CN103390039B - 基于网络信息的城市灾害专题图实时生成的方法 - Google Patents

Abstract

本发明提供一种基于网络信息的城市灾害专题图实时生成的方法，包括以下步骤：S1，从网络中实时获取城市灾害信息；S2，对所述城市灾害信息进行地名自动识别，然后进行空间定位；S3，运用基于时空关联规则的语义映射技术，对空间定位后的所述城市灾害信息进行语义解析；S4，对语义解析后的所述城市灾害信息进行图文关联的空间数据挖掘，生成图文空间关联的城市灾害专题数据；S5，对所述城市灾害专题数据进行可视化表达，生成城市灾害专题图。本发明能够实时获取城市灾害信息，通过对获取到的城市灾害信息进行智能挖掘，快速生成并动态发布城市灾害专题图，提高城市灾害专题图快速生成与动态发布水平，为城市管理与应急救灾提供服务。

Description

基于网络信息的城市灾害专题图实时生成的方法

技术领域

本发明属于灾害信息管理技术领域，具体涉及一种基于网络信息的城市灾害专题图实时生成的方法。

背景技术

城市灾害专题图属于专题地图的一种，专题地图设计与生产的自动化是制图工作者一直努力的目标。制图专家为了实现这一目标，走过了漫长道路，进行了不懈探索，主要分为如下几个阶段:

第一阶段，20世纪80-90年代兴起的专家***制图技术为专题地图生产自动化进行了有益尝试，总结了大量的专题制图知识与经验，将许多制图知识规则化、条理化、算法化，有效地指导了专题地图的设计与生产。但专家的制图知识与经验往往是变化的，不易于用文字和算法准确表达，即便是规则化后仍然不便于一般用户使用，因此专家技术下的地图制图***未走入实用化轨道。

第二阶段，20世纪末，随着数字地图制图技术的发展，地图生产已开始由传统手工编制方式向数字化制图方式转变。地图制图技术发生了革命性的变化，普通地图的生产己基本实现数字化，这其中主要归功于强大的图形编辑功能和地图出版功能，它们给地图生产自动化带来了一线希望。但专题地图在数据组织、内容表示、数据处理等方面与普通地图有较大差别，其发展远远落后于普通地图。

第三阶段，地理信息***技术迅猛发展，专题地图作为空间数据分析可视化的重要表现形式，其制作技术受到了重视，从而得到了较好的发展。根据专题地图的重要作用及广大用户的迫切需求，国内外流行的商品化GIS软件，例如：MapInfo、ArcView、GeoMedia、Maptitude、ArcInfo、SuperMap等，纷纷推出了自己的具有专题地图制作功能的模块。这些软件集地图输入、数据库管理及空间数据分析于一体，将很多组件(如视图、图表、表格、脚本等)、专题地图必备要素(图名、图例、比例尺、指北针等)、外来的图形图像等地图素材等组合到一起，使专题地图的制作具有内容充实、表现方式多样、易于编辑修改与动态更新的特点。

但是，上述制图软件在城市灾害专题制图上不完全适用，软件操作的复杂性和软件本身功能的欠缺使得城市灾害专题图生成受到制约，尤其是在地图成图、符号自动化方面仍需人机交互来完成。目前制图工具在实际应用中都存在流程繁琐、处理复杂，对制图人员有较高的专业素质和软件操作水平的要求，不能满足实用化过程中对海量数据快速和自动处理的要求。

随着我国城市建设步伐的加快和城市规模与数量的不断增长，城市面临的灾害风险也日显严峻,尤其是洪水、地震、海洋灾害等各种自然灾害风险以及火灾、***、毒物泄漏、建筑物倒塌等各种人为和技术风险不断发生,造成了大量的人员伤亡、财产损失和环境污染。如何防范自然灾害的侵袭，及时迅速的发布城市灾害信息，从而最大限度的减少公众生命财产损失成为一个亟待解决的问题。将最新的科学技术手段应用于城市防灾减灾中是研究人员正在努力实现的目标。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于网络信息的城市灾害专题图实时生成的方法，实时获取城市灾害信息，通过对获取到的城市灾害信息进行智能挖掘，能够快速生成并动态发布城市灾害专题图，提高城市灾害专题图快速生成与动态发布水平，为城市管理与应急救灾提供服务。

