龙 雨，李 爽，李 华 玮

(1.武汉大学遥感信息工程学院，湖北 武汉 430072；2.武汉大学计算机学院，湖北 武汉430072)

0 引言

一般采用模糊搜索技术实现位置语义中对象的定位[1]，但当用户使用包含空间关系的位置语句查询时，往往得不到正确的检索结果，如现有的高德、百度地图等定位服务系统无法对“华中师范大学东校区”或“电脑城在口腔医院西北方向200 m”进行定位查询。对位置的描述实际上涉及空间认知。若参照物范围较小，往往会忽视其轮廓，如查询“武汉大学法学院南边50 m的教学楼”，可将法学院视作POI点，用传统方法定位。当参照物范围较大，且隐含目标对象与参照物间的包含关系时，会将参照物视作面要素，如“武汉大学南边50 m的小区”，通常理解为从武汉大学南部边界出发、向外延伸50 m的位置；若不考虑武汉大学范围而以几何中心点为参考，定位结果可能落在学校内部，不符合具体情境语义。因此，某些情境定位需综合考虑对象几何轮廓。

随着计算机技术的发展，利用机器学习人类语言，揭示对象间更深层次的自然关系，进而提供符合语义情境的位置服务已成为重要研究方向。学者从语言描述层面解析空间定位问题，并通过提取潜在语义和构建模型有效解析地址信息，提高了地址与位置的匹配精度[2-4]。另一方面，随着网格计算的兴起，国内外学者将地理网格[5]与计算机网格相结合，建立了地理空间信息多级网格概念；通过将各种数据转换到地理网格中，进行地理信息的单元化分析[6,7]和管理[8，9]，形成空间信息与资源信息的映射，提供相应的数据服务。……