基于时间语义的地籍管理信息系统数据组织与实现

地籍管理信息系统属于GIS范畴,具有很强的时态特性,如何高效地组织时空数据是系统成败的关键。本文在分析地籍管理信息系统必要性以及时间概念及其具体含义的基础上,引入时间语义,提出基于时间语义的数据模型。根据语义对地籍管理信息系统的时空数据组织方法进行了研究。并根据地籍管理对模型的要求,分别从时间点、时间段角度对历史信息进行查询和回溯,验证了模型的可行性。     

四维地籍的建立与分析

分析了四维地籍的概念与需求,提出了时空宗地的概念,探讨了时空宗地的演化过程,给出了土地的恒等、类型、收缩与扩展4种权益变换和产生、消亡、边界调整、划入、划出与复合分并6种空间演化。基于4种空间拓扑关系与13种时间拓扑关系,建立了时空宗地的时空拓扑关系。在此基础上,结合地籍相关理论与技术发展,构建了四维地籍概念模型,并依据实现策略不同,提出了标签式、混合式与完全式3种解决方案。     

面向对象的地籍时空过程表达与数据更新模型研究

对地籍时空数据库持续更新,保持地籍时空数据库的现势性、拓扑一致性和完整性是现代地籍管理的生命所在.通过分析地籍对象变更过程中各类要素的联动变更行为,结合面向对象建模技术与时空演变过程表达思想,建立契合人们思维的以过程为核心的地籍时空数据更新模型.模型制定符合地籍对象时空拓扑演变规律的变更规则,实现地籍要素、土地利用要素和房屋的联动更新,并在地籍管理系统REGIS中得到实现.     

动态地籍信息系统中时态地籍数据库的研究

对在现有空间数据库的基础上引入时态信息进行了探讨，提出一种适合动态地籍信息系统的时空数据模型。     

城镇地籍数据库建设及发展趋向

在全国第二次土地调查工作的背景下,以城镇以籍数据库的建设实践为基础,阐述地籍数据库建库的一般方法、步骤,并对软件选取、地籍数据组织、质量控制等关键问题进行探讨,在此基础上对城镇地籍数据库的发展趋向进行浅述.     

时态GIS及其应用

介绍时态GIS在国内外的研究概况,在此基础上介绍时态GIS的核心——时空数据模型,给出了时态GIS在地籍管理中的应用实例。并对时态GIS研究作出了一些展望。     

动态基态修正的地籍时空数据库设计

针对地籍数据的时态特性及变更特点,提出了一种基于基态修正的地籍时空数据模型的改进方法,通过引入动态变粒度方法减少了数据存储量,降低了数据的冗余。基于该模型在建库过程中引入了基态库和差文件库,并利用动态属性数据对现势库和历史库中的宗地属性数据进行地籍管理;通过建立变更库确定父子宗地,加强现势库与历史库的时态关联,提高了数...     

基于地籍数据库更新的历史数据的组织和查询方法研究

地籍数据库更新过程中必须考虑如何保存和组织历史地籍数据,以便于对历史地籍数据的查询与应用。本文提出一种新的地籍数据库更新系统模型,据此设计了现势库和历史库相应的数据结构;同时根据时空拓扑关系分析,本文扩展对历史地籍数据的查询类型。     

地籍信息系统的时空数据组织

本应用时态ＧＩＳ的有关理论和方法,探讨了地籍信息系统的时空关系,提出在空间数据结构的基础上,增加对应的时间边界的时空数据组织方法,应用表明该方法简便而有效。     

利用MongoDB的地籍时空数据库研究

采用MongoDB对地籍时空数据库进行设计和建设,较好地适应了地籍数据特点,实现对地籍时空数据的有效管理。     

时空数据的组织与应用研究

时空数据是智慧城市各个领域实现智能化的关键性支撑技术,智慧城市的建设离不开时空数据。本文以智能应用为导向,提出了时空数据的组织模型,构建了智慧城市时空大数据计算、分析、服务框架,实现了时空数据全生命周期的高效管理与智能应用。     

时空数据模型的研究

分析了现有的时空数据模型,包括时间——空间立方体模型、序列快照模型、基态修正模型、时空复合模型、基于事件的时空模型、面向对象的时空模型和图谱模型等,对各种模型进行了比较和深入探讨。     

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。     

时空一体化GIS-T数据模型与应用方法

在介绍与交通地理信息系统(GIS for transportation,GIS-T)相关的概念的基础上,归纳了GIS-T数据模型的发展和已经取得的主要成果,重点讨论了时空一体化GIS-T数据模型的基本框架。该模型着重解决了动态交通信息与道路网几何数据的一体化时空建模问题,并且进一步分析了GIS-T的基本技术方法,探讨了GIS-T的若干典型应用,并对该方向今后的研究进行了分析和展望。     

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。     

海洋GIS时空数据模型与应用

本文主要对已有的时空数据模型、海洋时空数据模型研究进展进行了评述,指出了各种模型的优点以及存在的问题;在此基础上,着重阐述了ArcGIS海洋数据模型中针对海洋要素产品时空数据的组织方法,并通过建立多维时空索引的方式对其进行改进,并运用到了"数字海洋"原型系统项目中。在一定程度上实现了"数字海洋"原型系统中海洋要素产品时空数据的组织与存储和可视化表达,取得了良好的效果。     

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。     

分布式增量机制下的交通流大数据聚类分析

时空聚类分析是对时空大数据进行利用的一种有效手段。本文提出了一种分布式增量大数据聚类分析方法,利用分布增量机制不但可以减少重复计算和迁移拷贝次数,而且可以持续对聚类结果进行修正,能够在保持聚类准确性的条件下提升整体运算效率。而聚类算法本身通过数据聚集趋势预分析、聚类算法和结果评价3个步骤,构建了一体化时空邻域,在时间和空间维度保证了聚类结果的准确性。经过试验证明该方法可以实现时空大数据的快速高效信息挖掘。     

时空数据挖掘综述

本文系统阐述了数据挖掘、空间数据挖掘、时空数据挖掘的发展历程,接着介绍了数据挖掘的相关概念,给出空间数据挖掘和传统知识发现的异同;然后对空间数据挖掘的基本方法与技术进行综述,在总结当前研究成果的基础上,阐述了空间、时空数据挖掘面临的难题;最后探讨了时空数据挖掘的发展方向和研究热点。     

GIS中的时空数据模型研究

状态与事件是时态地理信息系统(TemporalGIS ,TGIS)的一对基本概念,目前时空数据模型研究侧重于将两个概念相分离,表现为基于状态模型和基于事件模型,无法兼顾两种模型的优点。本文提出了基于状态-事件的时空数据模型,并系统阐述各时空数据模型之间的相互转换条件。