基于云计算系统的空间查询处理方法

针对传统的关系型空间数据库已经不能很好地适应于超大规模高并发空间查询访问的处理需要的问题,该文着眼于解决大数据时代下地理信息服务所面临的日益严峻的大规模空间查询访问需求,探索了一套基于Spark架构的空间查询实现技术,并给出相应的解决方案。提出一个基于Spark并提供类SQL访问接口的空间查询实现模型GeoSpark SQL,解决了以下关键问题:数据的外包矩形数据生成和标准地理信息数据对Spark的导入导出方法;Spark空间查询算子实现方法;Spark空间索引与查询优化方法。GeoSpark SQL模型在初步实验中,已可以满足实时性的要求,对复杂的空间查询也能有良好的性能表现。     

地理空间大数据建设面临的问题与对策

大数据背景下测绘地理信息的发展有了新的驱动力,本文通过分析地理空间大数据在互联网、产业和公共服务等应用范畴中已经出现的新情况与新问题,分析指出地理空间大数据需从改进测绘地理信息管理、加快地理空间大数据科技攻关、实现基于地理空间大数据为基础的信息化测绘体系建设和构建地理空间大数据服务模式等着力点加快发展。     

基于Spark的矢量数据叠加赋值方法研究与实现

随着GIS数据获取与处理技术的迅速发展,以土地利用为代表的矢量空间数据规模不断膨胀,大量生产应用对图层间矢量数据叠加赋值操作性能提出了更高要求.本文提出了基于Apache Spark技术的矢量数据叠加赋值方法,通过扩展Spark技术的弹性分布式数据集,使其提高对于GIS空间数据的表达能力,通过空间索引的构建使得叠加计算可以在Spark集群各节点上分布式高效运行.通过十万、百万、千万3种量级的数据进行实验,结果表明,相比传统算法,基于Spark技术的矢量数据叠加赋值方法有30%—90%的性能提升.     

结合手机信令数据和地理空间数据的居民职住信息识别

基于手机信令数据和地理信息数据，融合地理信息空间运算能力，创新性地提出了一种识别居民职住信息的方法。在Spark平台上，首先运用地理信息空间分析服务将手机信令数据绑定至地理实体，再通过降噪算法完成定位校准和信令数据的清洗、加工，最后构建数学算法和模型得到居民的工作地和居住地。以成都市居民连续两周的手机信令数据为例，验证了该方法的可行性，该成果将会为商业选址、客群管理、城市规划等应用提供数据支撑。     

监控视频中动态目标与地理空间信息的融合与可视化方法

监控视频的动态前景目标智能分析是平安城市、智慧园区等安防建设的重要基础,将监控视频与地理空间数据融合可为静态的地理数据赋予动态属性。针对传统监控视频与地理信息数据集成仅仅将视频数据投射至地理空间,造成存储难、视频内容理解难度大等问题,本文提出了前景动态目标与地理空间信息的融合模型,通过推导出的映射模型将图像空间中的动态前景目标及跟踪轨迹映射至地理空间中,达到将监控视频与地理信息有机融合的目的。根据不同的应用需求,本文设计了4种多图层融合显示模式,实现了监控视频中的动态前景目标在地理空间的可视化。     

地理大数据挖掘研究进展与挑战

大数据时代,全面涵盖人类活动与地理环境信息的地理大数据为更全面认识“人-地”关系提供了新的机遇。数据挖掘是地理大数据产生“大价值”的关键。与传统目的性采样数据(或“小数据”)相比,地理大数据具有更细的时空粒度、更广的时空范围、更丰富的人地关系信息、更高的时空有偏性及更低的时空精度。地理大数据的独特性使得地理大数据挖掘面临新的挑战。本文首先对地理大数据挖掘与空间数据挖掘的区别与联系进行分析;然后,对当前地理大数据挖掘方法、应用及软件的研究进展进行回顾和总结;最后,对地理大数据挖掘面临的挑战和发展趋势进行了展望。通过对地理大数据挖掘研究进展进行系统的分析,有望为地理大数据挖掘理论与方法的完善提供一定的参考和借鉴。     

政务地理空间大数据研究进展综述

近年来,地理空间大数据引起了产学研及政府部门的高度关注,甚至引发了许多变革。面向电子政务的地理空间大数据技术为政府信息管理和决策提供了新的手段。本文在阐述政务地理空间大数据的内涵及特点的基础上,重点梳理了政务地理空间大数据处理的关键技术,包括政务地理空间大数据整合、存储与管理、挖掘与分析、可视化以及决策支持服务技术,最后分析了当前和未来政务地理空间大数据所面临的机遇和挑战。     

空间大数据分析引擎的设计与实现

针对空间大数据分析需求日益增加但缺乏关键技术支撑的问题,融合GIS与大数据技术构建空间大数据分析引擎成为有效的解决方法.本文基于SuperMap iObjects for Java和Apache Spark计算框架设计并实现了空间大数据分析引擎,并将其用于计算航路拥挤情况的要素连接分析实验.研究结果表明,空间大数据分析引擎处理性能高,具备保障空间大数据分析的能力.     

