[發明專利]一種多重判據約束的POI匹配方法及裝置

有效

• 申請號: 202010182429.2
• 申請日: 2020-03-16
• 公開（公告）號: CN111400422B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 李成名;劉麗;戴昭鑫;吳政;朱立寧;楊霄;孫偉;張成成;路文娟;方馳宇
• 申請（專利權）人: 中國測繪科學研究院
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F16/909;G09B29/00
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 周新楣

本發明公開了多重判據約束的POI匹配方法及裝置，該方法包括：S1：獲取待計算POI對應的地圖服務源提供的實驗數據；S2：利用多重屬性約束計算所述實驗數據的相似度；S3：確定所述實驗數據的規則閾值；S4：利用多重判據約束規則舍棄不滿足條件的POI信息；S5：匹配和融合符合多重判據約束規則的POI。本發明采用多重判據約束計算方法，通過提升屬性相似度計算及綜合判據約束規則，在POI匹配精準性表現明顯優于現有匹配方法，誤匹配和漏匹配數均為0，實現更全、更精準的POI匹配。

技術領域

本發明屬于電子地圖技術領域，具體涉及一種多重判據約束的POI(Point?ofInterest，興趣點)匹配方法及裝置。

背景技術

POI匹配是多源POI融合更新的關鍵環節，也是融合更新工作中的技術難點，多源POI的準確匹配對于實現POI數據有效復用具有重要意義。多源POI實體匹配方法主要包括基于空間屬性方法(Yang?et?al.,2014；Zhang?et?al.,2014)、基于非空間屬性方法以及基于空間和非空間結合的方法(Yang?et?al.,2015；Huang?et?al.,2018)。基于空間和非空間結合的方法具有融合空間距離和名稱等非空間屬性的優勢，成為多源POI實體匹配最有效的方法。McKenziea?et?al(2014)提出了一種綜合空間位置距離、名稱屬性、主題相似度等多屬性加權POI匹配策略，并指出多屬性結合方法能夠有效解決單一特征屬性匹配精度低的問題。黃夢龍等(2018)在空間位置屬性的基礎上利用非空間屬性名稱相似度提高不同來源POI數據融合集的準確性。Li?et?al(2016)和Deng?et?al(2019)提出了多屬性相似度與合適的屬性權重分配相結合的POI匹配方法，并證明了所有多屬性模型中，綜合空間距離、名稱和類別屬性的模型在POI實體匹配中效果最好。

然而，已有基于空間和非空間結合的方法利用多重屬性約束時，仍存在計算方法及約束規則不嚴謹等問題。如名稱語義約束不嚴謹：已有研究通常直接基于字符串進行名稱相似度計算，易導致相似度很高實則為不同POI的實體判別錯誤；類別距離多使用弱約束，導致不同小類別的POI實體判別不準確；空間屬性僅考慮位置距離約束，未考慮實體間的空間拓撲關系等，均會導致POI匹配度不高、效果較差等問題。

因此，如何提供一種能夠解決上述問題的POI匹配方法及裝置是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種多重判據約束的POI匹配方法及裝置。

為了實現上述目的，本發明采用如下技術方案：

一種多重判據約束的POI匹配方法，其特征在于，所述方法包括：

S1：獲取待計算POI對應的地圖服務源提供的實驗數據；

S2：利用多重屬性約束計算所述實驗數據的相似度；

S3：確定所述實驗數據的規則閾值；

S4：利用多重判據約束規則舍棄不滿足條件的POI信息；

S5：匹配和融合符合多重判據約束規則的POI。

優選的，所述步驟S2中所述的多重屬性約束計算包括：名稱相似度計算、地址相似度計算、類別相似度計算、顧及空間拓撲關系的空間約束計算。

優選的，所述步驟S3中所述的實驗數據的規則閾值包括：名稱相似度閾值確定、地址相似度閾值確定和空間相似度閾值確定。

優選的，所述步驟S4中選取初步匹配集，若符合多重判據約束規則，則進入初步匹配集過濾步驟，若復合條件則進入步驟S5；若上述任一條件不符合，則舍棄。

優選的，所述步驟S1中的地圖服務源為高德地圖和百度地圖。

一種多重判據約束的POI匹配裝置，其特征在于，包括：