基于多源异构时空数据的超分辨率城市模型构建方法与流程

摘要: 本发明涉及城市数字孪生与地理信息数据库,更具体地说,本发明涉及基于多源异构时空数据的超分辨率城市模型构建方法。背景技术:1、现有城市数字孪生模型构建多以提升地表...
基于多源异构时空数据的超分辨率城市模型构建方法与流程

本发明涉及城市数字孪生与地理信息数据库,更具体地说,本发明涉及基于多源异构时空数据的超分辨率城市模型构建方法。

背景技术:

1、现有城市数字孪生模型构建多以提升地表表达精度和统一多源地理数据为目标,常见流程是对遥感影像、poi矢量数据和交通流数据进行坐标配准、矢栅转换和尺度归一,再将各类栅格化图层与遥感影像叠置形成融合特征,利用超分辨率网络生成高分辨率重建结果,并据此建立带空间索引和属性字段的城市网格模型;

2、在老城区商业街、地铁站出入口、交通枢纽周边等对象密集区域,一个低分辨率格网内往往同时包含建筑边界、道路服务范围、沿街poi入口和车辆转向位置,而城市数字孪生平台需要依据空间索引准确返回poi归属、道路关联对象和交通活动位置,不能只依赖视觉清晰度判断网格有效性;

3、在这种场景下,单纯依靠影像超分辨率和多通道叠置生成细网格时,容易出现同一空间索引返回多个候选对象、poi入口落入道路格网、车辆折返点落入建筑边界格网等结果,原因在于细网格的生成依据来自影像纹理增强,而不是来自空间查询中的对象归属歧义;

4、本技术要解决的技术问题是:如何在多源异构时空数据构建超分辨率城市模型时,依据空间查询歧义触发动态网格细分和空间索引编码生成,从而避免高分辨率城市数字孪生模型中的对象归属错误。

技术实现思路

1、为了克服现有技术的上述缺陷,本发明的实施例提供基于多源异构时空数据的超分辨率城市模型构建方法,通过将多源城市时空记录统一落入地理信息数据库,利用隐式神经表示算法生成格值场并计算查询归属值,再以归属残差触发黎曼梯度下降的子格号边界优化和数字孪生查询模拟验证,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:基于多源异构时空数据的超分辨率城市模型构建方法,包括:

3、s1、获取城市时空记录,在地理信息数据库中按来源码读取采集位置对应的时刻观测值,由采集位置计算地理格号和格内坐标,按来源码调用落格算子把时刻观测值换算为格值并写入基础格网,输出落格记录表;

4、s2、以落格记录表中的目标格号为读取键,从基础格网读取外扩格值,基于隐式神经表示算法把格内坐标映射为来源码索引的格值场,由格值场计算对象归属函数,并生成查询归属值,输出查询模拟结果;

5、s3、根据查询模拟结果,对目标格号内任两个格内坐标的查询归属值作差并取绝对值,累加绝对值得到归属残差,归属残差为零写入确定格网表,不为零写入歧义格网表并记录产生非零差值的格内坐标;

6、s4、对于歧义格网表中的格号,以子格号边界作为兼具动态格网设计含义的黎曼流形优化变量,以归属残差为目标函数执行黎曼梯度下降算法,按黎曼梯度更新子格号边界,相邻两轮归属残差相等时停止,输出含高分辨率重建块的子格号集合;

7、s5、基于子格号集合在地理信息数据库中执行数字孪生查询模拟验证,归属残差为零写入带融合属性的空间索引编码,不为零回写歧义格网表,生成目标城市数字孪生模型。

8、在一个优选的实施方式中,在s1中包括:

9、s11、获取城市时空记录,以记录号为键在地理信息数据库中读取来源码、采集位置、采集时刻和时刻观测值,按地理信息数据库登记的坐标基准对采集位置执行坐标转换,并以采集时刻减去库起始时刻后除以库时间粒度取整数商,得到标准时空记录;

10、其中城市时空记录是指在同一坐标基准下能够被写入地理信息数据库的单条观测记录,记录号用于唯一索引,来源码用于确定落格规则,采集位置用于计算地理格号和格内坐标,采集时刻用于计算时间位,时刻观测值用于换算格值;