本发明采用的技术方案如下：

本发明提供的基于网络信息的城市灾害专题图实时生成的方法，通过网络实时地获取城市灾害信息，为城市灾害专题图的生成与发布提供了丰富的数据源。经过地名自动识别、语义映射、图文关联挖掘等一系列技术，将海量的城市灾害信息进行内容整合，智能挖掘从而生成有价值的灾害专题数据。最后运用动态制图综合算法和Web Service技术，实现城市灾害专题图的快速生成与发布。本发明创建了一种新型的城市灾害专题图的生成方法，解决了过去城市灾害专题图生成时数据获取困难、数据处理复杂、生成速度慢、严重滞后、工序复杂的弊端。本发明具有“实时获取、智能挖掘、快速生成、动态发布”的特点。

附图说明

图1为本发明提供的基于网络信息的城市灾害专题图实时生成的方法的流程示意图；

图2为本发明提供的数据截取方式示意图；

其中，1---网络接口卡；2---网络；

图3为本发明提供的对城市灾害信息进行地名自动识别和空间定位的路线图；

图4为本发明提供的地名词典索引库的构建路线图；

图5为本发明提供的对单句地名自动识别方法的流程示意图；

图6为本发明提供的城市灾害信息语义解析的路线图；

图7为本发明提供的遥感影像数据挖掘方法的路线图；

图8为本发明提供的城市灾害专题图的动态发布路线图。

具体实施方式

以下结合附图对本发明进行详细说明：

如图1所示，本发明提供一种基于网络信息的城市灾害专题图实时生成的方法，包括以下步骤：

S1，从网络中实时获取城市灾害信息；

由于当前通信技术和网络技术发展迅猛，网络用户和手机用户的规模也非常庞大，因此，当某个城市发生灾害时，例如暴雨、冰雪、地震、塌陷、火灾等，网络用户或手机用户会有意识或无意识的通过公共网页、手机短信、微博、微信等方式发布城市灾害信息，其中，城市灾害信息包括：灾害的发生时间、发生规模、伤亡人数等。上述城市灾害信息的形式包括文字、图片、视频/音频、空间矢量数据、栅格数据以及三维模型等。

本发明通过搜索引擎或数据截取等方式，能够从公共网页、以公开方式传递的手机短信、微博、微信等网络信息中实时获取海量的城市灾害信息。

(a)搜索引擎方式

搜索引擎通过收集因特网几千万到几十亿个网页并对网页中的每一个词(即关键词)进行索引，建立索引数据库的全文搜索引擎。因此，当用户查找某个关键词的时候，实际上是从索引数据库中获取包含该关键词的网页信息。通过该种方式实时获取海量的城市灾害信息。

(b)数据截取方式

数据截取主要利用***提供的协议编程接口来实现。通信时，数据首先被写入本地主机的socket中，然后该socket通过网络接口卡(NIC)的传输介质将传来的信息发送到另一台主机的socket中。其中，Socket是一个网络编程接口，实现于网络应用层，WindowsSocket包括了一套***组件，充分利用了Microsoft Windows消息驱动的特点。如图2所示，为数据截取方式示意图。

套接口有三种类型：流式套接口、数据报套接口和原始套接口。前两种套接口只能访问到传输层。也就是说，只能接收与自身硬件地址相匹配的或是以广播形式发出的数据帧，对于其他形式的数据帧，比如已到达网络接口但却不是发给此地址的数据帧，网络接口在验证投递地址并非自身地址之后将引起响应。而原始套接口允许对网络层协议如(IP或ICMP)进行直接访问，对于流经网卡的所有数据都可以接收到。原始套接口截取到的数据包并不仅仅是单纯的数据信息，而是包含有IP头、TCP头等信息头的最原始的数据信息，通过对这些在低层传输的原始信息的分析可以截获有关城市灾害的信息。

