用于空间聚合和地理空间问答的拓扑关系可视化技术

《Spatial Statistics》：Topological relation materialization for spatial aggregation and geospatial question answering

　　

• •
  在重复的空间查询中，拓扑关系被实现为图中的边。
• •
  在PostgreSQL中，增量关系的存储量为93.8 MB，在Neo4j中为3.25 MB。
• •
  索引后的PostgreSQL到Neo4j的平均延迟比为1.87。
• •
  一个选择性核心在覆盖所有十个案例的情况下，移除了53.81%的关系。
• •
  NL2Cypher在50个模型案例试验中有26个与金图结果匹配。

引言

基于大型语言模型（LLMs）的自然语言接口扩大了人们对地理空间数据的访问范围，包括为没有专门查询语言的用户提供地理空间问答（GeoQA）服务。这在空间统计工作流中尤其具有吸引力，因为在这些工作流中，用户经常提出基于计数或关系条件的问题，例如一个区域内有多少对象、哪些设施与给定区域相交，或者两个空间类别共同出现的频率如何。这些不仅仅是示例性的问题：点在多边形内的计数、基于区域的汇总以及相关的空间聚合查询长期以来一直被视为地理空间数据系统中的重复性工作负载（Zacharatou等人，2017年）。然而，这些问题需要的不仅仅是流畅的文本生成：它们还需要可靠地提取空间关系并对大型空间数据集进行确定性聚合。

在这样的工作流中，一个重复性的计算组件是提取和聚合空间对象之间的拓扑关系。在PostGIS等关系系统中，这项工作通常通过空间连接来实现，而这仍然是大规模向量数据处理中的主要输入/输出（I/O）开销来源（Ray等人，2011年；Pandey等人，2021年）。在图环境中，当拓扑关系按需计算而不是显式存储时，也报告了类似的成本（Jeong和Yu，2024年）。同时，基于资源描述框架（RDF）和GeoSPARQL的空间知识图研究提高了互操作性和标准，但先前的基准测试研究一再表明，对于大规模的空间聚合工作负载，多层连接和基于三元组的模式匹配可能会变得代价高昂（Battle和Kolas，2012年；Kyzirakos等人，2012年；Huang等人，2019年；Osman，2022年）。这些观察结果引出了一个更直接的问题：当重复聚合、选择性过滤和检索是主要工作负载时，常用的拓扑关系应该如何被物理表示？

本研究关注的是这个计算层面，而不是推理模型的拟合本身。我们专注于拓扑关系的物化（TRM），即预先计算基于维度扩展的9-交叉模型（DE-9IM）的关系，并将它们存储在标记属性图（LPG）中，作为可以直接遍历的连接。这种以关系为主的角度与之前的工作一致，之前的工作将拓扑关系视为可重用的、可查询的对象，而不仅仅是按需评估的临时几何谓词（Regalia等人，2019年）。使用LPG的动机不仅在于它们灵活的属性模型，还在于它们能够明确表示邻接关系，这对于重复的关系条件查询和聚合任务是有利的（Zhu等人，2022年；Kim等人，2024年）。从这个角度来看，研究问题有两个方面：如果拓扑关系被实现为图中的边，与索引关系策略相比，存储开销和查询延迟会如何变化？这种物化的图能否作为自然语言GeoQA的可靠基础层？

第二个问题的出现是因为LLMs是概率性的下一个token预测器，而不是用于确定性空间推理和精确计数的符号引擎。先前的研究表明，在空间关系判断、地理事实检索、几何和拓扑关系理解以及算术或计数任务中存在持续的错误（Bhandari等人，2023年；Dihan等人，2025年；Ji等人，2025年；Yuan等人，2023年）。因此，仅使用LLM来回答涉及拓扑谓词或聚合计数的问题本质上是不稳定的。LLM的一个更合理的角色是将自然语言请求转换为正式查询，同时将空间关系查找和聚合委托给外部的基础数据结构。最近的GeoQA工作越来越多地采用这种模式，通过显式查询生成和后端执行而不是直接的自由形式回答（Kefalidis等人，2024年；Z. Li等人，2025年）。这种设计也遵循了一个更广泛的模式，即语言模型与外部检索或执行机制相连，而不仅仅是依赖于参数化生成（Lewis等人，2020年；Gao等人，2023年）。在本研究中，物化的图扮演了这种基础角色。

