IOAH3: 重要性驱动的自适应空间分区

# 基于图割优化的H3层次网格自适应重要性驱动空间划分

**来源：** https://arxiv.org/html/2606.18280

**作者：** Ehsaneddin Jalilian  
GeoSocial Artificial Intelligence, Interdisciplinary Transformation University Austria  
ehsaneddin\.jalilian@it\-u\.at

###### 摘要

我们提出IOAH3（重要性导向自适应H3划分），一种为地理参考观测域构建数据驱动空间划分的计算方法。空间聚合的标准方法采用固定面积单元，例如行政边界或单一分辨率的均匀六边形网格，而不考虑每个区域内底层观测的信息内容。这导致了著名的可塑面积单元问题：统计和推断结果取决于划分的任意选择，空间聚集现象在粗粒度的单元中被平均化，从而掩盖了精细尺度的结构。IOAH3通过三个阶段构建自适应分区来解决这一问题：多源特征提取和重要性评分，通过对道路密度、POI密度、建筑密度和地形粗糙度信号进行主成分分析，并以人口和洪水灾害数据作为辅助输入用于单元过滤和空间平滑；通过马尔可夫随机场的图割优化进行空间单元选择，该方法在强制空间连续性的同时，最大化每个单元的重要性；以及将高重要性区域通过数据驱动的层次细化到更精细的H3分辨级别，并通过邻居传播支持以避免孤立的精细分辨率孤岛。所得分区作为空间推断流程的输入，并在任何建模步骤之前为划分敏感性问题提供原则性解决方案。代码可在 https://github.com/EhsaneddinJalilian/IoaH3 获取。

## 1 引言

基于地理参考数据进行空间推断的系统，在应用任何建模步骤之前，首先必须将原始观测数据聚合为离散的面积单元。这些单元的选择至关重要：粗糙的单元会抑制单元内的变化，精细的单元可能数据稀疏，而均匀网格和行政边界系统都并非为了与研究现象的空间结构对齐而设计。这种敏感性——即可塑面积单元问题（MAUP）(Openshaw, 1984 (https://arxiv.org/html/2606.18280#bib.bib5))——在空间统计学文献中已有充分记载，然而在实践中，大多数GeoAI流程都采用固定分辨率而不加检验。  
这个问题不仅是统计层面的。当面积划分相对于空间现象变化的尺度过于粗糙时，聚合算子会不可逆地破坏信号。无论下游模型多么复杂，都无法恢复其输入中从未存在的变异。这一观察促使我们需要一个前置步骤：以原则性的、数据驱动的方式构建划分本身，使单元边界与观测数据的空间结构对齐。  
IOAH3正是针对这一前置步骤的方法。它接收地理域上的多源栅格和矢量观测数据，并生成自适应的H3六边形分区，其分辨率根据每个区域的估计重要性在空间上变化。该方法结合了三个独立驱动的组成部分：通过PCA对异质特征信号进行无监督重要性评分；通过在马尔可夫随机场（MRF）上进行图割优化进行空间单元选择，该MRF同时对每个单元的重要性和空间连续性进行编码；以及将选中的单元通过数据驱动的层次细化到更精细的H3分辨级别，并辅以邻居传播支持。  
本文其余部分的结构如下：第2节 (https://arxiv.org/html/2606.18280#S2) 提供关于H3层次网格和MRF图割优化的背景。第3节 (https://arxiv.org/html/2606.18280#S3) 详细描述了三阶段的IOAH3流程。第4节 (https://arxiv.org/html/2606.18280#S4) 给出实现和计算复杂度。第5节 (https://arxiv.org/html/2606.18280#S5) 讨论该方法及其局限性。

## 2 背景

### 2.1 H3层次六边形网格

H3 (Brodsky, 2018 (https://arxiv.org/html/2606.18280#bib.bib4)) 是一个层次化离散全球网格系统，使用16个分辨级别的六边形单元对地球表面进行镶嵌。在分辨率rr下，每个单元覆盖约ArA_{r} km2，其中ArA_{r}随着rr每增加一级大约减少7倍。本工作相关的关键分辨级别见表1 (https://arxiv.org/html/2606.18280#S2.T1)。

**表1：IOAH3中使用的H3分辨率级别。**

H3单元具有以下性质：在分辨率rr下的每个单元恰好完全包含在分辨率为r-1的一个单元内，形成一个严格的层次结构。这使得层次化细化（用下一分辨率的七个子单元替换一个粗糙单元）在几何上精确且计算成本低廉。

### 2.2 马尔可夫随机场与图割优化

在具有邻域结构E\mathcal{E}的站点集合V\mathcal{V}上的马尔可夫随机场（MRF）是一种如下形式的概率模型：

P(x)∝exp⁡(−∑i∈Vψi(xi)−λ∑(i,j)∈Eφij(xi,xj))， (1)