S2，对所述城市灾害信息进行地名自动识别，然后进行空间定位；

通过搜索引擎、数据截取等方式获取的城市灾害信息属于文本数据，不具备空间属性，因此，需要对城市灾害信息进行地名自动识别，实现空间定位。

具体的，如图3所示，主要包括以下步骤：

S21，对GIS地名库及专题地名库进行整合处理，构建完整的地名词典和地名词典索引库；

首先构建地名词典。除了利用通用的GIS地名库之外，为了满足检索需求，还加入了专题地名库，如地方志中的地名库。通过对这两类地名数据库的整合处理，构建了比较完整的地名词典。为了提高检索速度，在地名词典的基础上，还构建了地名词典索引库。

(a)地名词典的构建

对于单句文本自动识别而言，简单的理解就是在一个给定的文本串中将地名切分并标记出来。如果地名词典规模不大，通过数据库技术，用简单的字符匹配操作就可以实现地名的自动识别。但是，文本的内容具有不确定性，地名在文本中出现的位置以及上下文内容也具有不确定性。要实现对任意文本和任意形式的地名都能自动识别出来，要求地名词典应具备地名完备性。地名词典越完整，地名识别的效果就越好。

因此在构建地名词典时，采用“分层分块”的地名数据组织方式，根据不同类型和不同区域专题数据，提取相应层和相应区域的地名作为地名词典。这样既保证了地名词典的数据完整性，又提高了识别效率。

(b)地名词典索引库的建立

为进一步提高识别性能和效率，在地名词典基础上，构建地名词典索引库。构建地名词典索引库的目的主要有两个：一是提高对地名词典的检索效率，类似于汉语词典中的检索目录，同时这也是借鉴了GIS中对空间数据进行索引的思想；二是从地名词典中提取相关特征字和特征参数，为快速地名识别做好相关准备工作。

地名词典索引库的构建过程如图4所示，首先遍历地名词典，得到地名首字链表；然后将所有地名首字去重后排序，得到全局单字索引链表，并在索引中存储单字对应地名的所有地名记录ID和最大地名长度。

S22，对所述城市灾害信息基于单句地名自动识别技术进行地名自动识别，识别出地名；

为简化问题需要，对城市灾害信息的文字进行分句处理，使内容众多的文字文件变成单个句子的集合。这样，就将复杂信息的地名提取问题转换为单个句子的地名提取问题。分句处理的方法可以通过标点符号(通常为，’！”、“。”等)的判读来实现。

单句地名自动识别可分为两步进行：一是地名单元切分，二是编码分析和地名单元合并，具体的切分算法流程如图5所示。

图5中，C表示地名单元对应的行政区划编码，P为地名单元到句首的相对距离，DI表示地名词典索引库。

在进行地名单元切分时，对于获得的每一个地名单元，都对应着一个具体的地理范围(或空间位置)。但在实际生活中，人们在用汉语表达具***置时，常习惯从大到小分层次表达一个具体的地理位置，因此在文本中经常会出现多个地名彼此相连接的情况。如“河南省郑州市二七区”，经过地名单元切分，它会变成3个地名：“河南省”、“郑州市”、“二七区”。但是，从汉语表达空间概念以及其地名所指向的空间特性而言，“河南省郑州市二七区”应当作为一个完整的地名来看待。因此，需要进行地名单元合并的工作。

地名单元合并方法可从地名单元切分结果中标注的编码和相对位置分析入手。规则是：“如果n个地名单元首尾相连，且在空间范围上存在包含关系，则认为它们属于一个地名单元”。其中，“首尾相连”和“包含关系”的数学定义如下：

定义1：假设在一单句S中存在n个地名，记为(S1，S2，……，Sn)，各个地名的串长记为(L1，L2，……，Ln)，在句中的相对位置记为(P1，P2，……，Pn)，对于Ei和Ej(j＝i+1，且i<n，j<n)，如果Pj-Pi＝Li，则称Ei和Ej相连。

定义2：设定义1中n个地名对应的编码为(C1，C2，……，Cn)，相应的行政区划编码中的4个分区编码为(C11，C12，C13，C14，C21，C22，C23，C24，……，Cn1，Cn2，Cn3，Cn4)，对于Ei和Ej，分别计算分区编码差值Rk＝|Cik-Cjk|(k＝1，2，3，4)。如果任一Rk不等于Cik或Cjk，则认为Ei和Ej间不存在包含关系；否则判定为Ei包含Ej。