因此，本文探讨了一种基于图的TRM策略以及建立在所得图之上的自然语言到Cypher（NL2Cypher）的GeoQA流程。目标不是声称LLMs可以取代空间统计，而是展示基于图的物化层可以支持重复的空间统计操作——包括拓扑关系提取、空间聚合、基于计数的汇总和基于关系条件的检索——同时也能够实现对这些结果的基于自然语言的访问。

本文的主要贡献如下：

• (1)
  我们从前纽约州TIGER数据集中预先计算基于DE-9IM的拓扑关系，并使用两种不同的物理策略存储结果中的源-目标关系元组：关系连接表和LPG图边。这使得可以直接比较两种竞争性物化设计的存储开销。
• 我们评估了从Jackpine风格工作负载中衍生出的15个拓扑关系查询，并比较了索引后的PostgreSQL基线和Neo4j图数据库之间的查询延迟、选择性效应以及罕见关系的行为。这澄清了基于图的关系物化何时与关系执行表现相似，以及何时在高度选择性的查询中提供更低的延迟。
• 我们实现了一个基于GraphCypherQAChain的协同LLM-图GeoQA流程，其中LLM生成Cypher代码，而物化的图提供了关系查找和聚合结果。在相同的模式和输出提示下，我们进一步评估了五种模型-提供者配置下的十个工作负载派生的NL2Cypher案例，以评估对物化TRM图的自然语言访问的可靠性。

总体而言，本文将基于图的TRM视为空间统计查询的计算基础设施，并将GeoQA视为建立在该基础设施之上的一个基础接口。更具体地说，该研究的贡献在于将一个具体的数据表示问题——如何高效地物化和查询重复的拓扑关系——与一个实际的访问问题联系起来，即如何在不将符号空间推理或精确计数分配给LLM本身的情况下支持自然语言交互。

章节片段

相关工作

本节回顾了三项先前的工作，这些工作为本文的贡献提供了框架：空间启用的知识图和图数据模型、空间查询工作负载的预计算和物化，以及基于LLM的GeoQA。这些工作共同说明了为什么应该将拓扑关系的物化视为空间统计查询的物理设计问题，以及作为自然语言访问的基础层。

方法论

本研究将拓扑关系的物化视为一个数据表示和查询处理问题，然后将得到的图与一个基于现实的世界GeoQA接口连接起来。整个方法论包括四个阶段：（1）研究数据定义，（2）空间关系预计算，（3）两种拓扑关系物化策略的比较，以及（4）LLM集成的问题回答。

实验设置

主要的TRM性能比较是在一个配备Intel(R) Core(TM) i5-9400F中央处理单元（CPU）、32 GB随机访问内存（RAM）和Windows 10的系统上进行的。这个硬件描述主要与延迟测量的解释相关。存储开销是在固定测量程序下计算的前后大小差异，不应解释为由CPU或RAM规格决定。然而，数据库管理系统（DBMS）

讨论

首先，结果表明，存储开销会根据物化拓扑关系的物理表示方式而有很大差异。在当前的工作负载中，图边表示需要大约3.25 MB的额外存储空间，而关系连接表表示需要大约93.8 MB的存储空间。PostgreSQL到Neo4j的增量存储开销比率约为28.9。这种差异与

结论

本研究将拓扑关系的物化视为空间统计查询的物理设计问题，并评估了基于图的表示方法与基于索引的关系方法的对比。使用纽约州TIGER数据集，实验表明，图表示方法对于物化关系层所需的增量存储开销更低，并且总体上实现了更低的平均查询延迟，尤其是在高度选择性的罕见关系查询中获得了最大的收益。

Seungchan Jeong|Kiyun Yu