CN105117494B - 模糊语境中的空间实体映射方法 - Google Patents
模糊语境中的空间实体映射方法 Download PDFInfo
- Publication number
- CN105117494B CN105117494B CN201510614202.XA CN201510614202A CN105117494B CN 105117494 B CN105117494 B CN 105117494B CN 201510614202 A CN201510614202 A CN 201510614202A CN 105117494 B CN105117494 B CN 105117494B
- Authority
- CN
- China
- Prior art keywords
- spatial entities
- spatial
- entities
- scale
- geographic object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种模糊语境中的空间实体映射方法,其通过空间实体与地理对象的概念、属性、空间特征参量相似度计算,实现了空间实体的定位与概念层面的精准映射,通过构建空间实体多尺度分类库,并从面向公共服务的地理对象中提取模糊尺度因子,与多尺度分类库进行语义匹配,实现了基于模糊尺度因子的空间实体与地理对象的语义映射,从而为日益增长的地理信息检索需求提供了一种开放性更高、适应性更强的方法。
Description
技术领域
本发明涉及一种空间实体映射方法,具体涉及一种模糊语境中的空间实体映射方法,属于信息检索技术领域。
背景技术
在公众地理信息服务应用中,地理信息主要以文本形式进行表达,在形态上呈现出显著的半结构化、非结构化特征。此外,与传统专业地理信息服务相比,公众应用服务中用户通过文本形式输入的查询检索条件和要求服务返回的结果在语义、时间和空间等维度上都具有相当的不确定性和模糊性,传统的文本和数值的精确匹配不能解决语义层的准确性,往往导致空间信息服务返回的结果在语义尺度、时间尺度和空间尺度上过粗或过细。如何实现语义不清、语义模糊等复杂场景中地理对象的精准映射,是提高地理信息公众应用服务可用性的技术难点。
传统信息检索主要以关键词词形匹配的方式实现,同义词、多义词等异构信息的存在使得这种词形匹配方式的缺陷日益明显。地理信息的检索在传统信息检索基础上发展而来,因此也继承了这个缺陷。传统的地理信息检索技术主要包括检索模型、索引技术、用户查询语句、排序、可视化、多源异构数据集成查询等方面,其中以索引技术研究为主,通过建立空间或属性索引提高数据访问速度。该类方法主要以原始地理空间数据为研究对象,按词形方式进行信息匹配,所以无法满足语义层次的信息检索,不适用于模糊语境中的地理实体映射。以本体为基础的语义网(Semantic Web)技术的出现改变了原有的信息检索模式,它将传统的基于词形的信息检索转向基于语义的信息检索上来,极大提高了地理信息检索的效率。Christopher教授在其领导的欧盟项目SPIRIT中,利用地理本体对地理相关的网络文档进行检索,实现了一个具有空间意识的搜索引擎;中科院遥感所研制的隐形搜索软件“词虎”,以语意搜索入手,建立文本文档与地图的关联,使地理空间信息***与一般信息***紧密关联。
发明内容
针对地理空间信息表现形式的多样性、描述的模糊性、空间实体的多尺度性,由于传统的基于文本和数值的精确匹配方法已不能解决空间实体语义层的准确映射,所以本发明的目的在于提供一种模糊语境中的空间实体映射方法,该方法通过空间实体与地理对象的概念、属性、空间特征参量相似度计算,实现空间实体的定位与概念层面的精准映射,通过构建空间实体多尺度分类库,从面向公共服务的地理对象中提取模糊尺度因子,并与多尺度分类库进行语义匹配,实现基于模糊尺度因子的空间实体与地理对象的语义映射,从而为日益增长的地理信息检索需求提供一种开放性更高、适应性更强的方法。
为了实现上述目标,本发明采用如下的技术方案:
一种模糊语境中的空间实体映射方法,其特征在于,包括以下步骤:
一、依据比例尺或分辨率信息,建立空间实体多尺度分类库;
二、在空间实体多尺度分类库的基础上,建立空间实体几何特征库;
三、建立空间实体语义关系,该语义关系分为空间语义关系和属性语义关系;
四、处理用户输入的搜索信息,提取地理对象的概念、属性和空间特征参量;
五、计算语义关系,实现空间实体与地理对象的精准映射;
六、计算模糊尺度因子和选择最优尺度,实现空间实体与地理对象尺度及几何特征的精准映射。
前述的模糊语境中的空间实体映射方法,其特征在于,在步骤一中,建立空间实体多尺度分类库分为两部分:
(1)在同一比例尺或分辨率下,针对不同的空间实体进行建库;
(2)在不同的比例尺或分辨率下,针对同一空间实体进行建库。
前述的模糊语境中的空间实体映射方法,其特征在于,在步骤二中,建立空间实体几何特征库的方法为:
在某一比例尺或分辨率下,对于以点状要素展示的空间实体,存储其x、y坐标;对于以线状形式展示的空间实体,存储其一系列x、y坐标点对;对于以面状要素表达的空间实体,存储其边界的点位信息。
