基于HR-树扩展的时空索引机制研究

在HR-树基础上分别融入了HR^＋ -树、SEST时空索引与快照-增量索引结构思想，对共享指针与非共享指针进行了区分，增加了增量与事件的索引数据结构。提出了基于HR-树扩展的时空索引模型，为实现高效、统一的时空查询提供了理论依据。     

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。     

网络中移动对象的二维时空索引

基于2DSTMON(2-Dimensional spatio-temporal indexfor moving objects in network)二维时空数据模型,提出了一种新的二维网络中移动对象的时空索引2DSTI及其时空查询算法。这种二维时空索引机制简单且易于实现,支持当前轨迹数据和历史轨迹数据的大量时空查询操作。在此基础上,通过实验实现并验证了二维时空索引机制及其时空查询算法。     

地理空间数据增量更新版本化管理方法研究

在分析现有更新模式和机制的基础上,提出一种面向增量更新的地理空间数据版本化管理方法,设计了5年区间-年度区间-状态版本的多级时态地理空间数据组织管理模式,以基态修正后的初始版本地理空间数据库为基础进行动态增量更新数据组织管理,以多时态索引叠加空间几何索引、属性语义索引构成复合时空索引进行多时态空间数据快速查询检索.实践表明,该方法实现了多时态地理空间数据的高效组织管理和快速查询检索效率.     

地理空间索引技术研究

研究和探讨了对GIS地理数据查询产生效率影响的几种地理空间索引方法,并在此基础上提出了一种适合主存索引的基于对象分割的B+树空间索引方法.     

GML数据整体索引方法研究

根据GML语义空间查询的需要,本文在分析GML索引相关技术的基础上,提出以GML地理要素为基本索引单元、联合地理要素扩展区域编码与空间几何属性构成语义空间闭包,基于传统的空间索引技术构建GML数据整体索引的方法。并通过实验对比了GML整体索引与单独索引在语义空间查询中的效率。实验证明,本文提出的整体索引方法优于单独索引,具有较好的实用价值。     

一种集成R树、哈希表和B*树的高效轨迹数据索引方法

为兼顾时空索引方法的空间利用率、时间效率和查询种类,提出了一种新的轨迹数据索引方法——HBSTR树。其基本思想是:轨迹采样点以轨迹节点的形式成组集中管理,哈希表用于维护移动目标的最新轨迹节点,轨迹节点满后作为叶节点插入时空R树,另外采用B*树对轨迹节点构建一维索引,既有利于提升索引创建效率,又同时满足时空条件搜索和特定目标轨迹搜索等多种查询类型。为提升时空查询效率,提出了新的时空R树评价指标和节点选择子算法改进时空R树插入算法,同时提出了一种时空R树的数据库存储方案。试验结果表明,HBSTR树在创建效率、查询效率和支持查询类型等方面综合性能优于现有方法,支持大规模实时轨迹数据库的动态更新和高效访问。     

面向动态关联数据的高效稀疏图索引方法

为了高效组织管理日益增加的智能感知和关联关系数据,满足多层次任务对多模态场景数据多维特征计算和关联挖掘的需求,针对现有树结构外存索引方法存在的磁盘I/O密集、处理效率低、对关联关系支持弱的瓶颈问题,提出了一种时空关系稀疏图索引方法。设计了一种基于内存图模型的时空索引结构,将多模态场景数据抽象为图的节点和边,支持时间、空间以及关联关系的高效组织,并基于稀疏矩阵进行时空关系图索引的内存表达和存储;以多维树索引为例进行了索引构建以及多模式查询试验。试验结果表明,本文方法在索引生成、时空查询和复杂时空关系查询效率等方面均优于对比方法,支持动态关联的多模态场景数据实时高性能处理和低延迟访问。     

基于分层子网的时空索引机制

目前,已有的时空索引机制主要考虑时空对象,缺乏对显式表达的时空关系的索引,不便于因果关系查询,降低了图论时空模型的实用性.这里扩展了图的数学概念,提出了时空图的分割策略,构建了基于分层子网的时空索引机制,实现了时空对象与时空关系索引的一体化,增强了基于图论的时空数据库的灵活性,有利于因果关系的查询.     

地理空间索引技术研究

研究和探讨了对GIS地理数据查询产生效率影响的几种地理空间索引方法 ,并在此基础上提出了一种适合主存索引的基于对象分割的B+ 树空间索引方法。     

基于分层子网的时空索引机制

目前,已有的时空索引机制主要考虑时空对象,缺乏对显式表达的时空关系的索引,不便于因果关系查询,降低了图论时空模型的实用性。这里扩展了图的数学概念,提出了时空图的分割策略,构建了基于分层子网的时空索引机制,实现了时空对象与时空关系索引的一体化,增强了基于图论的时空数据库的灵活性,有利于因果关系的查询。     

并行R树空间索引中叶节点大小的确定方法研究

并行R树空间索引结构中叶节点的大小是影响索引效率的主要因素,其确定方法是并行R树索引结构性能优劣的关键。本文讨论并设计了一种多层并行R树空间索引结构,文中以系统的查询响应时间作为性能评估指标,给出了并行R树叶节点大小的确定方法,并通过实验验证了该方法的有效性和适用性,同时也论证了本文所设计的多层并行R树索引结构是合理的和高效的。     

