PostGIS之维数扩展的九交模型
1. 概述
PostGIS 是PostgreSQL数据库一个空间数据库扩展,它添加了对地理对象的支持,允许在 SQL 中运行空间查询
PostGIS官网:About PostGIS | PostGIS
PostGIS官方教程:PostGIS 简介 — Introduction to PostGIS
PostGIS相关教程:文章目录汇总 - 知乎 (zhihu.com)
本文基于官方教程描述PostGIS中的九交模型
数据准备可参考:
数据介绍可参考:
2. 九交模型
2.1 定义
"维数扩展的9交集模型-Dimensionally Extended 9-Intersection Model"(DE9IM)是一个用于建模两个空间对象如何交互的框架(即,空间关系)
九交模型规定,每个几何图形都有外部、边界和内部:

对于点:内部是点,边界是空集,外部是平面上除点以外的所有其他部分
点线面的外部、边界和内部定义表格如下:
| 几何对象 | 边界 | 内部 | 外部 |
|---|---|---|---|
| 点 | 无边界 | 点本身 | 点对象以外的区域 |
| 线 | 线对象的端点 | 除端点外的线对象 | 线对象外的区域 |
| 面 | 面对象控制边 | 面对象除边界后的区域 | 面对象本身外的区域 |
九交模型进一步规定:
任意对象a、b:
| 内部(b) | 边界(b) | 外部(b) | |
|---|---|---|---|
| 内部(a) | dim(I(a) intersect I(b)) | dim(I(a) intersect I(b)) | dim(I(a) intersect I(b)) |
| 边界(a) | dim(I(a) intersect I(b)) | dim(I(a) intersect I(b)) | dim(I(a) intersect I(b)) |
| 外部(a) | dim(I(a) intersect I(b)) | dim(I(a) intersect I(b)) | dim(I(a) intersect I(b)) |
示例图如下:

dim(dimension)的返回值:有-1,0,1,2. 分别代表不同的含义,如下:
- T:交集存在,dim=0,1或2;
- F:交集不存在,dim=-1;
- 0:交集存在,但其最高维度必须是0;
- 1:交集存在,但其最高维度必须为1;
- 2:交集存在,但其最高维度必须为2;
例如,下图所示的图形:

其九交模型为:
1 0 1
0 F 0
2 1 2
使用PostGIS进行判断,主要使用的函数有:
- ST_Relate(geomA, geomB) Tests if two geometries have a topological relationship matching an Intersection Matrix pattern, or computes their Intersection Matrix
SELECT ST_Relate(
'LINESTRING(0 0, 2 0)',
'POLYGON((1 -1, 1 1, 3 1, 3 -1, 1 -1))'
);

2.2 查找具有特定关系的几何图形
E9IM矩阵的强大之处在于使用它们作为匹配参数来查找彼此之间具有特定关系的几何图形
比如下图中,利用九交模型寻找合格的码头:

将码头与湖泊建模进数据库:
CREATE TABLE lakes ( id serial primary key, geom geometry );
CREATE TABLE docks ( id serial primary key, good boolean, geom geometry );
INSERT INTO lakes ( geom )
VALUES ( 'POLYGON ((100 200, 140 230, 180 310, 280 310, 390 270, 400 210, 320 140, 215 141, 150 170, 100 200))');
INSERT INTO docks ( geom, good )
VALUES
('LINESTRING (170 290, 205 272)',true),
('LINESTRING (120 215, 176 197)',true),
('LINESTRING (290 260, 340 250)',false),
('LINESTRING (350 300, 400 320)',false),
('LINESTRING (370 230, 420 240)',false),
合格的码头具有以下特点:
- 它们的内部与湖泊内部有一个线性(一维)相交
- 它们的边界与湖泊内部有一个点(0维)相交
- 它们的边界与湖泊边界也有一个点(0维)相交
- 它们的内部与湖泊外部没有相交(F)
用九交模型定义:

使用九交模型寻找合适的码头:
SELECT docks.*
FROM docks JOIN lakes ON ST_Intersects(docks.geom, lakes.geom)
WHERE ST_Relate(docks.geom, lakes.geom, '1FF00F212');

DE9IM数据模型字符串可以使用通配符:
- "*"表示"此单元格中的任何值都可以接受"
- "T"表示"任何非假值(0、1或2)都可以接受"
2.3 数据质量检测
利用九交模型,来检测几何图形是否合格
例如,任何人口普查块(census blocks)都不应与任何其他人口普查块重叠,如下图所示:

使用九交模型表示内部重叠就是:
2 * *
* * *
* * *
使用这个九交模型来检测:
SELECT a.gid, b.gid
FROM nyc_census_blocks a, nyc_census_blocks b
WHERE ST_Intersects(a.geom, b.geom)
AND ST_Relate(a.geom, b.geom, '2********')
AND a.gid != b.gid;

又例如,使用九交模型检测街道线段是否内部相交(相交点只发生在街道直线的末端,而不是中点),如下图所示:

使用九交模型表示合格线段相交:
* * *
* 0 *
* * *
使用九交模型检测不合格的线段:
SELECT a.gid, b.gid
FROM nyc_streets a, nyc_streets b
WHERE ST_Intersects(a.geom, b.geom)
AND NOT ST_Relate(a.geom, b.geom, '****0****')
AND a.gid != b.gid;