其中ψi是编码每站点偏好的单点势能，φij是编码相邻站点间平滑性的成对势能。对于二元标记xi∈{0,1}（包含/排除）和子模成对项，(1) 的MAP估计可以通过最大流/最小割对偶性 (Boykov and Kolmogorov, 2004 (https://arxiv.org/html/2606.18280#bib.bib1); Kolmogorov and Zabih, 2004 (https://arxiv.org/html/2606.18280#bib.bib2)) 在多项式时间内精确计算。所得割最小化了单点不满意度与成对不连续性的加权组合，产生一个同时与每站点重要性一致且在空间上连贯的标记。

## 3 方法

### 3.1 第一阶段：特征提取与重要性评分

令Hr\mathcal{H}_{r}表示在基分辨率rr下覆盖域Ω\Omega的H3单元集合。对于每个单元h∈Hrh \in \mathcal{H}_{r}，IOAH3提取一个特征向量f(h)∈Rd\mathbf{f}(h) \in \mathbb{R}^d，聚合以下信息源：

- • 道路密度ρroad(h)\rho_{\text{road}}(h)：属于motorway、trunk、primary、secondary、tertiary、unclassified或residential类别的OSM道路段中，节点落在hh内的数量，除以单元面积。
- • POI密度ρpoi(h)\rho_{\text{poi}}(h)：hh内具有amenity或shop标签的OSM兴趣点节点的数量，除以单元面积。
- • 建筑密度ρbldg(h)\rho_{\text{bldg}}(h)：hh内OSM建筑足迹节点的数量，除以单元面积。
- • 高程粗糙度σz(h)\sigma_{z}(h)：hh内的平均梯度幅度，以原生DEM分辨率（10米Lambert投影）计算为‖∇z‖=(∂z/∂x)2+(∂z/∂y)2\|\nabla z\|=\sqrt{(\partial z/\partial x)^{2}+(\partial z/\partial y)^{2}}。然后取映射到每个H3单元的采样像素的平均值。这捕捉了地形的崎岖程度，是比平均高程更强的基础设施和灾害重要性预测因子。
- • 人口数量p(h)p(h)：hh内的总常住人口（聚合值）。人口不包含在PCA特征集中。它作为：(i) 预筛选标准（零人口、无基础设施且灾害可忽略的单元在PCA之前被剔除）；以及 (ii) 连同洪水灾害概率输入到MRF成对平滑权重中（见第3.2节 (https://arxiv.org/html/2606.18280#S3.SS2)）。
- • 洪水灾害概率η(h)\eta(h)：hh内的平均洪水灾害概率，通过对洪水概率栅格取平均值得到。与人口类似，灾害不进入PCA特征集，但作为预筛选标准和第二阶段成对平滑的输入。

前四个信号（道路密度、POI密度、建筑密度、高程粗糙度；d=4）构成PCA特征矩阵。它们被标准化为零均值和单位方差，然后通过主成分分析简化为单一重要性分数：

s(h)=normalise(w⊤f~(h))∈[0,1]， (2)

其中w\mathbf{w}是第一主成分载荷向量，f~(h)\tilde{\mathbf{f}}(h)是标准化后的特征向量。通过所有单元上的最小-最大缩放，归一化将s(h)s(h)映射到[0,1]。该分数是数据驱动且无参数的：不需要对特征进行人工加权。

### 3.2 第二阶段：图割单元选择

给定重要性分数{s(h)}h∈Hr\{s(h)\}_{h \in \mathcal{H}_{r}}，IOAH3在H3网格上构建一个MRF，并求解二元标记l:Hr→{0,1}\ell: \mathcal{H}_{r} \to \{0,1\}（包含/排除），使得以下能量最小化：

E(l)=∑h∈Hrψh(lh)+λ∑(h,h′)∈Eφhh′(lh,lh′)， (3)

其中单点项ψh(0)=1−s(h)（包含低重要性单元的成本），ψh(1)=0（排除任何单元无成本）。成对项φhh′(lh,lh′)=1[lh≠lh′]⋅whh′，其中平滑权重为：

whh′=e−(|p(h)−p(h′)|+|η(h)−η(h′)|)， (4)

这里p(h)是hh的原始人口数量，η(h)是hh的原始灾害数值。直接使用原始（未归一化）值；当相邻单元在人口或灾害上差异较大时，指数函数会抑制权重，无论绝对尺度如何。E\mathcal{E}是H3 k-ring-1邻接图（每个单元连接到其六个六边形邻居）。λ=1.0控制平滑性与重要性的权衡。由于成对项中whh′≥0，能量(3)是子模的，因此可以通过最大流/最小割 (Boykov and Kolmogorov, 2004 (https://arxiv.org/html/2606.18280#bib.bib1)) 精确求解。

###### 命题1。对于所有whh′≥0，成对项(4)是子模的，且总能量(3)存在精确的最小割解。

###### 证明。whh′≥0以及标准Potts模型构造直接保证了项φhh′的子模性。该结论随后由Kolmogorov和Zabih (2004 (https://arxiv.org/html/2606.18280#bib.bib2)) 的定理1得出。 ∎

