KRAFT：基于知识图谱的自动化地图融合框架
机器学习
2025-09-08 v1
摘要
数字地图在导航、车队管理和网约车等各种应用中发挥着至关重要的作用，这要求其准确性和时效性，并需要及时更新。尽管大多数地理空间数据库（GDB）提供高质量信息，但其数据（i）局限于特定区域和/或（ii）即使在覆盖区域内也缺失某些实体。地图融合是使用另一个 GDB 来扩充一个 GDB，以合并缺失空间特征的过程。现有的地图融合方法存在两个主要局限性：（1）它们专为线性对象（如道路网络）的融合而设计，无法简单地扩展到非线性对象，从而丢失了地图中大多数实体的信息。（2）它们是基于预定义规则的启发式算法方法，无法以数据驱动的方式学习实体匹配。为了解决这些局限性，我们设计了 KRAFT，这是一种基于学习的方法，由三部分组成：（1）知识图谱构建——其中每个 GDB 由知识图谱表示，（2）地图匹配——我们使用知识图谱对齐方法以及地理空间特征编码器来匹配所获知识图谱中的实体，以及（3）地图合并——我们使用混合整数线性规划公式，以一致的方式合并前一模块中匹配的实体，完全合并 GDB 而不添加任何不一致之处。我们的实验评估表明，KRAFT 不仅在地图融合任务中与 SOTA 和基线方法相比取得了出色的性能，而且其每个模块（例如地图匹配和地图合并）也分别优于传统的匹配和合并方法。
引用
@article{arxiv.2509.04684,
title = {KRAFT: A Knowledge Graph-Based Framework for Automated Map Conflation},
author = {Farnoosh Hashemi and Laks V. S. Lakshmanan},
journal= {arXiv preprint arXiv:2509.04684},
year = {2025}
}