时空数据的动态关联技术研究

为了检测时空数据之间的发展变化关系,本文研究时空数据的动态关联技术,提出了一种动态关联算法和一种基本的时空变化类型。该算法用几何特征和属性特征相结合的方法进行匹配和变化检测,可以匹配时空对象并自动提取变化情况,能够解决一对一、一对多、多对一和多对多的变化关系,并且可以检测出时空对象的移动变化情况。     

全空间时空对象可视化工具的设计与实现

在全空间信息系统中,多粒度时空对象及其时空域的组织方式,本身并没有对对象进行专门的可视化处理.对象的全特征、复杂关联与多维动态特点客观上造成了用户理解和认知数据的困难,需要专门的可视化工具,对对象的特征信息进行可视化检查与交互探索,一方面可以向下验证全空间信息系统建模理论,融合多粒度时空对象一体化管理技术;另一方面可以向上为系统示范应用提供数据可视化工具,检查对象数据的正确性和完整性.为此,首先从体系架构和可视化流程2个方面对可视化工具进行总体设计;在此基础上,以对象特征的直接动态可视化表达为目标,针对对象特征信息的不同来源和时空演变特点,提出多粒度时空对象离散变化特征动态表达、连续变化特征动态表达的关键技术流程,实现对象全生命周期特征信息的变化管理、动态表达与交互探索;最后通过插件扩展,实现了系统功能,以若干应用场景验证了系统架构的合理性和关键技术流程的正确性.     

顾及上下级空间关系相似性的道路网联动匹配方法

现有道路网匹配方法中,大多利用道路自身结点和弧段特征进行匹配,而较少注意道路邻域要素在道路网匹配中的重要定位参考作用,从而影响匹配效率和正确率的进一步提高。针对上述问题,本文提出了一种顾及上下级空间关系相似性的道路网联动匹配方法,即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,运用Stroke技术将复杂道路网进行等级划分。其次,通过道路骨架关联关系树构建道路网联动匹配模型。最后,选取高等级骨干道路作为起始特征对象,计算道路间的上下级空间关系相似性,逐级迭代使匹配信息在道路网联动匹配模型中传递,从而得到匹配结果。试验表明,本文算法缩小了待匹配数据的搜索范围,能够有效提高匹配正确率和效率,尤其在数据位移较大、存在非系统性几何位置偏差的情况下优势明显。     

一种基于时态树结构的时空数据的动态可视化方法

本文通过设计一种时态树结构,运用多时态矢量空间数据动态关联算法建立地理实体变更的历史亲缘继承关系,作为时空对象动态可视化的时态版本数据源;基于时态树结构,设计并实现了动态形变图和动态专题图等动态可视化表达方法。     

一种基于关键帧动画的时空数据动态可视化方法研究

以时空数据可视化表达为研究对象,提出一种以地理现象真实时间为串联,以关键帧及线性插值动画为手段的动态符号逻辑模型。将地理实体不同时态的特征以图形符号表达并作为关键帧;在关键帧之间根据需要使用插补算法生成多个中间时刻的图形符号,并模拟表达该时刻地理实体特征,这个过程称为中间帧生成;采用地图动画时间串联各个关键帧和中间帧,并按时间顺序和一定约束规则连续播放,形成动画符号,实现时空数据的几何特征和属性特征随时间变化的动态可视化。     

矢量数据变化对象的快速定位与最优组合匹配方法

要素变化信息对地物生命周期的记录、时空数据库的构建、GIS数据库的更新有重要意义.针对大数据量的变化信息发现,本文采用基于格网划分的方法,通过对空间特征与属性特征汇总信息的对比,只对发生变化的格网进行检测,缩小了检测范围与空间查询区域.为解决要素变化前后的匹配问题,提出一种最优组合匹配法,通过对组合对象空间特征及语义特征的综合比较,从候选要素中选取最佳匹配对象.试验证明,该方法能够高效准确地实现大数据量的矢量数据变化信息的探测,并能很好地解决非一对一的要素匹配问题.     

