基于大數據挖掘的基礎地理信息工程質檢方法

徐業春

(山東省國土測繪院,山東 濟南 250013)

0 引 言

近年來,基礎測繪技術在地理信息工程的建設工作中得到了廣泛的應用,再加上信息化、數字化平臺、軟件等的輔助與支持,獲取了相對較好的效果。質量檢測工作是基礎測繪地理信息工程執行的一項重要工作[1],基礎測繪技術在地理信息工程的建設工作中得到了廣泛的應用。而基礎測繪技術通常是借助測繪原理以及3S等相關模式對地理信息進行獲取與收集[2],結合全國統一地理測繪基準,應用在質檢工作之中。但是隨著經濟社會的發展,對于國家土地資源的建設越來越豐富,單一的質檢模式無法確保結果的可靠性與準確性,在實際應用時仍然存在問題和缺陷。大數據挖掘技術是目前階段較為先進的數據處理技術,包括分類、回歸分析、聚類、關聯規則等,可結合基礎遙感數據、地理信息數據以及4D設備,形成更加穩定、可靠的地理信息質檢模式。為了滿足現階段的測繪需求,本文基于大數據挖掘技術,對基礎測繪地理信息工程質檢方法進行研究,從而更好地保證監測檢驗數據的準確度,提升工程整體的質檢效果。

1 大數據挖掘下基礎測繪地理信息工程質檢方法探析

1.1 基于聚類分析的基礎數據分類儲存

由于地理環境的多變性與不穩定性[3,4],再加之分類數據集自身的自然地理屬性,地理信息數據量較為龐大[5],所以對基礎測繪地理信息需要進行有效的分類。

聚類分析作為大數據挖掘中的非參數分析方法,可以通過數據搜集與數據轉換,完成對數據分布局勢的快速分析與聚類,深入分析每類數據的特征,識別出變量與類之間的關聯性[6]。因此,本文結合大數據挖掘技術中的聚類分析方法,將地理信息工程劃定為種植地、林草覆蓋、固定性房屋建筑、交通區域、荒漠以及水域等,每一個區域均存在自身的地理信息單元[7]。將多個類型的單元數據依據特殊的格式分類并關聯在一起,構建多目標的單元層級,并計算出單元覆蓋范圍,儲存成果數據基礎信息[8],確保自然地理屬性與技術數據相匹配。具體如式(1)所示:

(1)

式(1)中:L表示單元覆蓋范圍,x表示遙感正射端值,v表示變動測繪距離。通過上述計算,最終可以得出實際的單元覆蓋范圍。通過聚類分析,將數據按照相似性與差異性進行聚類,匯總基礎數據,將每一個單元的覆蓋范圍連接,完成數據分類儲存。

1.2 基于Apriori算法的交互質檢目標設定

基礎地理測繪的信息均是實時的,因此,質檢目標的構建同樣也需要較強的關聯。需要滿足資源庫控制質量要求[9],獲取地理信息的測繪數據集,需要確保與圖層一致、屬性項一致以及數據拓撲一致,保證空間參考信息的完整性。

交互質檢目標具有更強的靈活性與多變性。將多個地理信息子因素集合,依據不同的區域,劃定邏輯質檢層級,Apriori算法是大數據挖掘中關聯規則挖掘算法的經典算法,它利用逐層搜索的迭代方法找出數據庫中項集的關系。因此,本文利用大數據挖掘中的Apriori算法,對質檢層級逐層搜索,經過迭代找出地理信息子因素集合中多個因素的關系,形成規則,通過類矩陣運算對獨立圖層文件和數據庫文件對象進行矢量編輯,考慮多余的地理信息子元素、遺漏地理信息子元素,進一步完善交互質檢目標的設定[10]。

1.3 拓撲質檢層級構建

網絡拓撲工程質檢檢查一般是對地理信息的基礎測繪數據信息進行處理的一種形式層級,通常會以可持續測繪為方向目標,采取雙向或者多項的形式來完成工程的質檢工作,結合五項測繪的標準來構建相關的質檢結構。五項測繪的內容如圖1所示。

根據上述設定的層級,將所獲取的數據依次劃定在不同的質檢層級之中,為后續的處理奠定基礎。

1.4 雙向三維數據挖掘基礎測繪質檢模型建立

在大數據挖掘的基礎之上,可以將所設計的質檢層級添加在初始的模型之中,并調整基礎測繪的相關目標,確保最終質檢結果的可靠性。進行雙向質檢比例的計算,如式(2)所示:

(2)

式(2)中:B表示雙向質檢比例,O表示極限測繪差值,F表示單項拓撲常數值。通過上述計算,最終可以得出實際的雙向質檢比例。將五項基礎測繪內容融入質檢模型之中,調節獲取的數據極值。

在雙向質檢比例下,構建雙向基礎測繪區域,利用挖掘技術,核定模型得出的雙向數據。通過三維成像技術,形成基礎測繪的地理信息質檢可視模型。在模型中添加實時數據,構建符合地質信息變化的質檢形式,進一步擴大模型的質檢范圍,降低質檢工作存在的誤差。