11、地理信息数据库是指存储城市时空记录、坐标基准、库原点、格边长、库时间粒度、空间索引编码、基础格网和落格记录表的数据库,能够按照采集位置执行空间定位、按照地理格号执行空间检索、按照时间位执行时序写入;

12、来源码是指城市时空记录入库时分配的类型编码,用于标识时刻观测值对应的空间承载形态,并指向与空间承载形态匹配的落格算子;

13、时刻观测值是指城市时空记录在采集时刻对应的数值化观测结果,用于在落格算子中按照格占比换算为写入基础格网的格值;

14、库时间粒度是指地理信息数据库登记的时间量化单位,用于把采集时刻相对于库起始时刻的时间差换算为整数时间位;

15、s12、根据标准时空记录中的采集位置,以采集位置的横坐标减去库原点横坐标后除以格边长取整数商得到横向格号,以采集位置的纵坐标减去库原点纵坐标后除以格边长取整数商得到纵向格号,按希尔伯特曲线顺位把横向格号和纵向格号编码为地理格号,并由两次除法余数生成格内坐标,输出定位记录;

16、其中格边长是指基础格网中单个格单元在坐标基准下的边界长度,用于将采集位置换算为横向格号、纵向格号和格内坐标;

17、库原点是指基础格网在坐标基准下的起算坐标点,用于作为横向格号、纵向格号和格内坐标计算的坐标零点;

18、编码为地理格号的过程为:先将横向格号和纵向格号转换为同一位宽的二进制格号,再按照希尔伯特曲线的象限旋转和象限翻转规则逐位递推曲线顺位,最后将递推得到的一维顺位号作为地理格号;

19、s13、以定位记录中的来源码读取落格算子,按照来源码对应的空间承载形态确定记录几何;对于落点型记录,根据采集位置是否落入地理格号对应的格单元生成格占比;对于线型记录,计算记录几何与格单元的交集长度,并以交集长度除以记录几何长度得到格占比;对于面型记录,计算记录几何与格单元的交集面积,并以交集面积除以记录几何面积得到格占比;再以时刻观测值乘以格占比得到格值,将格值按定位记录写入基础格网,输出落格记录表;

20、其中落格算子是指由来源码索引并与记录空间承载形态对应的格值换算规则;落格算子读取地理格号对应格单元的横向下界、横向上界、纵向下界和纵向上界,并根据来源码确定记录几何;落点型记录根据采集位置与上述四个边界的位置关系确定是否与格单元相交,线型记录计算组成记录几何的线段落入格单元内部的长度作为交集长度,面型记录计算记录几何落入格单元内部形成的封闭区域面积作为交集面积;落点型记录根据是否落入格单元生成格占比,线型记录以交集长度除以记录几何长度生成格占比,面型记录以交集面积除以记录几何面积生成格占比,格占比供时刻观测值换算为格值。

21、在一个优选的实施方式中,在s2中包括:

22、s21、以目标格号为读取键,从地理信息数据库读取目标格号和外扩一环格号对应的落格记录,按落格记录中的格内坐标生成查询点,按查询点、来源码和格值生成训练样本,落格记录缺少来源码对应格值时写入空值位,输出训练样本表;

23、其中落格记录是指基础格网中以地理格号为索引保存的单条格值记录,至少包含地理格号、格内坐标、来源码、格值和时间位,用于表示城市时空记录被换算并写入格单元后的空间位置、数据来源、数值结果和时间位置;

24、生成训练样本的过程为:以落格记录中的格内坐标作为查询点,将查询点与同一落格记录中的来源码拼接为样本输入,将同一落格记录中的格值作为样本输出;当同一查询点缺少某一来源码对应的格值时,在该查询点与该来源码对应的样本输入后写入空值位,并把空值位供s22计算回填误差使用;

25、s22、基于训练样本表执行隐式神经表示算法,以查询点为坐标输入、来源码为条件输入、格值为监督值,计算坐标网络输出值与格值的差值平方、空值位回填值与同来源码相邻格值的差值平方、相邻格号公共边两侧输出值的差值平方,并累加为场损失,按场损失对坐标网络参数求梯度并更新,至相邻两轮场损失相等时停止,输出格值场;

