年秋慧 王英杰

（1.中國(guó)鐵道科學(xué)研究院研究生部，北京 100081；2.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司電子計(jì)算技術(shù)研究所，北京 100081）

鐵路地理信息平臺(tái)是鐵路數(shù)字化發(fā)展中的基礎(chǔ)設(shè)施以及信息交換共享平臺(tái)，在鐵路空間數(shù)據(jù)綜合管理方面起到了重要的作用［1］。而數(shù)據(jù)融合技術(shù)是將空間信息采用不同方法對(duì)空間數(shù)據(jù)進(jìn)行融合［2］。通過(guò)融合，能夠消除空間對(duì)象的描述差異、詳細(xì)程度及幾何位置差異，提高存儲(chǔ)效率［3］。

鐵路空間數(shù)據(jù)覆蓋了各類(lèi)空間數(shù)據(jù)資源，從宏觀至微觀、從地表至地下，因此數(shù)據(jù)的管理至關(guān)重要。而當(dāng)前存在部分矢量數(shù)據(jù)屬性信息重疊、遙感影像空間分辨率較低以及空間數(shù)據(jù)動(dòng)態(tài)展示加載速度慢的問(wèn)題。為了解決當(dāng)前空間數(shù)據(jù)存在的問(wèn)題，本文首次將數(shù)據(jù)融合技術(shù)應(yīng)用到鐵路地理信息平臺(tái)中，用以提高空間資源利用率、遙感影像分辨率、加載速度等。同時(shí)，針對(duì)集成后數(shù)據(jù)加載過(guò)慢等問(wèn)題，研究并選取合適的技術(shù)及軟件，將不同類(lèi)型、不同格式、不同時(shí)間的空間數(shù)據(jù)放在同一空間下進(jìn)行集中展示，縮短數(shù)據(jù)加載時(shí)間，實(shí)現(xiàn)同一時(shí)空體系內(nèi)數(shù)據(jù)綜合展示。

1 鐵路空間數(shù)據(jù)范圍

1.1 矢量數(shù)據(jù)

鐵路矢量數(shù)據(jù)包含線路、車(chē)站、橋梁、隧道、涵洞、路基等基礎(chǔ)設(shè)備設(shè)施信息，占全部空間數(shù)據(jù)的50%左右，是鐵路空間數(shù)據(jù)重要的信息資源［4］。同時(shí)，矢量數(shù)據(jù)涵蓋了鐵路設(shè)備設(shè)施全生命周期的信息。而當(dāng)前的矢量數(shù)據(jù)在制作時(shí)并未對(duì)信息進(jìn)行處理，導(dǎo)致同一實(shí)體數(shù)據(jù)具有多類(lèi)矢量數(shù)據(jù)，信息重復(fù)率高，資源浪費(fèi)，不利于數(shù)據(jù)的管理和后續(xù)制作的矢量數(shù)據(jù)存儲(chǔ)［5］。

1.2 柵格數(shù)據(jù)

鐵路柵格數(shù)據(jù)包括鐵路沿線遙感影像數(shù)據(jù)（圖1（a））、鐵路沿線數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)（圖1（b））、重點(diǎn)區(qū)域高分遙感數(shù)據(jù)（圖1（c））、圖片等。鐵路沿線遙感影像數(shù)據(jù)根據(jù)各線路展示的不同需求，采集范圍多為沿線左右延伸2～10 km；鐵路沿線數(shù)字高程模型數(shù)據(jù)通過(guò)與遙感影像進(jìn)行疊加，實(shí)現(xiàn)鐵路沿線三維實(shí)景展示；重點(diǎn)區(qū)域高分遙感數(shù)據(jù)可對(duì)鐵路線路重點(diǎn)區(qū)段如滑坡、泥石流高發(fā)區(qū)段進(jìn)行監(jiān)測(cè)，通過(guò)查看不同時(shí)期的高分遙感數(shù)據(jù)實(shí)現(xiàn)對(duì)區(qū)段的監(jiān)測(cè)，保障列車(chē)運(yùn)行安全。我國(guó)公開(kāi)的遙感影像在視野寬闊、位置平坦區(qū)域（如城市市內(nèi)）影像具有較高的分辨率，但在山丘及偏遠(yuǎn)區(qū)域影像分辨率較低。然而，鐵路線路部分區(qū)段建于山區(qū)、林中或無(wú)人居住的區(qū)域，此區(qū)域容易發(fā)生山體滑坡、泥石流等災(zāi)害，對(duì)遙感影像分辨率要求較高。當(dāng)今市面上的高精度遙感影像價(jià)格昂貴，且鐵路線路成條帶狀分布，而采集的影像范圍遠(yuǎn)大于所需影像范圍，導(dǎo)致部分影像在鐵路中無(wú)法使用，造成資源浪費(fèi)。

