基于政务版地图的POI制作方法研究_张彤蕴.pdf

地矿测绘2023，39(2):3841CN 531124/TDISSN 10079394Surveying and Mapping of Geology and Mineral esources基于政务版地图的 POI 制作方法研究*张彤蕴1，黄煜2，胡丽萍2，陆敏2(1湖南省地质地理信息所，湖南 长沙410000;2湖南省地质测绘院有限公司，湖南 长沙410000)摘要:为了进一步优化政务版地图制作时兴趣点(Point of Interest，POI)的显示效果，提出了一种能应用于生产实践的POI 优化制作方法。基于高德地图 API 接口，先利用 Python 语言爬取 POI 点数据，并通过几何与人工校正等工作过程完成了POI 有效数据的获取，然后通过 POI 数据预处理及多种 POI 抽稀方式完成多级电子地图的抽稀工作。实验证明，抽稀后的POI 点分布合理、整洁美观。关键词:POI 制作;点抽稀;电子地图制图;Maplex中图分类号:P 208;P 209文献标识码:A文章编号:10079394(2023)02003804Method for POI Making Based on Government MapZHANG Tong-yun1，HUANG Yu2，HU Li-ping2，LU Min2(1Hunan Province Geological and Geographic Information Institute，Changsha Hunan 410000，China;2Hunan Institute of GeologicalSurveying and Mapping CoLTD，Changsha Hunan 410000，China)Abstract:To further optimize the display effect of points of interest(POI)in the production of governmentmaps，a POI optimization production framework that can be applied to production practice was proposedBased onAPI interface of Amap，the POI point data was first crawled through the Python language，and the acquisition of val-id POI data was completed through geometric and manual correction Then，the thinning work of multi-levelelectronic maps was accomplished by data preprocessing and three kinds of POI thinning methodsThe experimenthas proved that the distribution of POI points after thinning is reasonable，clean and beautifulKey words:POI making;point thinning;electronic map making;Maplex0引言POI(Point of Interest)数据是一种代表地理实体的重要空间资源数据1，通常包含有名称、类别、坐标、分类等信息2，能够直接与 GIS、GPS、Internet等技术相结合，是电子地图的重要数据源。通过POI 数据，可形成各政府部门在政务管理中普遍共享的各类地理空间框架专题数据，同时按照标准规范进行一系列处理，可形成适用于网络一站式服务的政务电子地图。随着经济社会的发展和地理信息技术的进步，POI 数据的类别、数据量大幅增长，从空间角度看，其地理位置分布密级稀疏不规则3，有些区域 POI数据点十分密集，而有些区域十分稀疏;从时间角度看，同一位置上的 POI 数据在不断变化，当前的门店类别可能跟一小段时间后的门店类别不一样。这对电子地图的制作提出了更高要求，如何将 POI合理应用在政务电子地图中，使其具有直观性、准确性、时效性，让用户能快速地获取地图所传递的可靠信息是 POI 制作中的重要内容24。为此，本文介绍了一种能应用于生产实践的 POI 优化制作的方法。83*收稿日期:20230308DOI:10.16864/ki.dkch.2023.00241实现方法11技术路线基于政务版地图的 POI 制作方法研究框架主要包括数据获取、数据预处理及 POI 抽稀三大关键步骤，其中数据获取包括基于高德地图 API 的 POI数据获取、几何校正、人工校正与外调和内业上图 4个步骤，POI 数据预处理包括 POI 点分类分层、点符号化、POI 标注 3 个步骤。POI 制作技术路线如图 1所示。图 1基于政务版地图的 POI 制作技术路线Fig1Framework of POI making based on government map12POI 数据获取由于 POI 数据量大，通过人工逐个采集地理位置，修改属性的传统作业方式，工作量巨大，人工成本和时间成本无法满足实际生产需求。因此，选择先通过网络爬取高德地图 POI 数据5，6;然后利用算法完成几何校正，形成数据底图;再通过人工结合影像纠偏;最后，配合实地外调上图，形成满足政务电子地图精度要求的 POI 数据。121基于高德地图的 POI 数据获取高德地图的搜索服务 API 为 POI 信息查询提供了 4 种方法，分别是关键字搜索、周边搜索、多边形搜索和 ID 查询。其中，关键字搜索是通过输入待检索的 POI 名字进行文本匹配，实现 POI 查询;周边搜索是通过输入中心点坐标及半径建立圆形搜索区域，搜索位于圆形区域的 POI;多边形搜索是基于不规则多边形区域的搜索;ID 查询是基于每个POI 唯一标识码的搜索。