26、其中坐标网络输出值是指隐式神经表示算法在给定查询点和来源码后,由坐标网络计算得到的预测格值,用于与训练样本中的格值作差并形成格值重构误差;

27、空值位回填值是指坐标网络对带有空值位的样本输入计算得到的预测格值,用于替代落格记录中缺少来源码对应格值的位置,并与同来源码相邻格值作差形成回填误差;

28、坐标网络参数是指隐式神经表示算法中参与格值场拟合的可更新参数,包括坐标编码权重、来源码嵌入权重和网络映射权重;其中,网络映射权重包括由网络输入向量形成中间映射值所使用的中间映射权重,以及由中间映射值形成预测格值所使用的输出权重,坐标编码权重、来源码嵌入权重、中间映射权重和输出权重共同决定查询点和来源码到坐标网络输出值的映射关系;

29、求梯度并更新的过程为:对场损失分别求取坐标网络参数的偏导数,以偏导数作为梯度,将坐标网络参数减去学习步长与梯度的乘积得到更新后的坐标网络参数,并用更新后的坐标网络参数重新计算场损失,直至相邻两轮场损失相等时停止。

30、在一个优选的实施方式中,在s2中还包括:

31、s23、根据格值场计算查询点之间的归属边代价,将两个查询点的同来源码格值场差值绝对值累加为同源代价,将两个查询点的不同来源码格值场差值绝对值累加为异源代价,以同源代价减去异源代价得到归属边代价,并把归属边代价写入格内查询图;

32、s24、在格内查询图中以目标格号内每个查询点为起点,逐边累加归属边代价得到路径代价值,将路径代价值相等的查询点写入同一归属号,将同一查询点在不同来源码下得到的归属号作差并取绝对值,得到冲突值;

33、s25、冲突值为零时,以归属号作为查询归属值并输出查询模拟结果;冲突值不为零时,删除对应来源码输入并重新执行s22至s24,将重新得到的冲突值与删除前的冲突值作差并取绝对值作为修正差,修正差为零时输出查询模拟结果。

34、在一个优选的实施方式中,在s3中包括:

35、s31、以查询模拟结果为输入,在地理信息数据库中按目标格号读取格内坐标、时间位和查询归属值,将目标格号、时间位和格内坐标按字段顺序拼接为坐标序号,输出坐标归属表;

36、其中时间位是指将采集时刻减去库起始时刻后再除以库时间粒度得到的整数商,用于表示城市时空记录在地理信息数据库中的离散时间位置;

37、s32、基于坐标归属表按目标格号执行自连接,保留左坐标序号的二进制值小于右坐标序号的二进制值的连接行,将连接行中的两个查询归属值相减并取绝对值,输出归属差表。

38、在一个优选的实施方式中,在s3中还包括:

39、s33、根据归属差表按目标格号累加全部绝对值得到归属残差,并将绝对值不为零的连接行中的两个坐标序号反查为格内坐标,输出残差记录;

40、s34、以残差记录为写入对象,归属残差为零时将目标格号、归属残差和坐标序号写入确定格网表,归属残差不为零时将目标格号、归属残差和格内坐标写入歧义格网表。

41、在一个优选的实施方式中,在s4中包括:

42、s41、以歧义格网表中的格号为输入,从地理信息数据库读取格号边界、格内坐标、查询归属值和归属残差,对产生非零差值的两个格内坐标分别计算横差绝对值和纵差绝对值,横差绝对值减纵差绝对值非负时取两个横坐标均值生成竖向子格号边界,横差绝对值减纵差绝对值为负时取两个纵坐标均值生成横向子格号边界,输出边界初值表;

43、其中格号边界是指目标格号在地理信息数据库的基础格网中对应的封闭空间范围,由库原点、格边长、横向格号和纵向格号计算得到,用于限定子格号边界的端点坐标和基础格网裁切范围;

44、s42、基于边界初值表生成边界变量表,将每条子格号边界写成端点坐标,端点坐标落在格号边界外时投影至格号边界,两个端点坐标重合时删除对应子格号边界,输出满足格号边界约束的边界变量表;

