ABSTRACT Geospatial data conflation is aimed at matching counterpart features from two or more data sources in order to combine and better utilize information in the data. Due to the importance of conflation in spatial analysis, different approaches to the conflation problem have been proposed ranging from simple buffer-based methods to probability and optimization based models. In this paper, I propose a formal framework for conflation that integrates two powerful tools of geospatial computation: optimization and relational databases. I discuss the connection between the relational database theory and conflation, and demonstrate how the conflation process can be formulated and carried out in standard relational databases. I also propose a set of new optimization models that can be used inside relational databases to solve the conflation problem. The optimization models are based on the minimum cost circulation problem in operations research (also known as the network flow problem), which generalizes existing optimal conflation models that are primarily based on the assignment problem. Using comparable datasets, computational experiments show that the proposed conflation method is effective and outperforms existing optimal conflation models by a large margin. Given its generality, the new method may be applicable to other data types and conflation problems.

中文翻译：

---

地理空间数据合并：一种基于优化和关系数据库的形式化方法

摘要地理空间数据合并旨在匹配来自两个或多个数据源的对应特征，以便组合和更好地利用数据中的信息。由于合并在空间分析中的重要性，已经提出了解决合并问题的不同方法，从简单的基于缓冲区的方法到基于概率和优化的模型。在本文中，我提出了一个正式的合并框架，它集成了两个强大的地理空间计算工具：优化和关系数据库。我讨论了关系数据库理论与合并之间的联系，并演示了如何在标准关系数据库中制定和执行合并过程。我还提出了一组新的优化模型，可以在关系数据库中使用这些模型来解决合并问题。优化模型基于运筹学中的最小成本循环问题（也称为网络流问题），它概括了现有的主要基于分配问题的优化合并模型。使用可比较的数据集，计算实验表明所提出的合并方法是有效的，并且在很大程度上优于现有的最佳合并模型。鉴于其通用性，新方法可能适用于其他数据类型和合并问题。计算实验表明，所提出的合并方法是有效的，并且在很大程度上优于现有的最佳合并模型。鉴于其通用性，新方法可能适用于其他数据类型和合并问题。计算实验表明，所提出的合并方法是有效的，并且在很大程度上优于现有的最佳合并模型。鉴于其通用性，新方法可能适用于其他数据类型和合并问题。