1、第 46 卷 第 1 期2023 年 1 月测绘与空间地理信息GEOMATICS&SPATIAL INFORMATION TECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2021-05-24作者简介:包 晗(1984-),女,辽宁沈阳人,高级工程师,本科学历,主要从事测绘供图方面的工作。基于数据分析的城市部件智能采集方法研究包 晗(沈阳市勘察测绘研究院有限公司,辽宁 沈阳 110004)摘要:对数字化城市管理系统数据建设的内容和特点进行了分析,并对目前采用的各种采集方法进行了分析和对比。在此基础上,根据部件数据采集的实际特点,提出了基于数据分析的部件智能采集方法,并对数据
2、采集整体架构、智能分析数据流向、采集终端数据库进行了详细设计并加以实现。关键词:数字化城市管理;城市部件;智能采集中图分类号:P208 文献标识码:A 文章编号:1672-5867(2023)01-0127-03Research on Intelligent Collection Method of UrbanComponents Based on Data AnalysisBAO Han(Shenyang Survey and Mapping Research Institute Co.,Ltd.,Shenyang 110004,China)Abstract:This paper analy
3、zes the content and characteristics of data construction of digital city management system,and analyzes and compares various collection methods that are currently used.On this basis,according to the actual characteristics of component data acquisition,a component intelligent acquisition method based
4、 on data analysis is proposed.And the overall architecture of data acqui-sition,intelligent analysis of data flow,acquisition terminal database are designed and implemented in detail.Key words:digital city management;city components;intelligent collection0 引 言城市管理领域建立数字化城市管理平台,实现了城市管理的信息采集、指挥调度、督察督办
5、、公众参与等功能,并逐步实现与有关部门信息平台的共享。截至 2019年,全国 665 个城市中已有近 300 个城市建立或正在建设数字化城管平台,新型的数字化城市管理模式正在各地推广普及。作为数字化城市管理建设的基础部分,如何高效地采集和维护管理部件、地理编码、网格等专题数据也成为影响数字化城市管理系统运行效果的重要因素之一。本文在对现有的采集技术和方法进行分析的基础上,从工程实际出发,研究出一种高效、实用的采集方式,以提高管理部件采集效率和采集质量。1 部件采集方式的发展现状自数字化城市管理在国内兴起并进行推广以来,对部件采集方式有很多研究,如一开始的基于基础地形图的调绘方法,按沿道路的 1
6、 500 地形图图幅分幅进行采集1,和地形图测图等项目结合使用内外业一体化的作业方式进行采集2。随着可量测实景技术的发展,数字化城市管理中对于广告牌匾管理需求以及部件照片拍摄的需求不断增加,可量测实景影像技术也开始少量的采用3。同时,随着车载 LiDAR 移动测量技术的发展,同期也有采用车载 LiDAR 移动测量技术进行部件的采集4。近几年,随着无人机技术的成熟,倾斜摄影测量越来越多地被用于相对高精度测量如地籍测量,无人机倾斜摄影测量技术也被用于部件数据的采集5。但是不管是可量测实景、车载 LiDAR 还是倾斜摄影等都因为各种具体的局限,无法大量地应用于部件采集实际工程,主要原因就是这些技术都
7、不能解决遗漏率过高问题,而如果在此基础上再进行现场采集,工作效率、工作成本都会增加,质量控制难度也加大。随着 CORS 技术的成熟,RTK 被越来越多地应用于城市环境下的位置采集,野外实测重新具备了成本和效率优势,只要能够解决好野外属性记录的问题,全野外实测采集方式对于提高工程质量具有其他方式不能比拟的优势,而智能手机的发展为野外属性记录提供了新的技术手段。2 部件数据特点分析在实际工程施工中部件虽然数据量大,但城市的各类设施建设,是有很多潜在规律的,如:1)分布规律:如各类井盖在城市道路上的位置分布存在一定的规律,弱电井一般在非机动车道或者人行道上,雨水井盖一般位于机动车道中间,路灯杆边一般
8、都会有一个路灯井盖,交通信号灯边上可能有交通井盖,路口会有通信交接箱等。2)附加部件规律:附加部件是指空间位置与主部件一致的部件,如十字路口路灯杆或交通信号灯杆上的交通标志牌、监控摄像头,通信电杆上的通信交接箱,路名牌上面的广告灯箱等。3)地方特色规律:各个城市的建设,道路和市政设施的建设往往结合本地的实际具有非常明显的地方特色,如行道树可能大都使用了护树设施,有些城市可能直接是树坑裸露状态,有些城市花架花钵与行道树交替,有些城市基本上不使用花架花钵等。部件数据有规律,但又没有一个全国通用的规律,因此,在进行一个城市的部件数据采集时,可以基于城市的部件数据分析其特点。3 基于数据统计的智能采集