1.3 三維數(shù)據(jù)

鐵路三維數(shù)據(jù)包括鐵路傾斜攝影實(shí)景數(shù)據(jù)（圖1（d））、三維模型數(shù) 據(jù)（圖1（e））、BIM 模型（Building Information Modeling）數(shù)據(jù)（圖1（f））等。鐵路傾斜攝影實(shí)景數(shù)據(jù)可對(duì)鐵路及周邊設(shè)施、建筑等進(jìn)行更加真實(shí)的場(chǎng)景展示。三維模型數(shù)據(jù)和BIM 模型數(shù)據(jù)可實(shí)現(xiàn)設(shè)備設(shè)施的虛擬化管理，提高鐵路設(shè)備設(shè)施的管理能力。傾斜攝影實(shí)景數(shù)據(jù)、三維數(shù)據(jù)、BIM模型數(shù)據(jù)等對(duì)實(shí)體的表達(dá)更加精細(xì)直觀，同時(shí)也對(duì)服務(wù)器和軟件的要求更高。當(dāng)前鐵路地理信息平臺(tái)對(duì)于三維數(shù)據(jù)采用osgb，slpk 等格式，采用ArcGISServer 服務(wù)器進(jìn)行服務(wù)發(fā)布和存儲(chǔ)，在對(duì)鐵路沿線三維數(shù)據(jù)進(jìn)行展示時(shí)，數(shù)據(jù)加載緩慢，影響用戶體驗(yàn)。

圖1 鐵路地理信息數(shù)據(jù)

2 數(shù)據(jù)融合研究

2.1 矢量數(shù)據(jù)融合

矢量數(shù)據(jù)是鐵路空間數(shù)據(jù)最重要的組成部分。當(dāng)前鐵路各業(yè)務(wù)領(lǐng)域?qū)臻g數(shù)據(jù)的使用需求不同，同一空間對(duì)象被制作成多個(gè)矢量數(shù)據(jù)，且屬性信息大致相同，導(dǎo)致數(shù)據(jù)反復(fù)存儲(chǔ)，造成了空間資源的浪費(fèi)。因此對(duì)矢量數(shù)據(jù)進(jìn)行有效融合可以減少數(shù)據(jù)存儲(chǔ)量。但在融合過(guò)程中會(huì)出現(xiàn)同一實(shí)體的數(shù)據(jù)坐標(biāo)系、屬性信息、幾何特征、內(nèi)容詳細(xì)程度、現(xiàn)勢(shì)性不強(qiáng)等問(wèn)題［6］。對(duì)矢量數(shù)據(jù)進(jìn)行融合處理的流程見(jiàn)圖2。

圖2 矢量數(shù)據(jù)融合流程

為了對(duì)矢量數(shù)據(jù)進(jìn)行集成，首先對(duì)坐標(biāo)系進(jìn)行轉(zhuǎn)換，并將圖層進(jìn)行統(tǒng)一，然后對(duì)數(shù)據(jù)分別進(jìn)行幾何匹配及屬性匹配。采用Hausdorff 距離（一個(gè)集合到另一個(gè)集合中最近點(diǎn)的最大距離［7］）進(jìn)行幾何匹配。

