礎上，疊加變化圖斑數據，根據遙感影像對疑似變化區域內的實體地物進行人工核實，需要通過對遙感影像的目視判斷來判斷變化要素及變化類型，從而進行圖形和屬性的更新。

2.5 級聯更新

通過數據更新可獲得新的大比例尺的地理實體數據，本文以2021版地理實體數據作為數據源，在2020版小比例尺基礎地理數據庫的基礎上，對比兩個比例尺間新增、刪除，修改部分的區域，基于制圖學制圖綜合理論，針對系列比例尺制圖尺度差異、各區域地理特征異質性、不同地理要素圖層等情況的綜合判斷，對建筑物、道路、水系和綠地面等不同的地物類型設立不同的綜合指標，通過合并、選取、化簡等綜合操作完成系列比例尺地圖的增量更新[5]，實現廣州全域 1∶500～1∶500 000的8級系列比例尺的快速級聯更新。

3 關鍵技術

3.1 基于雷達與遙感主被動協同的多元動態變化檢測技術

動態變化檢測技術是數據更新過程中首要并且是最重要的步驟，即利用同一地區在不同時間或不同條件的遙感圖像中，識別和量化地表變化的類型、空間分布情況和變化量[6]。單一雷達影像(主動遙感)可以全天時全天候進行監測，但雷達噪聲影響大、解譯困難，而單一光學影像(被動遙感)易于解譯、波段豐富但受天氣干擾較大。

因此基于雷達與遙感主被動協同的多元動態變化檢測，即主被動協同的地表動態監測，將雷達與光學遙感影像相結合，依據主被動遙感互補協同的思路，完成時間維、影像維、解譯維的優勢互補，準確識別提取變化區域，排除由于光學影像受衛星姿態，拍攝角度、云影等影響產生的偽變化，可從較大程度上提升遙感變化檢測的準確程度。

3.2 基于雙向長短期記憶網絡的多特征融合的智能化解譯技術

本文研究的數據更新體系在遙感與雷達主被動協同變化監測精準提取變化區域，解決了“哪里變”的問題基礎上，還需要進一步解決遙感影像“變成什么”的問題。遙感圖像自動解譯作為一項復雜的工程、抽取穩定、有效的特征是提高遙感圖像自動解譯精度的關鍵[5]。而隨著大數據、云計算、人工智能等技術的不斷進步，深度學習技術在圖像識別方面取得重大進展、在遙感影像特征提取方面也應用頗廣[7]。

本文通過將深度學習技術應用到遙感影像解譯之中，利用數據的特點，提取像素及其鄰域的空間細節等高級特征，運用雙向長短期記憶網絡深度學習方法，聯合變化圖斑的光譜-對象-時間特征進行模型訓練和智能化解譯，這一方法比傳統方法更有效充分地學習到樣本數據前后變化的信息，提高識別的性能，通過構建“技術—生產—反饋”的迭代機制，可實現變化圖斑類型的精準識別。

3.3 多尺度海量時空數據的智能級聯更新

由于不同層次、政府、部門對數據的需求不同，為了滿足地圖表達需要，往往需要建立多種比例尺的數字地圖數據庫。但當數據庫太多時其建立和維護費時費力將耗資巨大，因此對最新的較大比例尺數字地圖進行自動綜合，派生出較小比例尺的數字地圖成為新的研究方向。

多尺度海量時空數據的級聯更新采用跨比例尺新舊數據疊加縮編更新的方式，即直接疊加大小比例尺的新舊數據提取變化信息，然后對小比例尺數據進行更新協調來解決海量時空數據中矢量數據的更新維護問題。針對點、線、面不同類型要素，制定多尺度新舊地圖數據變化信息發現、識別和級聯更新規則，開發面向房屋面、道路中心線、水系、興趣點等要素的多尺度更新的模型算法，為跨比例尺空間數據級聯更新提供技術支撐[8]。

4 平臺成果特點

本文提出的數據更新體系為新形勢下新型基礎測繪更新工作提供了參考，以廣州市地理信息公共服務平臺的數據更新項目為例，由該體系建立起來的廣州系列比例尺地圖數據庫具有多源兼容、智能化快速更新、應用場景多樣等特點[9]。

4.1 多源兼容

廣州市地理信息公共服務平臺數據來源多樣，且數據量龐大。本文針對多樣性的數據來源，通過統一編碼、對數據進行融合清洗、標準化處理；同時針對不同的類型的數據來源，定制模塊化數據更新流程，從而完成廣州全域范圍內的多種數據類型，比如地理實體數據、地名地址(含POI興趣點)數據，多尺度政務電子地圖等的統一更新工作。

4.2 智能化快速更新

本文提到的數據更新體系通過結合高新技術、算法，實現了城市基礎地理信息數據的智能化快速更新，數據更新效率和速度顯著提升。比如傳統的常規計算機+人工目視的整個廣州市的變化檢測，需要一個人至少七天的才可以完成變化圖斑識別，而通過結合多元動態變化檢測技術以及深度學習技術，則可以實現半天計算機識別，1小時人工精度評價；增量更新和智能化地圖綜合技術的融入也有效降低更新作業量，提升了作業模式的智能化程度。

4.3 應用場景多樣

基于多尺度海量時空數據庫生成的政務電子地圖和天地圖·廣州等平臺數據成果，可有效支撐全市各委辦局信息平臺的空間數據應用。由該數據更新體系建立起來的“一庫多用”的廣州系列比例尺地圖數據庫可支持城市地圖集App、廣州市標準地圖、云平臺公眾版等公共服務平臺的地理要素動態表達和交互式應用場景，如圖所示為面向政務和公眾的不同風格的系列比例尺政務電子地圖，在廣州市委市政府等地得到了廣泛應用，如圖2所示。

圖2 廣州市系列比例尺政務電子地圖

5 結 語

本文以廣州市地理信息公共服務平臺數據更新項目作為研究背景，提出了一套系統化的數據更新體系。該數據更新體系通過結合多元動態變化檢測、深度學習和地圖綜合等關鍵技術，建立了一套可多源兼容，智能更新，應用于多種場景的廣州系列比例尺地圖數據庫，解決了基礎測繪數據在變化識別及提取、智能化綜合、聯動更新等方面的技術難題，可持續為廣州市地理信息公共服務平臺提供豐富、優質的基礎地理數據支撐。

廣州市地理信息公共服務平臺數據更新體系雖然已經取得了一定的成就，但數據更新領域的研究方興未艾[10]，下一步，希望通過將近幾年迅速發展的深度學習、群體智能、知識圖譜等人工智能技術與地圖變化檢測、地圖自動綜合等技術結合起來[11]，優化提升基于基礎測繪、遙感變化檢測及新型測繪技術的全域覆蓋的智能化數據更新體系。