一种改进的GPS区域叠加滤波算法

GPS时间序列的空间滤波可以提高观测数据的信噪比，有利于获取更高精度的地壳形变信息。区域叠加滤波算法的空间滤波结果随着测站数和空间尺度不同而不同，不利于研究GPS时间序列中的形变信息。为了削弱区域叠加滤波受空间尺度的影响，提出一种不以空间尺度作为约束条件，同时引入相关系数和距离因子的区域叠加滤波算法。采用2010—2017年中国区域260个GPS连续观测站的时间序列展开空间滤波方法的研究，计算结果表明，对比相关性区域叠加滤波算法，考虑GPS时间序列之间的相关系数和距离因子更有利于提取GPS时间序列中的共模误差，且受空间尺度的影响较小。对比3种不同距离因子的区域叠加滤波算法，可知引入距离反比的空间滤波算法可实现更优的空间滤波。采用该方法空间滤波后可使GPS时间序列残差降低30%~40%，GPS速度场精度提高30%~40%。此算法实现了更优的GPS形变场估计，为研究中国区域的地壳运动和其动力学机制提供了可靠的数据基础。     

基于开销代价的网络地理信息服务负载均衡算法研究

基于单位时间开销代价矢量，提出同时考虑地形数据请求在服务器队列中的等待时间与服务器对请求的处理时间的最小总代价分布式算法#算法计算转发请求给每台服务器的概率空间，并根据地形数据请求到达时临时生成的随机数在概率空间中的落点确定转发请求的目标服务器。通过配置单位时间开销代价矢量!可以灵活地维护与升级集群服务器，具有良好的可扩展性。仿真结果表明最小总代价算法能在大规模$高强度的地形漫游中均衡地分发请求!使集群服务器充分发挥其优势从而获得最小的漫游响应时间。仿真结果还表明在低强度地形漫游时，各种负载均衡算法表现大致相同；在高强度地形漫游时!设计负载均衡算法最好考虑服务器端队列的排队情况。     

基于空间实体约束的空间聚类算法研究

空间实体的存在对空间聚类分析产生重要的影响,传统的空间聚类分析中没有考虑空间实体的约束作用,从而影响了聚类结果。本文在总结了以往的空间聚类算法的基础上,提出了一种改进的基于空间邻接关系的空间聚类算法,该算法将空间邻接关系和空间实体作为约束条件嵌入到整个聚类过程中,使得数据对象的归类受到"就近原则"和"约束条件"的双重限制。     

基于Douglas-Peucker的面状矢量数据压缩算法

Douglas-Peucker算法通常用于线状矢量数据压缩,但是该算法未考虑空间对象之间的拓扑关系。矢量数据中面状地物由多条线闭合组成,使用该算法进行面状数据压缩时容易造成公共边出现"裂缝"或者自相交等状况,使得压缩后数据失真。针对该问题,本文提出一种考虑空间对象拓扑关系的面状矢量数据Douglas-Peucker压缩算法,即先对多边形进行分段处理,提取出公共边和非公共边,结合边的拓扑关系,再利用Douglas-Peucker算法进行数据压缩。实验表明,该方法能较好地保留面状数据的图形特征,保留了拓扑关系,解决了公共边压缩后出现的问题。     

利用优化的DenStream算法进行空间数据流聚类

为了有效解决DenStream算法在空间数据流聚类应用中存在的密度空间分布不均的问题,本文提出使用相对密度比代替密度作为聚类参数,通过考虑微簇周围密度环境,降低密度分布不均对聚类的影响。同时,使用空间格网索引,方便查找周围的微簇与数据点,进而提高算法效率。最后,通过使用真实数据对优化前后的算法进行对比,验证了优化后的算法在继承DenStream算法优点的基础上,有效地避免了密度空间分布不均的问题。     

顾及空间自相关的统计数据分级质量评价

详细分析了统计地图数据分级质量的评价指标，研究了数据分级中应当考虑的数据空间分布规律，并用实例证明了分级数与空间自相关系数之间的变化规律。     

基于邻接指数的空间关联规则挖掘方法研究

在空间关联规则挖掘中一般是采用遍历算法进行,导致对海量数据计算效率的降低。目前,空间数据挖掘模型多采用空间邻接矩阵来表达空间关联权重,大多情况下没有考虑邻接关系的实际量化的结果。文中在分析了空间实体分布的各种相邻关系基础上,采用邻接指数的方式来测算空间相关程度,并在此基础上采用改进的Apriori算法,通过自编程序加以实现。以北京市昌平区土地利用类型的空间分布关系为样例数据进行了试算。结果表明,计算效率有较大提高,并挖掘出一些潜在的土地利用类型间的共生关系。     