對(duì)待匹配的兩條線要素集合｛P，Q}，存在兩組子集P={p1，p2，…，pm}，Q={q1，q2，…，qn}。 其 中p1，p2，…，pm及q1，q2，…，qn為線要素P和Q上相同位置處的折點(diǎn)，則前進(jìn)距離為

后退距離為

且有前進(jìn)距離≠后退距離。所以Hausdorff距離可以表示為

從P，Q中選取兩組折點(diǎn)集合，例如{p1，p2}，{q1，q2}，將之帶入式（3）有

采用Hausdorff 距離可對(duì)點(diǎn)、線、面要素的整體相似度進(jìn)行比較，且對(duì)精度的影響較?。?］。實(shí)現(xiàn)了矢量數(shù)據(jù)的幾何特征匹配。

選取語(yǔ)義匹配對(duì)矢量數(shù)據(jù)的屬性信息進(jìn)行匹配，匹配流程見(jiàn)圖3。

圖3 屬性匹配流程

對(duì)于兩個(gè)待匹配的屬性數(shù)據(jù)，首先選取匹配字段，如“車(chē)站名稱(chēng)=北京站”和“Name=北京站”所表達(dá)的實(shí)體對(duì)象相同，所以可對(duì)該字段進(jìn)行語(yǔ)義匹配。對(duì)待匹配字段采用深度語(yǔ)義匹配模型進(jìn)行語(yǔ)義匹配［8］。然后對(duì)匹配結(jié)果進(jìn)行檢查，如對(duì)坐標(biāo)值、屬性字段唯一編碼等進(jìn)行相似度計(jì)算，若相似度高，則證明語(yǔ)義匹配正確。最后對(duì)匹配數(shù)據(jù)進(jìn)行屬性信息合并，并對(duì)同名及匹配成功的字段進(jìn)行合并，若出現(xiàn)內(nèi)容不一致時(shí)，選取最新更新的矢量數(shù)據(jù)信息進(jìn)行保存，實(shí)現(xiàn)屬性數(shù)據(jù)的融合。

2.2 遙感影像融合

現(xiàn)有傳感器硬件技術(shù)不足、衛(wèi)星發(fā)射成本高等原因，使得高時(shí)空遙感影像分辨率的獲取存在問(wèn)題［9］。鐵路對(duì)遙感影像分辨率的要求較高，但高分辨率的遙感影像獲取成本較大。為了解決遙感影像分辨率低的問(wèn)題，采用影像融合技術(shù)將高時(shí)間和高空間分辨率影像進(jìn)行融合［10］。影像融合按層次可分為像素級(jí)、特征級(jí)、決策級(jí)三級(jí)。像素級(jí)是對(duì)現(xiàn)場(chǎng)采集圖片直接進(jìn)行融合處理；特征級(jí)是通過(guò)邊緣檢測(cè)、特征提取、特征融合等技術(shù)實(shí)現(xiàn)對(duì)影像的融合；決策級(jí)是通過(guò)對(duì)多源數(shù)據(jù)進(jìn)行分析、處理、提取，將提取后的信息按照一定規(guī)則進(jìn)行融合。

動(dòng)態(tài)梯度稀疏融合是基于局部頻譜一致性和動(dòng)態(tài)梯度稀疏性的一種影像融合方法，屬于決策級(jí)的融合技術(shù)。通過(guò)將融合后的圖像降采樣，使得圖像大小與原始圖像保持一致，利用最小二乘擬合模型實(shí)現(xiàn)光譜信息的提?。?1］。其中能量函數(shù)E1可表示為