前 3 种搜索方法可一次性获取多条搜索结果，不过单次返回 POI 数量不得超过 900 个，而最后一种搜索方法可获得指定 ID 的唯一 POI 信息。由于政务电子地图的数据庞杂、地理位置分布不规则，所以在 4 种搜索方式中，多边形搜索是最合适的 POI 数据获取的方法，其步骤如图 2 所示。具体描述如下:首先，在使用高德地图搜索服务 API之前，需要在其官网申请 Web 服务 API 类型 KEY;其次，拼接 HTTP 请求的 UL，即设置好必需的参数:1)多边形每个顶点的经纬度，其中经度在前，纬度在后，坐标对之间通过“|”分割;2)查询关键字，多个关键字之间通过“|”分割，如“肯德基|麦当劳”;3)待查询的 POI 类型，可通过分类代码或其对应的汉字进行指定，在最新的高德地图搜索服务API 中，共包含 23 大类 POI 类别，包括政府机构及社会团体、医疗保健服务、风景名胜、公司企业等，除此之外，还可设定查询结果的展示方式，如可指定每页显示的数据条数，是否返回地址信息、附近POI、道路以及道路交叉口信息等;最后，接收 HTTP请求返回的查询结果。图 2POI 数据获取Fig2POI data obtaining由于查询结果是以 JSON 格式返回的字符串，不能直接应用于地图制作，所以还需要借助 ArcGIS中 Arcpy 站点包进行格式转换，将其转换为 ArcGIS能直接读取的 ShapeFile 或者 FileGDB 格式。本文以 2022 年 6 月更新的高德地图平台为基础数据来源，利用 Python 完成 POI 数据的自动获取，共获得有效数据 71 205 条。122几何校正高德地图搜索服务 API 所提供的 POI 信息是经过混淆算法在经纬度中加入随机偏移后得到的结果，与实际位置存在较大的误差，因此需要进行几何校正。采用平面 4 参数转换模型7 完成几何校正，其具体转换公式为:93第 39 卷第 2 期张彤蕴，黄煜，胡丽萍，等:基于政务版地图的 POI 制作方法研究x2y2=xy+(1+m)cossinsincosx1y1(1)式中:x、y 为平移量;为旋转角度;x1、y1为原坐标系下的坐标值。123人工校正与外调、内业上图经过初步几何校正后，POI 数据与实地位置仍有一定偏差，所以还需要人工结合实际影像及参考高德地图进行校正，形成外调的初始底图;然后利用初始底图进行外业实地核查，如核实 POI 名称是否正确，以确保 POI 的准确性、时效性。13POI 数据预处理131POI 点分类、分层由于基于高德地图搜索服务 API 查询的结果存在 POI 数据庞杂、且交叉重复等问题，所以对其进行有效划分尤为重要。参照国家基础地理信息中心发布的天地图电子地图符号与注记说明(2018)，对 POI 数据进行大类划分，然后对每一大类进行小类划分，剔除关注人群相对较少的类型，如街电、吸烟点等，以便于地图符号化。在 POI 数据分类中，根据上述标准并结合经验，对政府机构、大型医院、重要交通枢纽、风景名胜等地标性 POI 赋予一定的权重，以区分普通 POI。在配图过程中，需要针对不同层级分别配图，且每层级显示的要素、注记不同，以形成多级配图效果。132点符号化在符号编辑器中，根据层级显示要求设置每个符号的大小、角度、颜色及偏移量;对于符号库中没有的符号，可按天地图电子地图符号与注记说明(2018)、国家基本比例尺地图图式 第 1 部分:1 500 1 1 000 1 2 000 地形图图式 等标准规定的比例制作点符号及配色;对于个别复杂的点符号，可组合图层，加入多个符号展示。133POI 标注POI 标注分为点、线、面标注，不同标注的配置顺序与优先级别将产生地图配置的不同结果。由于地图注记涉及多种特征类型的要素，因此在标注时要考虑要素的配置顺序与综合平衡，通常采用先点、后线、再面的顺序。14POI 抽稀政务电子地图中 POI 的显示，需考虑无重叠和无压盖，且 POI 点尽可能均匀分布8，因此需要对POI 进行抽稀，从而减少 POI 密度。根据 CH/Z90112011 地理信息公共服务平台电子地图数据规范，在不同比例尺下，POI 点数量、点距离、显示大小应不同，且随着级别的增大，显示要素应不断增多2，为了保证 POI 点在不同级别上显示的连续性，较低级别的抽稀操作应基于较高级别的抽稀结果完成。在标注时不仅要考虑到显示比例和抽稀距离，也要顾及其相应的要素属性，是 POI 点抽稀工作的重要环节3。目前 ArcGIS 常用的 3 种显示抽稀方法分别是Subset 点抽稀、SubPoints 点抽稀和 Maplex 自动点抽稀3。Subset 点抽稀方法是依据地图上的数据总量按百分比进行抽稀，所以会导致稀疏的地方更稀疏，密集的地方还是较密集;SubPoints 点抽稀虽然优先考虑了地图面上的点分布合理性，但人工参与度高，抽稀步骤多，容易出现误操作且工作效率较低3;Maplex 智能标注引擎，通过设置参数可自动实现较多复杂的标注，操作方便快捷8，9。除此之外，基于格网、缓冲区的算法抽稀可利用代码自动完成抽稀工作，且能考虑 POI 的权重和密度2，可在一定程度上解决业务中的实际问题。为了在政务电子地图上呈现更好的 POI 显示效果，采取人工抽稀、算法抽稀、显示抽稀 3 种方式完成 POI 点的抽稀工作。141人工抽稀人工抽稀是根据用户对地图关注的内容，对重要兴趣点进行权重设置，同时删除部分重叠压盖明显的兴趣点。政务地图对政府机关、高等院校等要素关注度较高，而对餐饮、古迹等要素关注度较低。因此，可细分用户关注度高的要素，利用 POI“标注位置”属性细分多种标注方式，并填写“要素权重”属性，删除部分重叠压盖明显的兴趣点，实现 POI的初步抽稀，为后续的算法抽稀提供数据支撑。142算法抽稀算法抽稀主要采取了基于网格的算法2 和基于缓冲区的算法4，以