[发明专利]一种众源位置签到数据质量分析方法

说明书

技术领域

本发明涉及测绘技术领域，尤其涉及一种众源位置签到数据质量分析方法。

背景技术

随着Web2.0技术的日益成熟和普及，LBS（Location Based Service，基于位置服务）成为了当下发展最为迅猛的科技应用之一。基于位置的服务是当今发展比较成熟、普及程度较高的地理位置服务业务。随着LBS的快速发展，其对位置信息数量以及时效性的要求也越来越高。POI（Point Of Interest，兴趣点）作为当前位置信息的重要载体，已被广泛应用于车载导航系统等LBS应用中，POI数据的实时性、数据来源的可靠性和广泛性直接影响着LBS业务的发展，POI的质量在一定程度上决定了位置服务的质量。

传统POI更新主要依靠人工现场采集后入库的方法，与其他类型GIS数据一样主要通过专业测绘部门采集管理，不仅费时费力、效率低下，其现势性也已无法满足位置服务和行业GIS应用的整体需求。

位置签到数据来自大量用户带有GPS定位功能的智能移动终端上传的信息，具有数据量大、现势性高、具有社会化属性等特点，使其成为实现POI高效高质更新的一种潜在可用数据源。众源位置数据由用户参自愿上传，用户参与程度较高，其数据容量以及数据时效性是传统采集方式得到的数据所难以比拟的，而这也正是POI更新亟待解决的问题，但是由于上传数据的用户缺乏测绘及GIS相关背景和知识，加之智能手机等移动客户端定位精度有限，使得众源位置签到数据的质量无法与传统的POI采集方式相比拟，因此要想利用众源位置签到数据实现POI的快速更新，就要实现对众源位置数据的质量进行分析，但目前尚未有较为完善的众源位置数据的质量分析方法。

发明内容

本发明的目的是提供一种众源位置签到数据质量分析的方法模型与质量指标，从而满足利用众源签到数据进行便捷、快速、高效的进行POI更新的社会及LBS等行业需求。

本发明的技术方案为一种众源位置签到数据质量分析的方法，其特征在于，包括以下步骤：

步骤1：进行众源位置签到数据预处理；

步骤2：进行所述的众源位置签到数据地理配准并进行整体定位精度评定；

步骤3：进行所述的众源位置签到数据匹配建模；

步骤4：进行所述的众源位置签到数据的类别精度评定；

步骤5：进行所述的众源位置签到数据的定位精度评定。

作为优选，所述的步骤1进一步包括以下子步骤：

步骤1.1：根据标准兴趣点数据的覆盖范围对所述的众源签到数据进行裁剪；

步骤1.2：去除签到次数未达到阈值的所述的众源位置签到数据；

步骤1.3：去除属性信息不完整的所述的众源位置签到数据；

步骤1.4：对重复的所述的众源位置签到数据进行合并处理；

步骤1.5：对所述的众源位置签到数据根据其属性进行分类整理。

作为优选，所述的步骤2进一步包括以下子步骤：

步骤2.1：将所述的位置签到数据、标准POI数据与底图统一坐标系；

步骤2.2：提取出名称属性完全匹配的所述的位置签到数据和POI数据库中对应POI数据，得到数据点对集；

步骤2.3：根据所述的数据点对集，采用RANSAC算法对所述的位置签到数据和对应POI数据的仿射变换关系模型进行估算，迭代出最优模型参数；

步骤2.4：利用仿射变换参数对所述的位置签到数据进行整体地理配准；

步骤2.5：利用配准前后所述的位置签到数据与对应POI的距离偏差均值和标准差作为整体定位精度评定的参数。

作为优选，所述的步骤3进一步包括以下子步骤：

步骤3.1：将所述的位置签到数据进行空间匹配，获取空间匹配度；

步骤3.2：对空间匹配失败的众源位置签到数据进行属性匹配，获得所述的失败签到数据指标和属性匹配度。

作为优选，所述的步骤4进一步包括以下子步骤

步骤4.1：对空间匹配成功的众源位置签到数据与其对应的标准POI数据进行类别比较；

步骤4.2：计算出各类别的类别匹配精度。

作为优选，所述的步骤5进一步包括以下子步骤：

步骤5.1：利用空间匹配成功的众源位置签到数据，根据类别划分结果，计算出类别定位精度；

步骤5.2：利用属性匹配成功的众源位置签到数据，计算出定位偏差均值以及类内定位偏差均值，从而进一步求解出整体定位精度的误差极大值，以及类内定位偏差的极大值。