基于点序列和要素加权法的地图匹配算法

浮动车数据(Floating Car Data,FCD)已广泛应用于城市规划、智能交通系统中,其中地图匹配一直以来都是浮动车数据应用的技术难点。本文在已有地图匹配算法的基础上,提出了基于点序列和要素加权法的地图匹配模型,不仅考虑了当前GPS点的信息,同时也考虑了GPS数据的历史信息和道路网的拓扑结构,从空间关系上分析车辆行驶轨迹和道路的相似性。作者通过上海市出租车轨迹数据对算法进行验证,结果表明:该匹配模型解决了已有地图匹配算法的一些弊端,并且提高了地图匹配的精度,具有高效、实用的特点。     

顾及尺度变化和数据更新的道路网匹配算法

道路网数据匹配是地理空间数据库进行变化探测和数据更新的重要前提,不同比例尺下的道路网之间的匹配是一个非常重要的部分。本文总结和分析了道路网匹配的已有算法,针对不同比例尺道路网之间的匹配可能存在的问题和难点,设计了一个融合多种匹配技术的算法。在考虑不同比例尺下道路网数据的特点基础上,改进了空间场景结构的评价方法;分析了stroke匹配算法在不同比例尺道路网数据下的局限性,提出了一种可针对不同比例尺下道路数据存在变化与更新的stroke部分匹配算法。试验表明,文中所提出的方法能够适应不同比例尺下道路网的匹配,匹配效果较好,运行效率较高。     

顾及几何与场景结构相似度的管线数据多步骤匹配算法

针对城市管线数据重复探测，综合管线数据生产成本高的问题，该文提出一种几何相似度与空间场景结构相似度相结合的管线数据多步骤匹配算法。以路划(stroke)作为匹配单元，使用长度、角度和空间距离指标通过分配不同的权重和阈值来计算几何相似度，将几何特征与邻域空间的空间拓扑关系相结合计算空间场景结构相似度。设计基于弧段分解的stroke部分匹配算法最大限度地保留了原有的两组地下管线数据。设计基于顶点分解的stroke部分匹配算法可以解决单线间局部匹配中的问题(如生长、缩短、拓扑变化等)。实验结果表明，该文所提算法具有较高的匹配精度、召回率和运行效率，研究结果可以有效降低综合管线数据的生产成本，提高专业管线数据质量。     

一种面向并行空间数据库的数据划分算法研究

面向基于对象关系型数据库而构建的并行空间数据库系统，提出了一种基于Hilbert空间填充曲线的适合于矢量空间数据的数据划分算法。在充分考虑空间信息的海量特征以及矢量数据存储记录的不定长等特点的前提下，该算法可实现并行空间数据库中海量空间数据记录在多个存储设备上的均衡划分，以避免出现数据倾斜现象，从而提高了空间数据的检索与查询效率。     

基于MapReduce的空间数据并行划分算法

针对海量空间数据分布式存储中存在的不顾及空间邻近性、分布不均和数据倾斜的问题,基于MapReduce并行编程模型,对Hilbert空间曲线层次分解的思想和节点容量感知的方法进行了研究,提出了一种层次分解的空间数据并行划分策略,并通过临界值判定实现空间数据的均衡存储。最后通过实例分析说明该方法可以在保证空间数据邻近特性的同时,解决海量空间数据分布式存储不均和数据倾斜的问题。     

论空间数据处理与空间数据挖掘

根据现行文献中反复提到的空间数据处理内涵的理解．将空间数据处理分为空间数据处理技术和空间数据处理理论，简要论述了各自的主要内容．讨论了空间数据挖掘的现状和今后研究的重点，比较了空间数据处理与空间数据挖掘的异同。     

基于Voronoi图的空间关联规则挖掘方法研究

提出了利用Voronoi图作为辅助工具实现连续空间离散化的方法,并给出了基于Voronoi图构建空间事务数据库(spatial transaction database,STD)的算法。在此基础上,采用经典的Apriori算法来例证如何从STD中挖掘空间关联规则。实际算例验证了本文方法的可行性和有效性。     