优化后，标记lh=0的单元被标记为*包含*；标记lh=1的单元被标记为*排除*并作为背景上下文保留。额外的连通性过滤器会移除所含邻居少于一个的包含单元，以防止孤立的单点包含。

### 3.3 第三阶段：自适应层次细化

根据重要性分数，被包含的单元被细化到更精细的H3分辨率级别。令q40,q65,q80表示{s(h):lh=0}的第40、第65和第80百分位数。单元hh的目标分辨率为：

r∗(h)={rmaxifs(h)>q80,9ifq65<0>h具有邻居中至少一个被包含的单元，并且r∗(h)>r0，那么hh的所有H3 k-ring-1邻居也至少被提升到r∗(h)。这确保了连续的精细分辨率区域，而不是被粗糙单元包围的孤立精细单元，后者会产生不连续的分区边界。每个目标分辨率r∗>r0的单元hh被替换为其在分辨率r∗下的7r∗−r0个H3子单元。子单元的特征值从细化循环之前预先加载的精细分辨率栅格中采样。

整个流程的伪代码在算法1中给出。

**算法1: IOAH3：重要性驱动的自适应H3划分**

1: **输入:** 栅格层R\mathcal{R}、OSM矢量数据V\mathcal{V}、基分辨率r0r_0、最大分辨率rmaxr_{\max}
2: **输出:** 包含每单元分辨率和特征的自适应分区P\mathcal{P}
3: 从R\mathcal{R}和V\mathcal{V}中提取所有h∈Hr0h \in \mathcal{H}_{r_0}的每单元特征f(h)\mathbf{f}(h)
4: 通过 (2) 计算重要性分数s(h)←PCA1(f(h))s(h) \leftarrow \mathrm{PCA}_1(\mathbf{f}(h))
5: 根据 (3)–(4) 构建带有单点和成对项的MRF图G=(Hr0,E)G = (\mathcal{H}_{r_0}, \mathcal{E})
6: 通过最大流/最小割求解l∗←arg⁡minl⁡E(l)\ell^* \leftarrow \arg\min_{\ell} E(\ell)
7: 连通性过滤: 对于每个满足lh∗=0\ell^*_h=0的hh，如果|{h′∈kring1(h):lh′∗=0}|<1，则设置lh∗←1
8: 计算{s(h):lh∗=0}的分位数q40,q65,q80
9: 根据(5)计算目标分辨率r∗(h)
10: 将细化传播到邻居：
11:   **for** 每个满足r∗(h)>r0的hh **do**
12:     **for** hh的k-ring-1邻居中的每个h′ **do**
13:       r∗(h′)←max⁡(r∗(h′),r∗(h))
14:     **end for**
15:   **end for**
16: 细化：
17: **for** 每个满足r∗(h)>r0的hh **do**
18:   将hh替换为子单元{c:c∈H3children(h,r∗(h))}
19:   从精细栅格中为每个子单元采样特征值
20: **end for**
21: **return** 包含每单元分辨率、特征和包含标记的分区P\mathcal{P}

## 4 实现与计算复杂度

设n=|Hr0|为基分辨率单元的数量。第一阶段的特征提取运行时间为O(nd)，PCA评分为O(nd)。第二阶段构建一个具有nn个节点和最多6n条边（H3六边形邻接）的MRF，并使用Boykov-Kolmogorov最大流算法在最坏情况下以O(n2n)时间求解，但在地理网格上实际运行时间要快得多。第三阶段在最坏情况下（所有单元细化到最大分辨率）运行时间为O(n⋅7rmax−r0)，但实际上只有一小部分单元细化到rmax。

## 5 讨论与局限性

IOAH3在划分构建阶段（在任何建模步骤之前）解决了MAUP敏感性问题。图割公式具有原则性，因为它允许精确解，并通过λ参数使重要性-平滑性的权衡变得明确。层次化的H3结构保证了细化在几何上的一致性，并且子单元的特征值可以直接从相同的栅格源中采样。

几个局限性值得注意。首先，PCA第一主成分虽然无参数，但可能无法捕捉非线性或多模态的重要性模式；替代方案（例如自编码器或核PCA）将引入额外需要调节的超参数。其次，成对权重(4)中的指数衰减是启发式的；其他递减函数（例如有理二次核）可能在某些领域表现更好，尽管初步实验未发现显著差异。第三，λ的选择目前通过网格搜索针对目标区域进行；一个自适应的、数据驱动的λ选择方案（例如通过交叉验证或基于边际似然）将增强方法的可迁移性。最后，该方法依赖于基分辨率H3级别的选择，基级别过于粗糙可能会在下游细化之前就丢弃精细尺度的信号；在实践中，r0=8（≈0.737 km²）在信息含量和计算可行性之间提供了良好的平衡，但最佳选择取决于具体的应用领域和可用数据的尺度。