9、记录方式设计随着智能手机的广泛应用,基于 Android 环境的数字城管数据采集系统也投入了实际应用,这些 APP 起到了实时记录、拍照、质检、数据交换等功能。因为部件种类多,每次记录的时候如果需要采集人员选择部件种类或者背写代码,无疑会降低采集效率。而在采集过程中通过实时的数据统计与分析,实时为采集人员分析下一个可能出现的部件种类和属性是什么,让其快速选择,则是提高工作效率的有效方式。3.1 部件智能分析数据库架构设计在 Android 设备作为数据记录终端时,数据库的设计一般有 2 种方式:1)单一数据库方式:数据库采用单一数据库,作业人员采集数据会集中存入该数据库,然后在需要导出的时候以
10、工程编号、日期等作为条件进行数据交换。2)分离数据库方式:数据库采用分离数据库,一个任务或者工程作为一个数据库独立存放。这 2 种方式均有优缺点,单一数据库方式数据相关性强,存储和备份简单,但随着数据采集任务的不断加入,数据库会快速扩大,假设作业人员一天采集 1 000 条记录,那么很快数据库记录会达到上万甚至几十万条,最后导致系统运行速度大幅度下降。而分离数据库方式因为独立存放,系统运行速度有保障,但数据相关性差,统计分析变得非常困难。因此,为实现智能分析,采集终端的数据库设计结合了单一数据库与分离数据库结合的方式,数据库架构如图 1 所示。单一的系统数据库实现项目统一管理、作业标准管图 1
11、 智能分析数据库架构图Fig.1 Architecture of intelligent analysis database理与维护、底图资源管理以及数据分析等。因为各个城市的部件分类与编码不尽相同,因此,在采集前应制定采集标准,采集标准主要由 Template、CompGroup、CompDef 3张表构成,部件智能分析主要由 2 张表,分别为 CompFol-low 和 CompAttach,用于统计分析跟随和附加 2 种情况。跟随分析是指下一个最有可能会采集的部件分析,附加分析是最可能与该部件处于同一位置的部件分析。作业数据库采用分离方式,每个作业数据独立保存。1)部件定义表结构(Com
12、pDef)、部件跟随统计表结构(CompFollow)、部件附加统计表结构(CompAttach)分别见表 1 至表 3。表 1 部件定义表结构Tab.1 Structure of component definition table(CompDef)字段名称说明类型长度Id序号INTEGER8CompCode部件代码TEXT4CompName部件名称TEXT100CompDesc部件说明TEXT255HasAddAttr1是否有附加属性 1BOOL1HasAddAttr2是否有附加属性 2BOOL1HasAddAttr3是否有附加属性 3BOOL1AddAttr1Cap1附加属性 1 名称T
13、EXT30AddAttr1Cap2附加属性 2 名称TEXT30AddAttr1Cap3附加属性 3 名称TEXT30GroupId部件组号INTEGER8TemplateId部件标准序号INTEGER8Materials材质字典TEXT255ChildTypes子类型字典TEXT255Departments部门字典TEXT255Notes说明字典TEXT255AddAttr1附加属性 1 字典TEXT255AddAttr2附加属性 2 字典TEXT255AddAttr3附加属性 3 字典TEXT255821 测绘与空间地理信息 2023 年表 2 部件跟随统计表结构Tab.2 Compone
14、nts following statistics字段名称说明类型长度Id序号INTEGER8TemplateId部件标准序号INTEGER8CompCode部件代码TEXT4FollowCompCode跟随部件代码TEXT4FollowCompSubType跟随部件子类型TEXT4FollowCount跟随次数INTEGER8表 3 部件附加统计表结构Tab.3 Additional statistics of components字段名称说明类型长度Id序号INTEGER8TemplateId部件标准序号INTEGER8CompCode部件代码TEXT4AttachCompCode附加部件代
15、码TEXT4AttachCompSubType附加部件子类型TEXT4AttachCount附加次数INTEGER83.2 智能统计分析流程通过上面的数据库架构设计,采集 APP 在记录部件的同时,也向系统数据库写入部件跟随和附加信息,智能统计分析流程如图 2 所示。图 2 智能分析数据流向图Fig.2 Flow chart of intelligent analysis data3.3 智能推荐代码实现采集程序中智能跟随部分的代码如下:private void startFollowAttach()/开始进入智能附加程序Task currentTask=HTApplication.getIn
16、stance().get-CurrentTask();/获得智能附加推荐部件ListattachDefs=SystemDaoManager.getIn-stance().getAiAttachs(record.getCompCode(),current-Task.getTemplateId();if(attachDefs=null|attachDefs.size()=0)if(oldEditKey=attach)copyNum+;else oldEditKey=attach;copyNum=1;editKey=attach;record=DataHelper.AttachRecord(record);selectedGroup=null;selectedDef=null;initData();Toasty.success(this,部件已经保存并附加,Toast.LENGTH_SHORT).show();return;String compdefNames=DataHelper.getComp-DefName(attachDefs,true);new QMUIDialog.Checka