一种基于动态格网模型的新型空间目标捕捉算法的设计与实现

空间数据捕捉是地图制图、空间数据编辑中的一个重要的功能。快捷、高效的空间数据捕捉算法可极大地提升空间数据编辑的效率,减少时间成本。目前常用的空间查询捕捉算法往往算法复杂,I/O操作频繁,增加了计算资源的消耗,降低了运行效率。针对这些缺点,本文提出了一种新型的空间目标动态捕捉算法。该算法建立一种自适应性和动态性的格网索引机制,该机制基于区域变化提取新格网,用新格网对原有数据和新数据进行提取,并把提取结果反映到新的四叉树格网索引中,实现索引数据动态更新。通过实验对比,我们发现该算法在缩短捕捉时间、提高矢量点线面捕捉精度方面非常有效,且捕捉稳定性较高,极大地提高了外业采集人员和数据处理人员的工作效率。     

GML空间数据查询与索引机制研究

由于传统GIS数据模型的差异，导致空间数据难以集成与共享。各GIS软件厂商及第三方软件厂商提出了利用空间数据转换的解决方案，但是它还是不能很好地解决空间数据集成与共享存在的问题。地理标记语言GML的出现，为GIS空间数据建模、集成与共享提供了统一的标准与框架。GML已经成为事实上的空间数据编码、传输、存储和发布的国际标准，大量GML格式的空间数据开始涌现。如何有效地存储管理GML空间数据，已经成为GIS研究的热点问题。本文结合XML数据库技术和传统的空间数据库技术，对GML空间数据的查询、索引进行了深入的研究。以XML标准查询语言XQuery为基础，提出了XQuery空间扩展的内容，开发了GML空间数据查询语言，实现了GML空间数据的本原查询；结合XML文档编码和传统的空间数据索引，提出了基于空间索引的GML一体化索引机制，并以R树索引为例，对一体化索引的查询处理性能进行了实验分析。实验结果表明，本文提出的基于空间索引的GML一体化索引机制是可行的、高效的。     

A parallel approach for improving Geo-SPARQL query performance

Geospatial Semantic Web promises better retrieval geospatial information for Digital Earth systems by explicitly representing the semantics of data through ontologies. It also promotes sharing and reuse of geospatial data by encoding it in Semantic Web languages, such as RDF, to form geospatial knowledge base. For many applications, rapid retrieval of spatial data from the knowledge base is critical. However, spatial data retrieval using the standard Semantic Web query language – Geo-SPARQL – can be very inefficient because the data in the knowledge base are no longer indexed to support efficient spatial queries. While recent research has been devoted to improving query performance on general knowledge base, it is still challenging to support efficient query of the spatial data with complex topological relationships. This research introduces a query strategy to improve the query performance of geospatial knowledge base by creating spatial indexing on-the-fly to prune the search space for spatial queries and by parallelizing the spatial join computations within the queries. We focus on improving the performance of Geo-SPARQL queries on knowledge bases encoded in RDF. Our initial experiments show that the proposed strategy can greatly reduce the runtime costs of Geo-SPARQL query through on-the-fly spatial indexing and parallel execution.     

Assessing Similarity of Geographic Processes and Events

The increased availability of spatiotemporal data collected from satellite imagery and other remote sensors provides opportunities for enhanced analysis of geographic phenomena. Much of the new data includes regular snapshots of the environment. Comparison of these snapshots can provide information about changes to the phenomena of interest. However, conventional GIS data models and analytical tools lack capabilities to adequately handle massive multidimensional data. One of the fundamental tools necessary to meet such challenges is query support to retrieve and summarize data according to dynamic geographic phenomena, such as geographic events and processes, of interest. Such query support depends upon abilities to assess spatiotemporal similarity so that data representing geographic events that exhibit the spatiotemporal characteristics of interest can be identified in a GIS database. To this end, this paper introduces a method to assess similarity of geographic events and processes (such as storms) based on their spatiotemporal characteristics (such as distribution of precipitation). We developed six indices to capture static and dynamic characteristics of geographic events and applied the Dynamic Time Warping method to temporal sequences of the six indices to examine the similarity among these events. With a case study, we demonstrated the proposed indices and method capable of comparing spatiotemporal characteristics of events as recorded in a GIS database and categorizing spatiotemporal data into groups of events according to their behavior in space and time.     

A hierarchical indexing strategy for optimizing Apache Spark with HDFS to efficiently query big geospatial raster data

ABSTRACT

Earth observations and model simulations are generating big multidimensional array-based raster data. However, it is difficult to efficiently query these big raster data due to the inconsistency among the geospatial raster data model, distributed physical data storage model, and the data pipeline in distributed computing frameworks. To efficiently process big geospatial data, this paper proposes a three-layer hierarchical indexing strategy to optimize Apache Spark with Hadoop Distributed File System (HDFS) from the following aspects: (1) improve I/O efficiency by adopting the chunking data structure; (2) keep the workload balance and high data locality by building the global index (k-d tree); (3) enable Spark and HDFS to natively support geospatial raster data formats (e.g., HDF4, NetCDF4, GeoTiff) by building the local index (hash table); (4) index the in-memory data to further improve geospatial data queries; (5) develop a data repartition strategy to tune the query parallelism while keeping high data locality. The above strategies are implemented by developing the customized RDDs, and evaluated by comparing the performance with that of Spark SQL and SciSpark. The proposed indexing strategy can be applied to other distributed frameworks or cloud-based computing systems to natively support big geospatial data query with high efficiency.