前述的模糊语境中的空间实体映射方法,其特征在于,在步骤三中,建立空间实体语义关系的过程为:
(1)从现有的空间实体数据库中抽取出空间实体的概念和实体间的属性关系、特征关系,然后将现有的空间实体数据库的表、字段、记录分别映射到地理本体的类、属性、实例;
(2)借助地理本体建立空间实体间的属性语义关系和空间语义关系,前述属性语义关系包括:整体与局部关系和父子关系,前述空间语义关系包括:方向关系、拓扑关系和度量关系。
前述的模糊语境中的空间实体映射方法,其特征在于,在步骤三中,
前述方向关系借助八方向锥形模型进行提取;
前述拓扑关系借助要素之间的几何关系经计算获得;
前述度量关系依据要素间的距离获取而来。
前述的模糊语境中的空间实体映射方法,其特征在于,在步骤四中,处理用户输入的搜索信息利用的是自然语言处理的文本提取与处理技术。
前述的模糊语境中的空间实体映射方法,其特征在于,在步骤五中,为需要配准的地理对象计算语义关系的过程为:
(1)计算概念相似度和属性相似度;
(2)借助空间实体间的属性语义关系和空间语义关系,在空间实体多尺度分类库和空间实体几何特征库中寻找与地理对象最相近的空间实体。
8、根据权利要求1前述的模糊语境中的空间实体映射方法,其特征在于,在步骤六中,计算模糊尺度因子和选择最优尺度的具体过程为:
针对面向公众服务场景下的地理对象,采用文本挖掘与分析技术从该地理对象中提取模糊尺度因子,将提取的模糊尺度因子与空间实体的多尺度分类特征参量进行语义匹配,自适应地选取最优尺度,同时依据空间实体几何特征库,关联当前尺度或分辨率下的空间实体的几何表达模型,实现空间实体与地理对象尺度及几何特征的精准映射。
本发明的有益之处在于:本发明的模糊语境中的空间实体映射方法,其通过空间实体与地理对象的概念、属性、空间特征参量相似度计算,实现了空间实体的定位与概念层面的精准映射,通过构建空间实体多尺度分类库,并从面向公共服务场景下的地理对象中提取模糊尺度因子,与空间实体多尺度分类库进行语义匹配,实现了基于模糊尺度因子的空间实体与地理对象的语义映射,从而为日益增长的地理信息检索需求提供了一种开放性更高、适应性更强的方法。
附图说明
图1是本发明模糊语境中的空间实体映射方法的设计思路图;
图2是空间数据库与空间实体语义关系网的关系图;
图3是空间实体属性语义关系图;
图4是地理对象空间语义关系图;
图5是基于模糊尺度因子的地理对象语义映射流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
图1是本发明的设计思路图。通过计算空间实体与地理对象的概念、属性、空间特征参量相似度,构建空间实体多尺度分类库,提取模糊尺度因子,将地理对象与多尺度分类库进行语义匹配,最终实现基于模糊尺度因子的空间实体与地理对象的语义映射。
本发明的模糊语境中的空间实体映射方法,其主要研究空间实体语义匹配和基于模糊尺度因子的地理对象语义映射,通过空间实体与地理对象的概念、属性、空间特征参量相似度计算,实现空间实体的定位与概念层面的精准映射;此外,其还通过构建空间实体多尺度分类库,从面向公共服务场景下的地理对象中提取模糊尺度因子,将提取的模糊尺度因子与多尺度分类库进行语义匹配,实现基于模糊尺度因子的空间实体与地理对象尺度及几何特征的精准映射。
下面详细介绍本发明的映射方法。
第一步:建立空间实体多尺度分类库
按照空间实体的比例尺或分辨率信息,建立空间实体多尺度分类库,建库主要分为两部分:
(1)在同一比例尺或分辨率下,针对不同的空间实体进行建库。
例如,在1:4,514.00比例尺下,湖泊、水库以面状要素表示,境外铁路、国家铁路、地方铁路、支线铁路等以中心线即线状要素表示,住宅小区、环卫设施、旅游景点等以点状要素表示。
(2)在不同的比例尺或分辨率下,针对同一空间实体进行建库。
在不同的比例尺或分辨率下,同一空间实体也可能具有不同的几何特征,例如:在10-12级分辨率下,对于1-6级河流及主要湖泊、水库,当图上河流宽度大于5mm时,用双线表示,在5-9级分辨率下,对于1-5级的河流,均用单线表示。
建立空间实体多尺度分类库,即完成了地理对象在不同比例尺或分辨率下的表达形式描述。
第二步:建立空间实体几何特征库
在第一步的基础上,我们还需建立地理对象不同表达形式的几何特征,该几何特征为点、线、面等描述的具体化,即建立空间实体几何特征库。
建立空间实体几何特征库的方法为:在某一比例尺或分辨率下,对于以点状要素展示的空间实体,存储其x、y坐标;对于以线状形式展示的空间实体,存储其一系列x、y坐标点对;对于以面状要素表达的空间实体,存储其边界的点位信息。
例如,在1:4,514.00比例尺下,某环卫设施以点状要素展示,则存储其位置信息,即x、y坐标;某铁路以线状形式表示,则存储其一系列x、y坐标点对;某湖泊以面状要素表达,则存储其边界的点位信息。
第三步:建立空间实体语义关系
空间实体语义关系分为空间语义关系和属性语义关系。
空间实体语义关系的建立过程为:
(1)从现有的空间实体数据库中抽取出空间实体的概念和实体间的属性关系、特征关系等信息,这些信息主要包括地名、行政区划、交通、地貌、水系等以及他们之间的归属、邻接、穿越、方位关系、度量等,然后如图2所示,将现有的空间实体数据库的表、字段、记录分别映射到地理本体的类、属性、实例;