3. 参考资料
[1]26. Dimensionally Extended 9-Intersection Model — Introduction to PostGIS
[2]PostGIS教程十八:维数扩展的9交集模型 - 知乎 (zhihu.com)
[5]九交模型 开源地理空间基金会中文分会 开放地理空间实验室 (osgeo.cn)
PostGIS之维数扩展的九交模型的更多相关文章
- numpy的基本API(二)——维数操作
numpy的基本维数操作API iwehdio的博客园:https://www.cnblogs.com/iwehdio/ 1.np.copyto(dst, src) copyto方法将数组src复制到 ...
- PCA样本数量少于矩阵维数
%test pcaA=[3,7,1,4,1;5,5,2,1,3;4,2,4,5,3];S=cov(A);T=cov(A');[ds,vs]=eig(S)[dt,vt]=eig(T) 样本数量少于矩阵维 ...
- HOG参数简介及Hog特征维数的计算(转)
HOG构造函数 CV_WRAP HOGDescriptor() :winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize( ...
- Tensorflow描述张量的维度:阶,形状以及维数
张量 TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通. 阶 在TensorFl ...
- LR特征维数特别大实时计算问题
美团 https://tech.meituan.com/machinelearning-data-feature-process.html 维数灾难 待续...
- /编写一个函数,要求从给定的向量A中删除元素值在x到y之间的所有元素(向量要求各个元素之间不能有间断), 函数原型为int del(int A ,int n , int x , int y),其中n为输入向量的维数,返回值为删除元素后的维数
/** * @author:(LiberHome) * @date:Created in 2019/2/28 19:39 * @description: * @version:$ */ /* 编写一个 ...
- C#数组维数及不同维数中元素个数的获取
简单理解有关数组维数的概念: 1.编程中用到的多维的数组,最多也就是二维数组了 2.数组的维数从0开始计算 using System; using System.Collections.Generic ...
- python 增加矩阵行列和维数
python 增加矩阵行列和维数 方法1 np.r_ np.c_ import numpy as np a = np.array([[1,2,3],[4,5,6],[7,8,9]]) b = np.a ...
- 分类问题中的“维数灾难” - robotMax
分类问题中的“维数灾难” - robotMax 在看机器学习的论文时,经常会看到有作者提到“curse of dimensionality”,中文译为“维数灾难”,这到底是一个什么样的“灾难”?本文将 ...
- tensorflow中张量(tensor)的属性——维数(阶)、形状和数据类型
tensorflow的命名来源于本身的运行原理,tensor(张量)意味着N维数组,flow(流)意味着基于数据流图的计算,所以tensorflow字面理解为张量从流图的一端流动到另一端的计算过程. ...
随机推荐
- 【Java EE】Day07 HTML
一.WEB概念 1.软件架构 C/S:安卓.QQ.迅雷,开发两端 B/S 2.资源分类 静态资源:浏览器内置解析引擎 HTML:展示内容 CSS:页面布局 JavaScript:控制页面元素,产生动态 ...
- OpenAI 推出超神 ChatGPT 注册教程来了
前几天,OpenAI 推出超神 ChatGPT,非常火爆.但是呢,因为不可抗力原因,大部分人无法体验到.这里我分享一下注册的攻略. 准备 首先能能访问 Google(前置条件,不能明确说,懂得都懂) ...
- uniapp onLoad里面拿不到reject的参数
在onLoad中直接调用自己用promise封装的请求 reject居然会收不到参数.. onLoad(){ this.$fetch(xxxx) .catch(err=>{ }) // 这里获取 ...
- 创建第一个WebService项目
前提: 保证联网的情况下创建webservice实例,需下载依赖jar 一.创建WebService服务端 1.创建服务端的工程 2.创建javaee的WebServices服务 3.命名server ...
- 使用NPOI core插入图片
闲的无聊,封装一个NPOI core插入图片,下面贴上代码,有注释,我就不讲解了 public class ExcelHelper { /// <summary> /// excel插入图 ...
- 带你读AI论文丨针对文字识别的多模态半监督方法
摘要:本文提出了一种针对文字识别的多模态半监督方法,具体来说,作者首先使用teacher-student网络进行半监督学习,然后在视觉.语义以及视觉和语义的融合特征上,都进行了一致性约束. 本文分享自 ...
- JavaScript:如何知道一个变量的数据类型?:typeof
使用typeof去查看一个变量的数据类型,如下图所示,展示了JS的七大基础数据类型和对象: 这里有必要提一下: 函数也是一个对象,但是函数的特殊性,使得在使用typeof去判断其类型的时候,会输出fu ...
- JavaScript 深拷贝的循环引用问题
如果说道实现深拷贝最简单的方法,我们第一个想到的就是 JSON.stringify() 方法,因为JSON.stringify()后返回的是字符串,所以我们会再使用JSON.parse()转换为对象, ...
- [深度学习] tf.keras入门3-回归
目录 波士顿房价数据集 数据集 数据归一化 模型训练和预测 模型建立和训练 模型预测 总结 回归主要基于波士顿房价数据库进行建模,官方文档地址为:https://tensorflow.google.c ...
- 使用 GPG 签名提交
GPG 签名是对代码提交者进行身份验证的一种补充,即证明代码提交来密钥持有者,理论上可以确保在目前的破译技术水平下无法篡改内容.您可以使用 GPG 工具 (GNU Privacy Guard) 生成密 ...