StaR 地图：揭示地理空间关系的不确定性

智能交通系统日益复杂化，其在公共空间中的应用亦不断拓展，使得对表达且灵活的知识表示需求日益增长。虽然各类地图工作已实现广泛覆盖，包括对特征进行详尽的语义标注，但这些地理信息系统往往未能充分体现其内在的不确定性。因此，亟需开发一种表示方法，既融合统计概率视角，又保留地理空间数据的关系本质。这种表示还应为数据准确性提供诚实的呈现，并为高级推理提供平台，以从任务相关查询中获取新洞见。我们的工作以两个方面回应这一空白：首先，我们提出了统计关系地图(Statistical Relational Maps, StaR Maps)作为不确定语义地图数据的表示；其次，我们展示了 StaR 地图的高效计算方法，以将其扩展至广阔城市空间。通过对真实众包数据的实验，我们支撑了 StaR 地图在表示不确定知识和复杂地理信息推理方面的应用与实用性。