(2)以获得的数据信息为基础,在数据库中为该实体添加其与其他实体的关系属性,借助地理本体建立空间实体之间的语义关系,即建立空间实体间的属性语义关系和空间语义关系,其中,参照图2,属性语义关系包括:整体与局部关系、父子关系等,空间语义关系包括:方向关系、拓扑关系和度量关系等。
在建立空间语义关系的过程中,空间关系的提取是重点,其中:
(1)方向关系借助八方向锥形模型进行提取;
(2)拓扑关系借助要素之间的几何关系经计算获得;
(3)度量关系依据要素间的距离获取而来。
第四步:处理用户输入的搜索信息
利用自然语言处理的文本提取与处理技术,对用户输入的搜索信息进行处理,分别提取地理对象的概念、属性和空间特征参量。
第五步:计算语义关系
为需要配准的地理对象计算语义关系的过程为:
(1)计算概念相似度、属性相似度;
(2)借助空间实体间的属性语义关系和空间语义关系,在空间实体多尺度分类库和空间实体几何特征库中寻找与地理对象最相近的空间实体,即实现空间实体与地理对象的精准映射。
图3是空间实体属性语义关系图,例如其是一个地名属性信息片段图。G1包含的特征集合为f(G1)={f1},其直接孩子结点G2和G3继承它的所有属性。但G2和G3也有自己的特性f2和f3。特征集合f(ci)和f(cj)的相似度能够较好地反映地名属性信息ci和cj的相似度。采用“以集合的交集的元素个数除以集合的并集的元素个数”算法计算两个集合的相似度。
图4是地理对象空间语义关系图,以北京、天津、广州为例,三者都属于中国,即为被包含关系,北京与天津是相邻关系,两者的相对方位关系分别为西北、东南,同时,两者距离在100-200km之间,因此,当用户输入的搜索信息为“北京市东南方向的距离在100-200之间的城市”时,利用图4所示的空间语义关系网,即可搜索到符合要求的城市,如天津市。同时,为匹配用户输入的“周围”、“附近”等模糊语义词,对不同比例、尺度的地理对象,给定该类词的不同范围。
第六步:计算模糊尺度因子和选择最优尺度
参照图5,针对面向公众服务场景下的地理对象,采用文本挖掘与分析技术从该地理对象中提取模糊尺度因子,将提取的模糊尺度因子与空间实体的多尺度分类特征参量进行语义匹配,自适应地选取最优尺度,同时依据空间实体几何特征库,关联当前尺度或分辨率下的空间实体的几何表达模型,实现空间实体与地理对象尺度及几何特征的精准映射。
综上所述,本发明的方法主要通过空间实体语义关系,对用户输入的模糊语境下的地理对象进行精准映射,同时,借助空间实体多尺度分类库、几何特征库等,实现了基于模糊尺度因子的空间实体与地理对象的语义映射。
由于充分考虑了空间实体的多尺度分类以及空间实体与地理对象的概念、属性、空间特征参量相似度,所以本发明的映射方法解决了空间实体语义层的准确映射问题,为日益增长的地理信息检索需求提供了一种开放性更高、适应性更强的方法。
需要说明的是,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (6)
1.一种模糊语境中的空间实体映射方法,其特征在于,包括以下步骤:
一、依据比例尺或分辨率信息,建立空间实体多尺度分类库;
二、在空间实体多尺度分类库的基础上,建立空间实体几何特征库;
三、建立空间实体语义关系,该语义关系分为空间语义关系和属性语义关系,包括:
(1)从现有的空间实体数据库中抽取出空间实体的概念和实体间的属性关系、特征关系,然后将现有的空间实体数据库的表、字段、记录分别映射到地理本体的类、属性、实例;
(2)借助地理本体建立空间实体间的属性语义关系和空间语义关系,所述属性语义关系包括:整体与局部关系和父子关系,所述空间语义关系包括:方向关系、拓扑关系和度量关系;
四、利用自然语言处理的文本提取与处理技术处理用户输入的搜索信息,提取地理对象的概念、属性和空间特征参量;
五、计算语义关系,实现空间实体与地理对象的精准映射;
六、计算模糊尺度因子和选择最优尺度,实现空间实体与地理对象尺度及几何特征的精准映射。
2.根据权利要求1所述的模糊语境中的空间实体映射方法,其特征在于,在步骤一中,建立空间实体多尺度分类库分为两部分:
(1)在同一比例尺或分辨率下,针对不同的空间实体进行建库;
(2)在不同的比例尺或分辨率下,针对同一空间实体进行建库。
3.根据权利要求1所述的模糊语境中的空间实体映射方法,其特征在于,在步骤二中,建立空间实体几何特征库的方法为:
在某一比例尺或分辨率下,对于以点状要素展示的空间实体,存储其x、y坐标;对于以线状形式展示的空间实体,存储其一系列x、y坐标点对;对于以面状要素表达的空间实体,存储其边界的点位信息。
4.根据权利要求1所述的模糊语境中的空间实体映射方法,其特征在于,在步骤三中,
所述方向关系借助八方向锥形模型进行提取;
所述拓扑关系借助要素之间的几何关系经计算获得;
所述度量关系依据要素间的距离获取而来。
5.根据权利要求1所述的模糊语境中的空间实体映射方法,其特征在于,在步骤五中,为需要配准的地理对象计算语义关系的过程为:
(1)计算概念相似度和属性相似度;
(2)借助空间实体间的属性语义关系和空间语义关系,在空间实体多尺度分类库和空间实体几何特征库中寻找与地理对象最相近的空间实体。