依据上述定义，可以自动判定连续地名的逻辑关系，如果存在包含关系，就将这连续地名进行合并，取范围最小的地名空间信息作为该地名的空间信息。

S23，从所述城市灾害信息中提出识别出的所述地名，从空间数据库中获取与所述地名对应的地名坐标，实现所述城市灾害信息的空间定位。

S3，运用基于时空关联规则的语义映射技术，对空间定位后的所述城市灾害信息进行语义解析；

具体的，在空间定位的城市灾害信息的基础上，针对主题和区域进行划分，基于文字特征和概念驱动的属性特征进行计算抽象和语义描述，建立GIS语义共享本体库；在此基础上，研究GIS语义共享和互操作的机制和方法，屏蔽空间信息资源和服务的分布特征及异构特征，从而在逻辑上为用户提供一个单一的虚拟空间信息视图。

以图文关联的空间关系语义规则为主线，以具有图文关联特征的空间信息产品(图形)、用户文字内容(文本)为数据样本集，以空间分析技术为支撑手段，研究图形、文本、规范之间的语义关联与映射机制，建立图文语义匹配模型，探讨图文关联的双向索引机制，实现城市灾害信息的语义解析。详细技术路线如图6所示，具体包括以下步骤：

(a)构建区域-主题空间语义词典；

研究图形与文本空间关系特征，提取领域相关知识，抽取蕴含于知识源(领域专家、规划文本、规范等)中的实体空间关系及属性，经过甄别—分类—编码，规范空间语义词典。

根据空间语义词典，采用文本分词-语义标注-语义聚类-句法模式分析-模式匹配等方法，从文本数据库中映射产生空间语义，生成文本空间语义库(中间库)。

根据抽取的空间语义词典，利用统计方法、空间分析、空间关系查询算法(由9-交模型、方向关系矩阵模型、定量距离的求解算法、邻近关系的求解算法提供关系查询的原子算法)抽取图形数据库中的相关空间信息，并生成图形空间语义库(中间库)。

(b)空间映射算法～规则语义索引机制～定性定量转换

研究并运用语义生成规则—规则约束语义的机制，产生文本信息语义库，生成文本空间规则库；运用聚类方法、空间关联规则，渐近式地映射产生图形空间语义库，生成图形空间规则库。

运用云理论，建立定性定量转换模型，实现图形与文本定性与定量值之间的转换。采用有效的规则匹配算法，互动式进行文本与图形规则库匹配。

通过关联规则的最小支持度阈值和最小置信度阈值进行运算，引入相关支持度评价效果，生成图形空间规则库。

(c)语义规则库自适应检测与更新

对图文关联特征的空间关系互动表达，从空间数据的结构语义中分析语义匹配关系，建立图文空间关系的语义映射表，并通过云模型进行定性定量转换，实现图形空间规则库、文本空间语义库的关联映射，最终融合生成图文关联的语义规则库。

动态检测空间对象及文本语义的变化，生成增量语义信息存入临时规则库；并与语义规则库中的规则进行匹配和进行事件—规则分析，完成语义规则库的替换与更新。

S4，对语义解析后的所述城市灾害信息进行图文关联的空间数据挖掘，生成图文空间关联的城市灾害专题数据；

针对面向主题和区域的城市灾害信息，充分利用遥感影像特征挖掘技术，挖掘出潜在的规律性知识。以图文关联的时空语义规则为主线，形成图文空间关系/语义的识别—关联—规则的螺旋式挖掘模式，搭建基于时空关系的语义词典框架，从城市灾害信息中挖掘出空间地理实体的特征信息。由规律性知识和空间地理试题的特征信息二者形成图文空间关联的城市灾害专题数据。