1.5 應急測繪處理實現地理信息工程質檢

對于大型的地理信息工程的質檢工作,都會設定應急的測繪處理,補足地理信息,保證工程質檢效果。但是由于本文在大數據挖掘的背景之下,所建立的質檢模型是雙向三維模式的,所以,需要擴展初始的測繪范圍。具體的處理形式如圖2所示:

根據圖2,可以完成對應急測繪處理環節的構建,將其與測繪質檢的模型相關聯,進一步利用應急測繪處理來最終實現地理信息工程的質檢。

2 方法測試

為了驗證本文質檢方法的實際應用效果,選取濟南市K公園建設工程作為測試的主要目標對象。K公園建設工程總面積約為 3 500 km2,為濟南市郊區某風景園林建造工程,建設完工后需要根據相關標準對其工程進行質檢。將傳統的線性單元基礎測繪工程質檢方法與交互覆蓋基礎測繪工程質檢方法作為對比方法,與本文所設計的質檢方法在相同的環境之下同時參與測定。

2.1 測試準備

在進行測試與分析之前,需要先搭建相關的工程測試環境。對基礎測繪數據進行獲取和收集,相關的數據如表1所示:

表1 基礎測繪地理信息工程質檢數據表

將表1相關數據添加在大數據挖掘處理平臺,結合相關的測繪裝備,進行地理信息的定位。以在測繪的設備中安裝監控裝置,并將其與大數據挖掘處理平臺相關聯,監控裝置所獲取的實時地理信息會即刻傳輸至大數據挖掘處理平臺之中,獲取測繪響應時間,為后續的基礎測繪工作提供理論依據。具體如式(3)所示:

(3)

式(3)中:M表示測繪響應時間,d表示基準范圍,m表示動態應變值,s表示基準響應系數。在實際測試的過程之中,需要將測繪質檢的時間控制在上述的標準之內,結合監測定位裝置,劃定K測繪工程所覆蓋的面積,結合大數據挖掘技術,設定具體的測繪質檢結構,具體如圖3所示:

圖3 大數據挖掘基礎測繪質檢結構圖示

考慮到地理信息的多變性,在大數據挖掘技術的輔助之下,設定測繪數據元素集,在初始的標準之內擴大相應的基礎測繪面積,提升實際質檢的面積。具體如式(4)所示:

(4)

式(4)中:G表示測繪數據元素集,D表示單一地理因子,c表示測繪元素數量,a表示變動信息值。通過上述計算,最終可以得出實際的測繪數據元素集。測繪數據元素集也必須在質檢的合理范圍之內。完成上述測試環境的搭建之后,核定相關的測試設備以及裝置是否處于穩定的運行狀態,同時確保不存在影響最終測試結果的外部因素,核定無誤后,開始具體的測試。

2.2 測試過程及結果分析

利用監控設備獲取K測繪工程的相關數據信息,構建多源異構測繪結構,并應用三維激光掃描設備,測定地理信息的應變精度值,具體如式(5)所示:

(5)

式(5)中:Y表示地理信息的應變精度值,Z表示聚合測繪系數,A表示單元歸一測繪值,N表示響應測繪距離。和預設的測繪質檢標準相對比,測定出相應的質檢差值。結合三維模型測繪技術以及無人機測繪機理,獲取實時數據信息。

雙向測繪質檢可以進一步增強測繪質檢結果的可靠性與穩定性,利用大數據挖掘技術,定位工程的實際地理位置,并采用遙感技術獲取地理工程的現實影像,與所創建的三維模型相對比,保持一致。通過得出的數據,構建基礎測繪地理工程質檢結構,具體如圖4所示:

圖4 基礎測繪地理工程質檢結構圖示

根據圖4,可以完成對基礎測繪地理工程質檢結構的建立。依據上述的模式,對K工程基礎測繪地理信息的質檢冗余值進行計算,具體如式(6)所示:

U=(3F+1)-g

(6)

式(6)中:U表示質檢冗余值,f表示測繪變動常值,g表示極限測繪值。

由上文可知,第一測試組為傳統的線性單元基礎測繪工程質檢方法,第二測試組為交互覆蓋基礎測繪工程質檢方法;采用三種方法,依據公式(6)對K工程基礎測繪地理信息的質檢冗余值進行計算,對比結果如表2所示:

表2 測試結果對比分析表

根據表2分析結果可知,本文提出的基于大數據挖掘基礎測繪工程質檢測試組質檢冗余值相對較小,均控制在10以下,遠低于兩種傳統方法,表明其實際工程應用效果更佳,具有更高的應用價值。

3 結 語

本文基于大數據挖掘技術,提出一種基礎測繪地理信息工程質檢方法。通過大數據挖掘技術中的聚類分析方法和Apriori算法的應用,能夠更改初始的測定結構,以地理信息工程的實際處理需求作為導向,重新制定新的質檢標準,形成多元化的基礎測繪體系。并將K公園建設工程作為測試的主要目標對象,證明本文提出方法在實際應用中的基礎測繪地理信息工程質檢效果較好,具有一定的應用價值。