6.根据权利要求1所述的模糊语境中的空间实体映射方法,其特征在于,在步骤六中,计算模糊尺度因子和选择最优尺度的具体过程为:
针对面向公众服务场景下的地理对象,采用文本挖掘与分析技术从该地理对象中提取模糊尺度因子,将提取的模糊尺度因子与空间实体的多尺度分类特征参量进行语义匹配,自适应地选取最优尺度,同时依据空间实体几何特征库,关联当前尺度或分辨率下的空间实体的几何表达模型,实现空间实体与地理对象尺度及几何特征的精准映射。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510614202.XA CN105117494B (zh) | 2015-09-23 | 2015-09-23 | 模糊语境中的空间实体映射方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510614202.XA CN105117494B (zh) | 2015-09-23 | 2015-09-23 | 模糊语境中的空间实体映射方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105117494A CN105117494A (zh) | 2015-12-02 |
CN105117494B true CN105117494B (zh) | 2019-03-08 |
Family
ID=54665482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510614202.XA Active CN105117494B (zh) | 2015-09-23 | 2015-09-23 | 模糊语境中的空间实体映射方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105117494B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677830B (zh) * | 2016-01-04 | 2019-01-18 | 北京大学 | 一种基于实体映射的异构媒体相似性计算方法及检索方法 |
CN106844622B (zh) * | 2017-01-19 | 2020-07-17 | 中国测绘科学研究院 | 一种全空间信息表达方法及全空间信息*** |
CN110728149A (zh) * | 2019-04-24 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种空间实体的空间相关度的计算方法及装置 |
CN111651535B (zh) * | 2019-09-24 | 2021-08-17 | 北京嘀嘀无限科技发展有限公司 | 信息查询处理方法、装置、电子设备及可读存储介质 |
CN112989482B (zh) * | 2021-05-18 | 2022-03-04 | 三一筑工科技股份有限公司 | Bim模型数据的生成方法及装置和构建方法及装置 |
CN115438133B (zh) * | 2022-05-07 | 2023-05-30 | 泰瑞数创科技(北京)股份有限公司 | 一种基于语义关系的地理实体几何表达方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2389710A1 (en) * | 1999-11-01 | 2001-05-10 | Vikram Ramesh Jamalabad | A method and device for grouping dynamically varying limited range entities for rapid searching |
CN101599070A (zh) * | 2009-07-07 | 2009-12-09 | 武汉大学 | 在土地利用信息多尺度表达中的空间数据库综合方法 |
CN102053981A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 一种顾及语义的地上下集成模型的多尺度表达方法 |
CN102693306A (zh) * | 2012-05-24 | 2012-09-26 | 武汉大学 | 一种多尺度地理数据的在线联动更新服务方法 |
CN102810158A (zh) * | 2011-05-31 | 2012-12-05 | 中国科学院电子学研究所 | 一种基于多尺度语义模型的高分辨率遥感目标提取方法 |
-
2015
- 2015-09-23 CN CN201510614202.XA patent/CN105117494B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2389710A1 (en) * | 1999-11-01 | 2001-05-10 | Vikram Ramesh Jamalabad | A method and device for grouping dynamically varying limited range entities for rapid searching |