45、其中投影至格号边界的过程为:将端点坐标的横坐标与格号边界的横向下界和横向上界比较,横坐标低于横向下界时改写为横向下界,高于横向上界时改写为横向上界;将端点坐标的纵坐标与格号边界的纵向下界和纵向上界比较,纵坐标低于纵向下界时改写为纵向下界,高于纵向上界时改写为纵向上界;横坐标和纵坐标均位于对应边界内时保持端点坐标不变。

46、在一个优选的实施方式中,在s4中还包括:

47、s43、根据边界变量表切分目标格号,将每个格内坐标按所在子格号写入子格坐标表,对同一子格号内任两个格内坐标的查询归属值作差并取绝对值,累加绝对值得到子格残差,再按子格号累加子格残差得到边界目标值;

48、s44、以边界目标值作为黎曼梯度下降算法的目标函数,对每条子格号边界的端点坐标分别加一单位坐标扰动并重算边界目标值,以扰动后边界目标值减去扰动前边界目标值得到端点梯度,将端点梯度投影至格号边界的切向方向得到黎曼梯度,并按黎曼梯度反向更新端点坐标;

49、其中将端点梯度投影至格号边界的切向方向得到黎曼梯度的过程为:当端点坐标位于格号边界内部时,将端点梯度直接作为黎曼梯度;当端点坐标位于格号边界的竖向边界上时,删除端点梯度中的横向分量并保留纵向分量作为黎曼梯度;当端点坐标位于格号边界的横向边界上时,删除端点梯度中的纵向分量并保留横向分量作为黎曼梯度;当端点坐标位于格号边界角点时,将端点梯度置零作为黎曼梯度;

50、s45、基于更新后的端点坐标重新执行s43至s44,相邻两轮边界目标值相等时停止更新,将停止更新时的子格号边界写入地理信息数据库,并按子格号边界裁切基础格网,输出含高分辨率重建块的子格号集合。

51、在一个优选的实施方式中,在s5中包括:

52、s51、以子格号集合为输入,在地理信息数据库中按子格号读取子格号边界和高分辨率重建块,将高分辨率重建块内落入子格号边界的格内坐标写入验证坐标表,并按子格号、格内坐标和来源码读取查询归属值,输出子格验证表;

53、其中高分辨率重建块是指由子格号边界从基础格网中裁切得到的细分空间数据块,包含子格号内格内坐标、来源码、格值和查询归属值,用于生成融合属性和执行数字孪生查询模拟验证;

54、s52、基于子格验证表按子格号执行自连接,保留左格内坐标的二进制值小于右格内坐标的二进制值的连接行,将连接行中的两个查询归属值相减并取绝对值,按子格号累加全部绝对值得到子格归属残差,输出子格残差表。

55、在一个优选的实施方式中,在s5中包括:

56、s53、对于子格残差表中子格归属残差为零的子格号,将父格号的二进制值左移子格位宽得到父格编码,将子格号顺位的二进制值写入父格编码的低位得到空间索引编码,并将同一空间索引编码下的格值按来源码累加后除以来源码数量得到融合属性,输出索引记录;

57、s54、对于子格残差表中子格归属残差不为零的子格号,将产生非零绝对值的连接行中的两个格内坐标、子格号和子格归属残差回写歧义格网表,并将索引记录按空间索引编码写入地理信息数据库,生成目标城市数字孪生模型。

58、本发明的技术效果和优点:

59、本方案以归属残差作为动态细分依据,将网格生成由纹理增强转向查询歧义响应,使对象密集区域的空间索引相对减少poi、道路和交通活动归属错误;

60、将来源码、时间位、地理格号和格内坐标统一写入落格记录表,使多源时空数据进入同一地理信息数据库口径,相对改善格值场构建的数据一致性;

61、对格内坐标和来源码执行隐式神经表示映射,形成来源码索引的格值场并生成查询归属值,相对缓解稀疏落格导致的格内查询断裂;

62、在歧义格号中以子格号边界作为黎曼流形优化变量,并按边界目标值迭代更新,相对提高动态网格细分的可计算性和可验证性;

63、基于子格号集合执行数字孪生查询模拟验证,验证通过后写入空间索引编码和融合属性,相对降低错误空间索引进入模型的风险。