式中：ψ為降采樣函數(shù)；F為融合圖像；M為多光譜圖像。

多光譜圖像的不同波段存在著一定的關(guān)聯(lián)，為了表示這種關(guān)聯(lián)，建立了新的能量函數(shù)E2，

式中：P為全色圖像；D(P)表示將P復(fù)制到多光譜圖像的每個(gè)波段中；‖ ‖2，1函數(shù)可同時(shí)支持動(dòng)態(tài)梯度稀疏和群稀疏。

然后對(duì)式（5）和式（6）進(jìn)行合并，可較好地解決影像融合的問(wèn)題

將E1，E2展開(kāi)有

λ為梯度信息調(diào)整參數(shù)。對(duì)參數(shù)進(jìn)行調(diào)整，得到多個(gè)E(F)值，選取當(dāng)E(F)值最小時(shí)的λ作為影像融合參數(shù)。

采用此方法可以保證光譜信息的準(zhǔn)確性，對(duì)梯度的符號(hào)和信號(hào)的大小不做約束和限制，使得在影像融合時(shí)盡可能忽略光照變化的影響。

3 多源數(shù)據(jù)融合展示

鐵路“一張圖”是將鐵路線路同沿線的地形地貌、設(shè)備設(shè)施等在同一環(huán)境下進(jìn)行展示。大范圍的鐵路沿線三維場(chǎng)景需要海量的柵格數(shù)據(jù)、三維模型數(shù)據(jù)等作為支撐，影響系統(tǒng)的運(yùn)行時(shí)間和運(yùn)行效率。開(kāi)源地理信息技術(shù)作為當(dāng)前的主流技術(shù)，已被各行業(yè)廣泛使用，但是目前在鐵路空間數(shù)據(jù)領(lǐng)域應(yīng)用的開(kāi)源地理信息技術(shù)如鐵路大修預(yù)算系統(tǒng)［12］，只是對(duì)鐵路矢量數(shù)據(jù)進(jìn)行了初步的分析及處理，并未充分考慮遙感數(shù)據(jù)、三維數(shù)據(jù)等。

運(yùn)用開(kāi)源地理信息技術(shù)對(duì)二維和三維數(shù)據(jù)融合進(jìn)行研究，從而實(shí)現(xiàn)統(tǒng)一高效的空間數(shù)據(jù)模型的融合展示。一方面，利用動(dòng)態(tài)加載技術(shù)對(duì)柵格數(shù)據(jù)、矢量數(shù)據(jù)與三維模型數(shù)據(jù)進(jìn)行分級(jí)處理和分析預(yù)測(cè)；另一方面，通過(guò)“時(shí)間+空間+業(yè)務(wù)”的時(shí)空數(shù)據(jù)組織模型技術(shù)進(jìn)行數(shù)據(jù)的分層展示，以事件為中心，以時(shí)間序列進(jìn)行關(guān)聯(lián)和組織，實(shí)現(xiàn)了動(dòng)態(tài)可視化展示，能夠大大提高系統(tǒng)的運(yùn)行效率。數(shù)據(jù)融合架構(gòu)見(jiàn)圖4。

圖4 多源異構(gòu)數(shù)據(jù)融合架構(gòu)

4 試驗(yàn)與分析

4.1 矢量數(shù)據(jù)融合

圖5 幾何屬性匹配

圖6 屬性數(shù)據(jù)融合

選取矢量化的鐵路線路進(jìn)行幾何匹配（圖5）和屬性匹配（圖6）。圖5中，A 和B表示同一條鐵路線路，A基于天地圖制作而成；B基于谷歌影像地圖制作而成?？梢钥吹紸 和B 在不同位置。對(duì)A 和B 采用Hausdorff距離進(jìn)行計(jì)算，并設(shè)定閾值為5，此時(shí)A 和B 之間的最大距離為3.14，小于閾值，可確定A 和B 為匹配線路，實(shí)現(xiàn)了矢量數(shù)據(jù)的幾何匹配。