CN101599070A (zh) * | 2009-07-07 | 2009-12-09 | 武汉大学 | 在土地利用信息多尺度表达中的空间数据库综合方法 |
CN102053981A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 一种顾及语义的地上下集成模型的多尺度表达方法 |
CN102810158A (zh) * | 2011-05-31 | 2012-12-05 | 中国科学院电子学研究所 | 一种基于多尺度语义模型的高分辨率遥感目标提取方法 |
CN102693306A (zh) * | 2012-05-24 | 2012-09-26 | 武汉大学 | 一种多尺度地理数据的在线联动更新服务方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105117494A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105117494B (zh) | 模糊语境中的空间实体映射方法 | |
CN115269751B (zh) | 地理实体时空知识图谱本体库构建方法 | |
CN110472066A (zh) | 一种城市地理语义知识图谱的构建方法 | |
CN105630884B (zh) | 一种微博热点事件的地理位置发现方法 | |
CN110909153B (zh) | 一种基于语义关注度模型的知识图谱可视化方法 | |
EP3152683A1 (en) | Tile-based geocoder | |
CN102169591B (zh) | 一种制图中文本注记分行方法以及绘制方法 | |
CN109933797A (zh) | 基于Jieba分词及地址词库的地理编码方法和*** | |
Tong et al. | A probability-based multi-measure feature matching method in map conflation | |
Smart et al. | City model enrichment | |
Guilbert et al. | Terrain generalisation | |
CN108595582A (zh) | 一种基于社会信号的灾害性气象热点事件识别方法 | |
Yan et al. | Description approaches and automated generalization algorithms for groups of map objects | |
CN114661744B (zh) | 一种基于深度学习的地形数据库更新方法及*** | |
CN108984640A (zh) | 一种基于web数据挖掘的地理信息获取方法 | |
Zhou et al. | Three‐Dimensional Reconstruction of Huizhou Landscape Combined with Multimedia Technology and Geographic Information System | |
Li et al. | Hierarchical elimination selection method of dendritic river network generalization | |
CN114201480A (zh) | 一种基于nlp技术的多源poi融合方法、装置及可读存储介质 | |
CN103226559B (zh) | 用于组合的soi对象与内容的空间信息索引*** | |
Xiang | Region2vec: An Approach for Urban Land Use Detection by Fusing Multiple Features | |
Zhang et al. | A common sense geographic knowledge base for GIR | |
Cheng et al. | Multi-criterion methods to extract topographic feature lines from contours on different topographic gradients | |
Cheng et al. | Automated detection of impervious surfaces using night-time light and Landsat images based on an iterative classification framework | |
CN111191084B (zh) | 一种基于图结构的地名地址的解析方法 | |
Ma et al. | OSMsc: a framework for semantic 3D city modeling using OpenStreetMap |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |