基于规则引擎的空间数据质量检查研究

《基于规则引擎的空间数据质量检查研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于规则引擎的空间数据质量检查研究1213吴建国，梁军，石伟伟（1中国科学院地理科学与资源研究所，北京，100101；2中国科学院研究生院，北京,100049；3北京超图地理信息技术有限公司，北京，100085）摘要：空间数据是地理信息系统的血液，实施空间数据检查以产生符合应用系统需要的数据，是地理信息系统建设的关键环节。目前空间数据检查研究存在很多不足：检测动作要么使用灵活性差的硬编码，要么依靠灵活却低效的人工判断。为解决这一问题，该文提出了能够处理各种空间数据质量问题的数据检查架构CheckerEng，它采用规则来描述检查逻辑，并基于规则引擎来

2、执行检查逻辑。关键字：规则引擎；数据检查；EclipseRCP；中图分类号：F293.2文献标志码：AResearchonRulesEngineBasedSpatialDataQualityChecking1213WUJianguo,LIANGJun,SHIWeiwei（1InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101,china;2GraduateSchooloftheChineseAcademyofSciences,Beijing100039,

3、China;3SuperMapGISTechnologiesInc,Beijing100101,China）Abstract:SpatialDataisthebloodoftheGeographicInformationsystem(GIS).SpatialdataqualitycheckingtogenerateconsistencewiththedatarequiredbyapplicationsystemisthekeytotheestablishmentofGIS.Therestillexistmanyinsufficientpointsi

4、npreviousresearchesonspatialdataqualitychecking:thecheckingeithertakesuseofinflexiblehardcodeorinefficientmanualwork,inordertodetectandrepairspatialdataqualityproblems.Todealwithsuchaproblem,theauthorproposedadatacheckingarchitecturenamedCheckerEng,whichadoptingrulestodescribe

5、checkinglogic,andimplementitonthebaseofrulesengine.Keywords:RuleEngine；SpatialDataChecking；EclipseRCP；1引言在地理信息系统中，空间数据是作为地理信息系统的血液而存在的，空间数据的规范、[1]完整和正确是地理信息系统能够可靠应用的前提，是实现地理信息系统高级功能的基础。目前数据生产的效率不断提高，但是数据质量的检查还停留在比较落后的阶段，绝大多数数据生产单位还依赖于手工方式，数据的规范性、正确性和完备性等完全依赖于制图人员和数据质量检查人员，只有少部

6、分用户资金技术实力比较强时，用户针对他们自己的数据特点开发一些小的数据质量检查的工具，只能应用于特定的数据，当数据标准发生改变时，又得重新开发质量检查系统，这样一来导致大量资金和时间上的投入。以往的研究存在以下缺陷：检测动作要么使用灵活性差的硬编码，要么是灵活却低效的人工判断，前者当数据质量的定义发生变化时，要重新修改数据检查软件，这在实践中是极其低效的；后者，则不能保证人工判断的完整性和准确性。2基于规则的数据检查技术介绍文献[1]为本文指出了一个可能的方向。该文提出了数据检查规则的概念，给出了基于376规则库的空间数据检查思路。空间数据检查规则

7、由两部分组成：用于数据错误的逻辑规则和错误数据采取的动作(修复或定位)的描述。可以用大量的数据质量规则和约束来描述数据检查的全过程，即审计、筛选和记录修复。基于规则的数据检查技术能够处理各种空间数据质量问题。3基于规则的数据检查技术实现3.1介绍文献[l]提出了基于规则的空间数据检查方法，但并没有真正给出基于规则的空间数据检查的实现。分析其思路可见，空间数据检查规则最终表现为复杂的逻辑。如何提炼、表达、组织和高效地判断这些逻辑是基于规则的空间数据检查技术的关键所在。需注意，空间数据质量问题的定义依赖于空间数据的应用领域。对某个应用是合格的数据，但对

8、同一行业或不同行业的另一个应用却可能是没有价值的。而且，数据的应用领域是随时间变化的，因此数据质量问题的定义也随时问变化。