面向仿真事件的战场地理环境时空过程建模

已有的战场环境仿真模型缺乏作战实体与地理实体和地理现象之间相互影响及交互作用的语义表达,难以反映时空条件下地理环境实体的动态变化规律。提出了一种面向仿真事件的战场地理环境时空过程模型,实现时空过程语义的一体化描述以及结构化存储,从语义角度表达时空对象之间的相互作用和影响关系。该模型采用本体的方法集成描述仿真事件、环境实体及其行为过程的时空语义和属性语义,基于面向对象的方法构建具有层次结构的时空过程语义逻辑关系,按照数据模型的语义特征建立时空过程数据的组织与存储结构。基于该模型设计战场环境仿真平台组件并在仿真系统中应用,实验表明,与传统仿真模型相比,该模型能更好地记录和表达时空过程语义变化信息。     

基于Geodatabase的特征-版本时空数据组织方法

在全面分析基于特征的建模技术的基础上,利用Geodatabase面向对象技术和版本管理的双重支持,在基于特征的时空数据模型中引入版本化管理思想,探讨了一种基于Geodatabase的特征-版本时空数据模型构建方法。采用时态版本模式管理和存储抽象生成的独立特征对象,有效地消除了地理空间信息几何分层的弊端,并实现了时空数据的有效存储和多用户并发控制,为地理实体空间信息的历史重构、跟踪变化空间分析等提供一种新的思路。     

基于地理事件时变序列的时空数据模型研究与实现

首先分析比较了已有的时空数据模型的特点，针对其存在的不足，提出并讨论了一种基于地理事件时变序列的时空数据模型，阐述了该模型的时空语义概念和时空拓扑关系，并针对具体的实际应用，在现有成熟的GIS平台上进行扩展，验证了该数据模型的有效性。     

GOUM:一种基于UML的地理本体模型映射方法研究

针对地理本体模型构建过程中语义数据模型与逻辑数据模型难以实现映射这一关键问题,提出了一种新的映射方法—GOUM映射法。该方法将面向对象UML技术引入地理本体模型,通过分析地理本体模型与UML模型之间的映射关系,设计了一种GOUM映射规则,并用BNF范式对GOUM进行形式化定义,将地理本体中的概念、属性、语义关系等进行抽象、封装、继承,采用GOUM映射规则将其映射为UML模型,同时将产生式推理方法引入该映射中,实现了UML下的地理本体语义推理和共享。     

土地划拨中的时空数据模型研究

分析了当前应用在土地划拨中的时空数据模型,阐述了时间作为地理实体的基本特征及GIS中地理时间的模拟方法,并从存储管理和时空语义表现的角度给出了时空数据模型的基本设计思想。     

基于双效机制的时空数据模型研究

地理特征对象是时空数据组织的基本单元,而事件是导致时空数据发生变化的根本原因。在分析、借鉴前人的时空数据管理方法的基础上,通过分析事件驱动的特征对象数据存储与管理机制,提出了一种基于特征和事件双效机制的TG IS时空数据模型。同时结合土地利用的时空数据特点,设计了基于该模型的时空数据的快速索引机制和时空数据库。实际运行表明基于该模型的TG IS系统设计方案能高效、快速、全面地实现时空数据的存储、管理和分析。     

基于主题模型的地理环境时空数据隐含语义理解

文本是战场信息的重要数据模态,从中挖掘地理环境时空语义信息是机器理解战场环境的重要方法,有助于扩展战场环境的空间认知与理解.本文设计一种基于主题模型,反映地理时空因素与事件主题之间语义关系的计算方法,通过信息抽取,挖掘主题要素相关信息,形成不同主题分类及其对应的特征词汇分布;将事件主题与地理时空语义特征建立联合分布模型,自动发现时间、空间与事件主题之间的相关性,从而生成地理时空隐含的语义主题.通过试验验证并结合应用实践,得到如下结论:利用事件主题与位置信息的关联,并应用空间分析方法探寻不同主题的时空分布规律,可为新事件的位置预测及趋利避害对策制定提供基础,从而拓展传统的地理事件主题分析.     