具体的，面向当前能够覆盖全球、多时段、多传感器、多频谱和多分辨率的遥感影像，分析适合识别相应地物特征的遥感影像的分辨率粒度；重点研究针对给定分辨率粒度的遥感影像，探索挖掘GIS语义共享本体库所需要的特征信息的方法，并选择典型特征进行挖掘。根据从遥感影像挖掘的特征信息，辅助专家知识和GIS知识，形成能描述不同地理实体的概念集合，遥感影像数据挖掘的主要目的就是从海量的影像数据及其相关数据中分析、挖掘出潜在的规律性的知识，需要提取出不同概念层次的概念以及找出这些概念之间的相互关系。那么，首先就要解决概念层次如何界定的问题，其实也就是遥感影像数据挖掘的粒度如何确定的问题，在影像数据挖掘中就是指挖掘对象的单元大小。遥感影像数据挖掘的最细的粒度就是像素粒度，其分析对象的单元就是像元。较粗的粒度就是像素集团粒度，其分析对象的单元就是像素集团，就是多个像素构成的集合，根据不同的方法可以构造不同的像素集团。因此，本专利根据需要挖掘的目标的大小和类型，选择合适分辨率的遥感影像进行研究。

遥感影像数据挖掘方法如图7所示，具体包括光谱特征数据挖掘、纹理特征数据挖掘、形状特征数据挖掘、空间分布规律挖掘、影像知识的存储与管理、基于知识的影像分类、基于知识的影像检索、基于知识的目标识别等，本专利基于形式概念分析理论和商空间理论的遥感影像数据挖掘，对纹理特征数据挖掘、形状特征数据挖掘进行重点阐述。

(a)遥感影像纹理特征数据挖掘

纹理关联规则挖掘可以发现遥感影像数据中频繁出现的局部结构，发现影像局部区域中中心像元与其周围的邻近像元之间的一种相互约束关系。具体包括样区切割、归一化处理、特征数据入库、Hasse图生成、规则生成等环节。

a.打开样区遥感影像，将影像归一化处理成灰度值为0、1、2的影像。

b.将归一化处理后的影像的每一个根像元及其所对应的8邻域的像素归一化处理后的像素值构成数据库的一条记录，然后输入到纹理特征数据库中，即进行纹理特征数据入库。

c.根据纹理特征数据，利用基于索引树的集概念格和Hasse图的绘制为一体的快速算法，生成纹理特征数据所对应的概念格，并绘制Hasse图。

d.根据生成的Hasse图，基于所构建的概念格生成反映纹理特征的关联规则。

e.显示频繁节点：只显示支持度大于支持度阈值的频繁节点。

f.生成冗余规则：直接根据频繁节点生成具有冗余的规则。

g.生成非冗余规则：根据一定的非冗余规则生成算法生成非冗余规则。

h.纹理关联规则的解释。

i.挖掘出这些纹理关联规则后，需要根据具体的领域相关知识对知识规则的具体意义进行解释。

(b)遥感影像形状特征数据挖掘

在遥感影像数据中，不同的地物目标的形状也具有可区分性的特征，因此，可以利用形状特征知识进行遥感影像的细分类。利用形状特征进行形状特征知识辅助下的遥感影像分类或者是目标识别。因此对形状特征知识进行挖掘也是遥感影像数据挖掘的一个重要方面。

形状特征数据挖掘包括以下步骤：边界提取、形状特征提取、Hasse图生成、规则生成。

●边界提取：勾绘典型样区的边界，采用CANY等不同的特征提取算子提取形状特征。

●提取形状特征：计算各样区边界多边形的形状特征。

●形状特征值分级：利用不同的形状特征描述子对形状特征数据进行分级。

●Hasse图生成：生成形状特征数据的Hasse图。

●规则生成：生成形状特征的关联规则知识。

●形状关联规则的解释。

(c)面向区域与主题的挖掘结果融合

以图文关联的时空语义规则为主线，形成图文空间关系/语义的识别—关联—规则的螺旋式挖掘模式，搭建基于时空关系的语义词典框架，从城市灾害信息数据中挖掘出空间地理实体的特征信息。由规律性知识和空间地理试题的特征信息二者形成图文空间关联的城市灾害专题数据。

S5，对所述城市灾害专题数据进行可视化表达，生成城市灾害专题图；

基于数据挖掘技术，利用获取的图文空间关联热点信息，设计以用户位置区域及当前任务为中心的动态制图综合算法，采用信息动态发布与可视化服务的形式，实现满足任务需求的城市灾害专题图的快速生成。