基于多粒度时空对象的事件建模框架研究

全空间信息系统中提出利用多粒度时空对象构建一个时空大数据下的多维动态世界。由于多粒度时空对象的复杂特征,基于传统地理实体的事件建模方法和理论已不能满足全空间信息系统的需要,必须研究多粒度时空对象的变化特点及其事件建模理论。分析了对象与事件生命周期的拓扑关系,总结了多粒度时空对象的变化特点和规律;提出了全空间信息系统中的事件结构及其建模流程,并总结了事件的3种关系和驱动模式;基于此,构建了事件建模的原型系统,并以某海域的两国海上舰艇对峙事件为例,进行了建模和初步可视化表达,取得了较好的效果。     

联合时空信息和轨迹关联的空中多目标检测

为解决空中多目标检测中目标在图像中所占像素数少、目标相互毗邻和相互遮挡的难题,提出了联合时空信息和轨迹关联的空中多目标检测算法。该算法首先利用基于像素的背景建模算法得到目标空间信息,结合邻近帧差算法提取的目标时间信息,联合得到目标的时空信息图;然后,利用卡尔曼预测器对目标位置进行预测,利用匈牙利匹配算法关联目标得到目标轨迹,根据目标轨迹补充漏检目标,提高目标的查全率;最后,分段提取目标轨迹特征,根据轨迹特征进行判断,滤除虚警目标,提高目标的查准率。采用空中多目标视频进行实验验证,结果表明,本文算法检测性能优良,查全率高于96%,查准率高于98%,F测度高于97%。     

移动区域时空关系变化建模研究

针对二维欧氏空间内的移动区域对象在时空关系变化建模中存在的问题,该文提出了一种时空关系变化序列模型,并建立了时空关系变化概念邻域图。采取基于时间片的时空数据模型,通过分析移动区域间随时间变化的拓扑、距离和方位关系,解决时空关系变化的集成建模问题。该方法能有效刻画移动区域的动态时空特征。     

利用动态阈值的森林草原火灾火点检测算法

针对传统固定阈值的森林和草原火灾火点遥感检测算法因时空环境变化而导致的火点漏检和误检问题,提出了一种综合季节、地理位置和土地覆盖类型等影响因素的时空动态阈值火点检测算法。实验结果表明,时空动态阈值火点检测算法能有效改善火点检测结果,具有时空自适应性。     

时空大数据面临的挑战与机遇

"大数据时代"的到来,正在改变着人们的工作、生活和思维方式。该文较全面地分析了目前大数据及其应用的研究现状,提出"时空大数据"的概念,并认为时空大数据就是时空数据与大数据的融合,并从大数据与时空大数据的背景、特征、本质和类型,分析了时空大数据带来的科学范式、时空信息传输和认知模型等方面的变化,同时对时空大数据的理论体系、技术体系和产品体系进行了探讨。     

利用事件影响域挖掘时空关联规则

首先发展了基于事件影响域的时空事务表构建策略,提出了基于事件影响域的时空关联规则挖掘方法,给出了相应的挖掘算法(简称ECSTAR算法)。通过一个实际算例验证了所提方法的可行性和有效性。     

基于PETRI网的土地变更时空过程建模

通过对以往时空数据建模过程记录的不足分析,提出利用时间Petri网和层次扩展的子过程对时空过程进行建模,能显式表达时空数据以及时空变化过程,由位置/状态和变迁连接时空过程.并以土地变更业务为例详细分析整个过程,认为此建模过程能很好的表达现实世界的时空过程.     