對(duì)于屬性數(shù)據(jù)（圖6），首先對(duì)字段“線路名稱(chēng)-Name”、“數(shù)據(jù)類(lèi)型-Shape”進(jìn)行語(yǔ)義匹配，結(jié)果顯示二者表示的實(shí)體對(duì)象相同。匹配完成后對(duì)匹配結(jié)果進(jìn)行檢查，選擇同一字段“線編號(hào)”，檢驗(yàn)確為同一實(shí)體對(duì)象。對(duì)其進(jìn)行融合處理，得到融合后的屬性數(shù)據(jù)，完成矢量數(shù)據(jù)的融合。

4.2 遙感影像融合

通過(guò)對(duì)鐵路沿線遙感影像的全色圖像和多光譜圖像進(jìn)行融合，使得遙感影像同時(shí)兼具高分辨率及色彩信息。如圖7所示，采用動(dòng)態(tài)梯度稀疏法，對(duì)選取地沿線附近的某一十字路口遙感影像進(jìn)行融合，結(jié)果顯示更加清楚，具有較好的融合效果。

圖7 遙感影像匹配

4.3 多源數(shù)據(jù)融合展示

采用開(kāi)源地理信息技術(shù)對(duì)二、三維數(shù)據(jù)以及三維模型數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)了鐵路沿線虛擬化基礎(chǔ)設(shè)施展示。采用QGIS 軟件對(duì)數(shù)據(jù)進(jìn)行融合展示，并選取ArcGIS 軟件作為參照對(duì)象，對(duì)數(shù)據(jù)融合的時(shí)間和數(shù)據(jù)展示的時(shí)間進(jìn)行對(duì)比。圖8為某線路橋梁處多源異構(gòu)數(shù)據(jù)融合后的結(jié)果，其中黃色區(qū)域?yàn)椴涣嫉刭|(zhì)。經(jīng)過(guò)融合后的數(shù)據(jù)可以將更多的數(shù)據(jù)展示到同一界面上，提高了用戶的可讀性，從而實(shí)現(xiàn)了二、三維數(shù)據(jù)的有效融合。QGIS 在矢量數(shù)據(jù)融合上所需時(shí)間與ArcGIS相近，而在影像數(shù)據(jù)融合、非影像數(shù)據(jù)融合和多源數(shù)據(jù)融合展示方面，效果都優(yōu)于ArcGIS。此外，用戶可查看同一區(qū)域內(nèi)不同時(shí)間段內(nèi)的影像數(shù)據(jù)，對(duì)不同時(shí)期的影像數(shù)據(jù)進(jìn)行對(duì)比分析，為鐵路防災(zāi)、應(yīng)急救援提供技術(shù)支持。

圖8 多源異構(gòu)數(shù)據(jù)展示效果

5 結(jié)論

1）采用幾何匹配和語(yǔ)義匹配對(duì)矢量數(shù)據(jù)進(jìn)行融合能夠提高矢量數(shù)據(jù)的空間利用率，減少資源浪費(fèi)。

2）采用動(dòng)態(tài)梯度稀疏法對(duì)高時(shí)間和高空間分辨率影像進(jìn)行融合可以提高遙感影像的分辨率。

3）通過(guò)開(kāi)源地理信息技術(shù)及動(dòng)態(tài)加載技術(shù)，并建立“時(shí)間+空間+業(yè)務(wù)”的組織模型，可以實(shí)現(xiàn)更為有效的二維和三維數(shù)據(jù)“一張圖”展示，縮短了數(shù)據(jù)的加載時(shí)間。

研究鐵路空間數(shù)據(jù)融合技術(shù)可以實(shí)現(xiàn)鐵路各專(zhuān)業(yè)業(yè)務(wù)數(shù)據(jù)的共享與交流。同時(shí)，也為鐵路防災(zāi)救援等方面提供更有效的數(shù)據(jù)支撐及技術(shù)支持。