城市灾害专题图是将地理环境灾害要素的空间分布和时间变化通过图像直观、准确地表达出来，从而辅助数据的处理和分析，帮助研究人员获取知识、深入地开展研究。由于地理环境时空数据具有多维动态的特点，将用户位置区域以及用户的当前任务等上下文信息用于综合制图算法中，根据不同尺度的应用特点建立多维动态时空可视化模型(基于场和对象的联合表达模型)，表现和描述多维对象的空间特征和变化趋势，实现大规模数据场实时动态可视。

在多维动态时空可视化模型基础上，针对城市灾害专题信息时空变化频繁，各类数据变化频度差异大的特点，结合尺度划分类型，建立动态地图服务发布方法与多服务管理机制，利用服务目录进行服务语义检索和服务组合，实现城市灾害专题图的快速生成。

在时空关联规则建立的层次基础上，通过整合后城市灾害专题数据的属性信息，根据条件查询属性数据获取区域编号，再根据区域编号在层次的索引树种查询，得到区域MBR(Minimum Bounding Rectangle最小外接矩形)，建立R+树索引，实现城市灾害专题数据的实时定位和提取；基于XML规范建立专题数据的可视化发布和实体表达协议；采用WebService技术，实现城市灾害专题图的动态发布。具体技术如图8所示。

地理信息可视化服务与地图动态发布流程图

●根据标绘数据对应的区域名或地名，找到相应的编号；

●根据编号在层次索引树中寻找，找到最小的包含该区域或地名的结点，获取该区域MBR；

●依据生成的MBR生成快速定位表；

S6，动态发布所述城市灾害专题图。

根据快速定位表寻找对应的灾害专题数据。基于XML规范建立专题数据的可视化发布和实体表达协议；采用Web Service技术，实现城市灾害专题图的动态发布。

综上所述，本发明提供的基于网络信息的城市灾害专题图实时生成的方法，通过网络实时地获取城市灾害信息，为城市灾害专题图的生成与发布提供了丰富的数据源。经过地名自动识别、语义映射、图文关联挖掘等一系列技术，将海量的城市灾害信息进行内容整合，智能挖掘生成有价值的灾害专题数据。最后运用动态制图综合算法和Web Service技术，实现城市灾害专题图的快速生成与发布。本发明创建了一种新型的城市灾害专题图的生成方法，解决了过去城市灾害专题图生成时数据获取困难、数据处理复杂、生成速度慢、严重滞后、工序复杂的弊端。本发明具有“实时获取、智能挖掘、快速生成、动态发布”的特点。

当城市灾害发生时，通过使用本发明的方法，能够以最快的速度收集所需要的全部有意义的实时信息，在最大程度上辅助灾害指挥中心进行现场资源的合理统筹与调度。同时，本发明能够大大提高专题地图成图以及数据实时更新的速度，使得决策者能够及时掌握灾情信息，有效提升新时期城市灾害救援工作的速率，从而充分体现政府和城市管理者对灾区人民的关怀，体现以人为本、建立和谐社会的执政理念。

另外，本发明提供的城市灾害专题图实时生成的方法，还可以使城市灾害专题图的生成与发布非常简单、没有任何人工干预，从而大大节省了制图成本。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (6)