基于过程的面向对象时空数据模型数据组织方法

本文在分析现有时空数据模型和面向对象方法的基础上,提出了基于过程的面向对象时空数据模型,该模型从时空语义建模的角度反映空间对象的演变过程,以及在这个过程中产生的事件因果联系,并且通过过程语义和面向对象思想两者的结合解决了时空动态数据的组织、存储和查询问题。     

实时GIS时空数据模型

为满足动态目标与传感器等实时观测数据获取、存储、管理、分析与可视化的要求,需要发展一种新型地理信息系统—实时GIS。本文根据实时GIS中各种地理要素的特点以及存贮管理要求,提出了一种面向动态地理对象与动态过程模拟的实时GIS时空数据模型,它将时空过程、地理对象、事件、事件类型、状态、观测等相关要素整合在一个时空数据模型中。基于该模型研发了新一代实时GIS,并以四种动态地理对象（包括移动对象、原位传感器对象、视频对象和过程模拟对象）的时空数据的实时接入、存储与可视化为例,验证的模型的可行性。     

面向地理信息大数据的时空事件关系可视化分析框架

不同类型的地理信息大数据蕴含了丰富的时空关系，反映个体或者群体时空事件之间的变化模式，在资源、环境、交通等领域的智慧应用中起到关键性作用。然而，地理信息大数据拥有的多尺度和多语义特性，在挖掘地理信息大数据的时空关系时会存在许多困难。如何有效地构建多尺度多语义时空关系，并直观地表达这些时空关系是一个重大挑战。本文设计了一种时空事件关系可视化分析框架，通过定义事件间时空关系的描述，设计了一种多视图协同的可视化分析方法，结合时空关系的可视化协同交互，实现地理信息大数据时空事件可视分析。基于时空轨迹数据，通过试验说明该方法可以探寻时空事件及背景间的时空关系，实现时空事件的交互可视分析。     

面向过程的建设用地全程监管时空数据组织模型

本文针对建设用地全程监管多环节、多数据及关系复杂等特点,基于全程监管业务过程和业务需求,提出了面向过程的建设用地全程监管时空数据组织管理模型,探讨了模型组织与存储方式以及回溯与重建操作的实现方法。该模型实现了对建设用地全程监管时空数据语义的一体化组织和表达,可以通过增加辅助表的方式在关系型数据中实现,并能够简单高效的支持用地地块和用地项目的回溯与重建操作,提高建设用地全程监管的效率。     

Representing Complex Geographic Phenomena in GIS

Conventionally, spatial data models have been designed according to object- or field-based conceptualizations of reality. Conceptualization of complex geographic phenomena that have both object- and field-like properties, such as wildfire and precipitation, has not yet been incorporated into GIS data models. To this end, a new conceptual framework is proposed in this research for organizing data about such complex geographic phenomena in a GIS as a hierarchy of events, processes, and states. In this framework, discrete objects are used to show how events and processes progress in space and time, and fields are used to model how states of geographic themes vary in a space-time frame. Precipitation is used to demonstrate the construction and application of the proposed framework with digital precipitation data from April 15 to May 22, 1998, for the state of Oklahoma, U.S.A. With the proposed framework, two sets of algorithms have been developed. One set automatically assembles precipitation events and processes from the data and stores the precipitation data in the hierarchy of events, processes, and states, so that attributes about events, processes, and states are readily available for information query. The other set of algorithms computes information about the spatio-temporal behavior and interaction of events and processes. The proposed approach greatly enhances support for complex spatio-temporal queries on the behavior and relationships of events and processes.     

GIS语义共享的实质及其实现途径

GIS技术下的地理信息共享表现为 GIS数据共享 ,在研究 GIS数据共享时 ,是以最终实现地理信息共享为目的的。为达到这一目的 ,首先必须解决数据本身的共享问题 ,再次要解决数据所表达的语义的共享问题 ,其中包括从数据中读取语义的过程 ,即语义翻译 ,以及所读取的语义与应用目的之间的融合过程 (主要是要解决语义冲突问题 ) ,即语义融合。为了实现 GIS语义共享 ,除要采用一定的技术实现数据本身的共享外 ,还必须选择合适的空间概念及其逻辑表达方法实现语义的共享 ,本文提出采用基于地理要素的空间概念并采用 GIS语义数据模型加以描述可以实现 GIS的语义共享。     