一种分布式计算的空间离群点挖掘算法

针对现有空间离群点挖掘算法无法适应大规模空间数据挖掘的需求,该文提出了一种分布式条件下的空间离群点挖掘算法。首先,该文针对集群上分布式计算和存储的特点提出使用空间填充曲线来划分数据集,加速寻找目标点的近似空间最近邻居。其次,使用信息熵的理论来定义空间离群系数,考虑到多维数据中不同属性对离群系数的影响具有差异性,该算法能够自动根据数据原有特点,计算各属性的权重;同时使用反距离权定义空间因素对离群系数的影响。最后,实验结果表明该算法在大规模的空间数据集中挖掘离群点的效率远高于传统算法,离群点的挖掘精度在90%以上。     

多边形间空间关系查询的异构多核架构并行算法

目前在空间关系查询中常用的Plane Sweep算法是一种串行算法,在处理海量空间数据时效率较低,而已有的并行计算方法对于普通的计算机并不适用。本文针对这个问题,提出了一种多边形间空间关系查询的异构多核架构并行算法,该算法先利用STR树索引过滤掉不相交的多边形,然后将过滤后的多边形数据集合分解为点集合和边集合,并对其构建四叉树索引;在保证数据浮点运算精度符合要求的情况下,利用GPU强大的批量运算能力快速处理边与边的相交情况并据此逐步计算得到环间的拓扑关系,再根据环间拓扑关系计算得到多边形间的维度扩展九交模型(DE-9IM)参数值;根据DE-9IM参数值与空间关系查询条件相比对,输出查询结果。最后通过试验验证了算法的准确性与高效性。     

面向对象的空间数据模型设计方法

空间数据模型是GIS实现空间数据组织、表达、分析、处理和应用的基础。从面向对象的角度提出了面向对象空间数据模型（OOSDM）的相关定义、对象构建过程、空间数据组织和管理模式,并以城市道路交通信息为例,设计了道路交通信息的对象组织方法和构建过程。模型设计方法的研究为空间数据库的建设和数据共建共享提供了新的方法和思路。     

A Spatial Entropy-Based Decision Tree for Classification of Geographical Information

A decision tree is a classification algorithm that automatically derives a hierarchy of partition rules with respect to a target attribute of a large dataset. However, spatial autocorrelation makes conventional decision trees underperform for geographical datasets as the spatial distribution is not taken into account. The research presented in this paper introduces the concept of a spatial decision tree based on a spatial diversity coefficient that measures the spatial entropy of a geo‐referenced dataset. The principle of this solution is to take into account the spatial autocorrelation phenomena in the classification process, within a notion of spatial entropy that extends the conventional notion of entropy. Such a spatial entropy‐based decision tree integrates the spatial autocorrelation component and generates a classification process adapted to geographical data. A case study oriented to the classification of an agriculture dataset in China illustrates the potential of the proposed approach.     

空间信息网格中远程空间连接查询的优化

随着空间信息网格的建设,网格平台上管理的空间信息资源越来越丰富,这促进了空间信息网格中空间数据分布式查询的应用需求,而在分布式空间查询中,空间连接查询操作往往成为性能的瓶颈.根据空间信息的特点,通过利用网格计算资源来优化空间连接查询的执行.首先基于网格服务构建网格平台分布式空间数据查询软件结构,通过设计远程空间连接执行服务利用网格平台中的计算资源;根据空间信息的特点.采用基于Kd-Tree空间分区并行连接的方法提高远程空间数据连接操作执行效率,并给出了远程空间连接执行的查询代价模型;然后根据连接代价模型设计了远程空间连接查询执行计划优化生成算法;最后总结了本文工作并探讨了下一步研究方向.     

一种基于局部分布的空间聚类算法

设计了一种度量邻近域内空间实体局部分布的新指标——中值角度,在此基础上,提出了一种基于空间实体局部分布的空间聚类算法。该方法递归搜索空间实体集中所有局部分布度量值相近且非离群的点,并将其聚为一类。通过模拟数据和实际数据进行实验发现,所提出的算法比DBSCAN算法的聚类结果更合理,具有很好的抗噪性,能发现任意形状的聚类。