1.一种基于网络信息的城市灾害专题图实时生成的方法，其特征在于，包括以下步骤：

S1，从网络中实时获取城市灾害信息；

S2，对所述城市灾害信息进行地名自动识别，然后进行空间定位；

S3，运用基于时空关联规则的语义映射技术，对空间定位后的所述城市灾害信息进行语义解析；

S4，对语义解析后的所述城市灾害信息进行图文关联的空间数据挖掘，生成图文空间关联的城市灾害专题数据；

S5，对所述城市灾害专题数据进行可视化表达，生成城市灾害专题图；

其中，S2具体包括以下步骤：

S21，对GIS地名库及专题地名库进行整合处理，构建完整的地名词典和地名词典索引库；

S22，对所述城市灾害信息基于单句地名自动识别技术进行地名自动识别，识别出地名；

S23，从所述城市灾害信息中提出识别出的所述地名，从空间数据库中获取与所述地名对应的地名坐标，实现所述城市灾害信息的空间定位；

其中，S22具体包括以下步骤：

S221，通过标点符号的判读切分地名单元；获得多个地名单元；

S222，如果存在若干个连续地名单元首尾相连，且在空间范围上存在包含关系，则合并所述若干个连续地名单元，取范围最小的地名空间信息作为识别出的所述地名的空间信息；

其中，S222中，所述若干个连续地名单元首尾相连具体为：

假设在一单句S中存在n个地名，记为(E1，E2，……，En)，各个地名的串长记为(L1，L2，……，Ln)，在句中的相对位置记为(P1，P2，……，Pn)，对于Ei和Ej(j＝i+1，且i<n，j<n)，如果Pj-Pi＝Li，则称Ei和Ej首尾相连；

所述空间范围上存在包含关系具体为：

假设在一单句S中存在n个地名，记为(E1，E2，……，En)，各个地名的串长记为(L1，L2，……，Ln)，在句中的相对位置记为(P1，P2，……，Pn)，各个地名对应的编码为(C1，C2，……，Cn)，相应的行政区划编码中的4个分区编码为(C11，C12，C13，C14，C21，C22，C23，C24，……，Cn1，Cn2，Cn3，Cn4)，对于Ei和Ej，分别计算分区编码差值Rk＝|Cik-Cjk|(k＝1，2，3，4)；如果任一Rk不等于Cik或Cjk，则认为Ei和Ej间不存在包含关系；否则判定为Ei包含Ej；

S3具体包括以下步骤：

S31，研究图形与文本空间关系特征，提取领域相关知识，构建空间语义词典；

S32，基于所述空间语义词典，采用文本分词-语义标注-语义聚类-句法模式分析-模式匹配方法，从文本数据库中映射产生空间语义，生成文本空间语义库；

基于语义生成规则—规则约束语义的机制，从所述文本空间语义库中提取生成文本空间规则库；

S33，基于所述空间语义词典，利用统计方法、空间分析、空间关系查询算法抽取图形数据库中的空间信息，产生图形空间语义库；从所述图形空间语义库中提取生成图形空间规则库；

S34，运用云理论，建立定性定量转换模型，实现图形与文本定性与定量值之间的转换；采用规则匹配算法，互动式进行所述文本空间规则库与所述图形空间规则库之间的匹配，最终生成图文关联语义规则库；

S35，基于所述图文关联语义规则库，对空间定位后的所述城市灾害信息进行语义解析。

2.根据权利要求1所述的基于网络信息的城市灾害专题图实时生成的方法，其特征在于，S1具体为：所述城市灾害信息具体通过搜索引擎方式或数据截取方式获取。

3.根据权利要求1所述的基于网络信息的城市灾害专题图实时生成的方法，其特征在于，所述地名词典采用“分层分块”的地名数据组织方式。

4.根据权利要求1所述的基于网络信息的城市灾害专题图实时生成的方法，其特征在于，所述地名词典索引库通过以下方式构建：

首先遍历所述地名词典，得到地名首字链表；将所述地名首字链表中所有地名首字去重后排序，得到全局单字索引链表，并在索引中存储单字对应地名的所有地名记录ID和最大地名长度，得到所述地名词典索引库。

5.根据权利要求1所述的基于网络信息的城市灾害专题图实时生成的方法，其特征在于，S4具体包括以下步骤：

利用遥感影像特征挖掘技术挖掘所述城市灾害信息的规律性，以图文关联的时空语义规则为主线，形成图文空间关系/语义的识别—关联—规则的螺旋式挖掘模式，搭建基于时空关系的语义词典框架，从所述城市灾害信息中挖掘出空间地理实体的特征信息，由规律性知识和空间地理试题的特征信息形成图文空间关联的城市灾害专题数据。

6.根据权利要求1所述的基于网络信息的城市灾害专题图实时生成的方法，其特征在于，S5之后，还包括：

S6，动态发布所述城市灾害专题图。