A novel method for discovering spatio-temporal clusters of different sizes,shapes, and densities in the presence of noise

The discovery of spatio-temporal clusters in complex spatio-temporal data-sets has been a challenging issue in the domain of spatio-temporal data mining and knowledge discovery. In this paper, a novel spatio-temporal clustering method based on spatio-temporal shared nearest neighbors (STSNN) is proposed to detect spatio-temporal clusters of different sizes, shapes, and densities in spatio-temporal databases with a large amount of noise. The concepts of windowed distance and shared nearest neighbor are utilized to define a novel spatio-temporal density for a spatio-temporal entity with definite mathematical meanings. Then, the density-based clustering strategy is employed to uncover spatio-temporal clusters. The spatio-temporal clustering algorithm developed in this paper is easily implemented and less sensitive to density variation among spatio-temporal entities. Experiments are undertaken on several simulated data-sets to demonstrate the effectiveness and advantage of the STSNN algorithm. Also, the real-world applications on two seismic databases show that the STSNN algorithm has the ability to uncover foreshocks and aftershocks effectively.     

时空大数据分布式增量IMSTDCA聚类方法研究

时空聚类分析是对时空大数据进行利用的一种有效手段,目前传统聚类算法存在着大规模分布数据难以处理,海量数据处理时间较长,确定参数困难,聚类质量较差等缺陷。因此,提出一种分布式增量聚类流程DICP,利用广域网分布增量聚类方法,避免大量数据的传输拷贝,有效提升聚类运算效率。对于DICP流程中的时空数据聚类算法本身,研究了一种大数据环境下的IMSTDCA时空数据聚类算法,借助密度聚类的思想,通过时空数据的聚集趋势预分析、时空数据聚类算法,以及时空数据聚类结果评价3个步骤完成聚类分析,实现时空大数据的快速高效信息挖掘。     

时空数据模型及其在空间运动对象管理中的应用

当前时空数据模型多以描述空间实体的离散变化为主,在对空间运动对象分析的基础上,提出了支持空间对象连续运动的表示方法,该方法同时也能表示空间实体的离散变化,为建立连续运动空间对象的时空数据模型打下了基础。     

融合多源遥感数据的长株潭城市群碳排放时空差异分析

碳排放时空分布监测与评估是城市可持续发展的重点研究课题之一。面向长株潭城市群碳排放的时空分布和差异分析,本文基于NPP-VIIRS夜间灯光影像和不透水面数据,结合县级碳排放数据,构建长株潭城市群碳排放估算模型,并定量分析了长株潭城市群碳排放时空分布特征及变化趋势。结果表明:①不透水面、夜间灯光均值和总值数据能够反映长株潭城市群区域碳排放水平;②2013—2017年长株潭城市群碳排放具有聚集性,主要分布在长株潭城市群北部的中间区域,碳排放区域逐年扩大但强度减弱;③2013—2017年长株潭城市群碳排放变化趋势为中心区域呈现负增长,城市扩张的边缘区域承接了部分碳排放量。本文融合多源遥感数据对2013—2017年长株潭城市群县级碳排放进行估算与监测分析,揭示了长株潭城市群碳排放时空分布变化规律,可为该区域碳减排和区域可持续发展提供科学参考。     

基于特征的时空数据模型用于地籍变更的探讨

传统的基于专题地理分层的GIS数据模型在数据组织 ,数据共享及复杂的空间分析方面存在明显的不足 ,认为发展新一代的基于特征的时空模型成为必然。本文结合实践中地籍变更的特点 ,提出了基于特征变化状态的时空数据模型。该模型保持了地理现象的完整性 ,实现了时空专题信息的有机集成 ,有利于发展复杂的面向目标的定向分析。     

时空过程对象的LULC时空演变分析算法

地理时空变化是地理学研究的重要内容之一，如何用计算机技术来表达空间数据的时空变化独具前瞻性。从揭示LULC时空演变过程和挖掘时空演变规律出发，讨论了基于地类图斑的时空演变过程类型与判定方法，并构建了一种基于地类图斑的时空变化分析算法。通过对抚仙湖流域近40年来LULC时空演变分析，验证了算法的可靠性与有效性。表明该方法可用于地表覆盖等地理要素的时空变化过程分析，能较好地揭示地理要素及其属性在时间轴上的改变过程。