Modeling Dynamic Polygon Objects in Space and Time: A New Graph-based Technique

The analysis of dynamic spatial systems requires an explicit spatio-temporal data model and spatio-temporal analysis tools. Event-based models have been developed to analyze discrete change in continuous and feature-based spatial data. In this paper, a spatio-temporal graph model is described that supports the analysis of continuous change in feature-based polygon spatial data. The spatio-temporal graph edges, called temporal links, track changes in polygon topology through space and time. The model also introduces the concept of a spatial-interaction region that extends a model's focus beyond short-term local events to encompass long-term regional events. The structure of the spatio-temporal graph is used to classify these events into five types of local polygon events and two types of spatial-interaction region events. To illustrate its utility, the model is applied to the ecological question of how patch size influences longevity in underwater plant communities in Chesapeake Bay, USA. Both a short-term local analysis and a longer-term regional analysis showed that patches of plants, or groups of patches, larger than one to two hectares in size were more likely to persist than smaller patches or groups of patches. Overall, the spatio-temporal graph model approach appears applicable to a variety of spatio-temporal questions.     

对等网络下自适应层级的矢量数据时空索引构建方法

时空索引是时空数据存储和管理的关键技术之一,基于空间填充曲线(space filling curve,SFC)的索引方法近年来受到了广泛关注。然而对于矢量数据,现有索引方法多侧重于空间索引的实现,难以同时顾及时间查询和空间查询的效率,且对于非点要素(线要素与面要素),确定最优的索引级别一直是难点所在。为此,本文面向对等网络环境,提出一种自适应层级的时空索引构建方法。首先提出了基于分区键和分区内排序键组合策略的时空信息联合编码,然后据此设计了点要素、非点要素的时空表达结构,最后设计了多层级树结构以构建时空索引MLS3(multi-level sphere 3),并基于地理实体时间粒度及空间密度等特征自适应确定其最优索引层级。利用轨迹(点要素)、公路(线要素)和建筑物(面要素)实际数据进行了试验。试验结果表明,相比GeoMesa提出的XZ3时空索引,本文索引方法可有效解决非点要素的时空表达及层级划分问题,在避免存储热点的同时实现更为高效的时空检索。     

多尺度空间数据索引方法研究

以多尺度空间数据为研究对象,讨论其混合索引结构的建立方法。对于多尺度矢量空间数据提出基于多层次网格与R 树混合索引结构,栅格数据进行分块并建立四叉树索引结构。利用双向链表结构连接同尺度下的矢栅空间数据,实现矢栅之间的无缝转化;并用地理数据编码及双向链表结构连接不同尺度下的同一空间对象,实现多尺度空间对象的纵向无缝连接。进而实现多尺度空间数据的快速可视化及空间对象的纵向无缝查询。     

基于事件的疫情应急时空数据模型

针对疫情应急系统在时空数据逻辑性方面的高要求及已有时空数据模型在该方面的不足,本文以事件产生为触发、事件发展为驱动,进行面向对象的时空数据建模研究:建立了城市疫情应急相关时空数据的概念模型、静态结构模型和时态行为模型;并设计Geodatabase实例和组件模型,实现对时空数据模型的面向对象的组织、管理和操作。通过在眉山市疫情监测应急系统中的成功应用表明,基于事件对多关联复杂空间对象群进行的联动操作,实现了时空数据的逻辑耦合。     

Analyzing Cognitive Conceptualizations Using Interactive Visual Environments

The conceptualization of spatio-temporal information is an interdisciplinary research area. The focus of this article is on human conceptualizations of spatio-temporal geographic phenomena (also referred to as events). Identifying and understanding human conceptualizations is a crucial component in defining the semantics of spatio-temporal information. However, most research focuses primarily on how humans imbue dynamic phenomena with meaning on a general level. In contrast, this article is concerned with contextual factors (specifically: individual differences) that are too often neglected in general theories and in the analysis of behavioral data. In other words, we are interested in individual or group strategies of participants that are not detected by classical analysis methods. Research on individual difference is gaining widespread attention in cognitive and spatial sciences and it is time to consider individual differences in the area of conceptualizing spatio-temporal information. To understand individual differences in behavioral data on how people conceptualize events, we have developed illustrative software and have combined them with established similarity measures. We demonstrate the feasibility of our approach, its usefulness in analyzing behavioral data, and results that can be obtained through this individualized analysis by reanalyzing four sets of experimental data we previously collected.