面向大数据的空间信息决策支持服务研究与展望

本文分析了大数据并行处理、地理计算、数据挖掘分析、空间信息决策、地理信息服务等领域的技术发展和应用需求,通过在多源信息融合的组织机构空间分布格局分析、地理要素统计分析、互联网泛在地理信息挖掘分析等方面的理论探索与实践经验,对面向大数据的空间信息决策支持服务涉及的理论问题、关键技术、发展趋势等方面作了分析与展望。     

地理空间大数据中心基础设施架构研究与应用

通过对地理空间大数据特点及测绘地理信息行业服务现状的分析,结合陕西省地理空间大数据中心建设经验,提出了适合地理空间大数据和测绘地理信息行业特点的IT基础设施架构的解决方案和关键技术.通过基础设施提升改造,可确保地理空间大数据充分发挥服务保障作用,并可为在测绘地理信息行业内新建数据中心提供借鉴.     

基于Spark的分布式空间数据存储结构设计与实现

Apache Spark分布式计算框架可用于空间大数据的管理与计算,为实现云GIS提供基础平台。针对Apache Spark的数据组织与计算模型,结合Apache HBase分布式数据库,从分布式GIS内核的理念出发,设计并实现了分布式空间数据存储结构与对象接口,并基于某国产GIS平台软件内核进行了实现。针对点、线、面数据的存储与查询,与传统空间数据库系统PostGIS进行了一系列对比实验,验证了提出的分布式空间数据存储架构的可行性与高效性。     

空间染色镶嵌模型理论与应用

地理空间数据模型及其对地理对象-空间关系的描述是地理信息科学（GIS）理论与应用研究的核心内容。介绍和讨论了一种新的GIS空间数据模型—空间染色模型（spatial chromatic model,SCM）的结构、操作、应用及其在地理学上的含义。SCM的特点是其每个基础数据单元（细胞）具有一个唯一的编码,这些编码提供了面向各种GIS空间分析和运算的丰富信息。SCM的本质是一种基于实体第一性的相对性地理空间,它有助于从一个新的视角更加深入地理解地理实体-空间关系。     

基于地理空间大数据的应急指挥辅助决策平台研究

现代社会已经进入了产生和使用地理空间大数据的时代。大数据作为当前已经在许多领域得到成熟应用并强劲发展的方法和技术,为指挥员充分利用海量战场地理空间环境信息进行高效决策提供了有益参考。本文在对应急指挥决策与空间大数据主要特征进行梳理的基础上,结合应急指挥辅助决策的空间信息需求,分析了建设地理空间大数据支撑下的智能应急指挥辅助决策平台需要考虑的关键问题,设计了辅助决策平台的技术架构,为建立新的基于地理空间大数据应急辅助指挥平台提供了思路。     

政务应用驱动下的地理空间大数据建设实践

随着大数据建设的快速推进，推动政府治理现代化成为大数据应用的热点。本文结合浙江省地理空间大数据应用示范工程建设，重点分析了政务应用中对时空大数据的需求，并结合现有地理信息公共服务中的瓶颈问题，提出了地理空间大数据建设的总体框架、主要内容及关键技术，并通过政务示范应用进一步验证了项目建设成效。     

地理空间大数据中心建设方案设计

本文在地理空间信息共享交换的基础上,基于大数据服务体系与云计算等技术设计了省级地理空间大数据中心的建设方案,有利于地理信息资源规模化创新应用,以及地理空间大数据在信息化、智慧城市等重点领域中的应用。     

地理要素编码在GIS数据转换中的应用

GIS中地理要素的分类、编码组织是系统信息可视化及空间分析的基础,提出一种利用地理要素编码为中介,实现不同系统间地理数据转换的方法,提供方法应用流程,解决GIS系统间数据共享时因系统数据组织差异、难以实现不同系统间地理信息符号化表示及空间分析应用的问题,实现数据转换与共享时地理数据重分类、分层及可视化。     

Spark计算框架在敏感地理信息检测中的应用研究

针对互联网地理信息涉密与安全问题,提出一种以Spark技术框架为基础的敏感地理信息检测算法,该算法与现有的检测算法相比,由于Spark算法不仅考虑了特征词与敏感词之间的直接匹配度,而且还考虑了两者之间的相似性敏感信息以及特征词在文本中的位置属性和权值情况等对种情况,使其具有更高的准确率、召回率以及F度量值,经并行化处理后,其运行效率明显高于单机模式,同时不影响其检测精度,可大大提升数据信息的处理速度和效率,值得在地理信息安全领域推广运用。     

一种分布式架构的空间大数据服务平台

随着位置信息在各行各业中的广泛应用,空间大数据得到迅猛发展.空间大数据除具有数据量大的特点之外,还具有复杂性,同时,越来越多的应用对数据的实时性也有较高的要求.传统的GIS软件在承载和处理空间数据时,也面临越来越多的挑战,如难以对复杂多样的空间数据进行一体化存储和管理;传统GIS软件架构和单机处理能力,无法对较大体量(10亿条记录或更大)的空间数据进行分析.本文从分布式存储技术、分布式空间处理计算技术和分布式计算协调技术三个方面阐述如何应对上述问题,并提出了将Spark分布式框架和Su-perMap iObject for Spark空间处理引擎相结合的分布式空间处理计算技术,以及数据库的一体化管理和监控技术,实现对多种数据库如PostgreSQL集群、MongoDB和Elasticsearch的统一管理和监控.     

新型地理实体数据关键技术研究及应用

在传统的基础测绘数字化成果中,由于地理对象所表达的空间语义与现实社会中的表达方法差异较大,且缺乏全局唯一标识,难以满足快速更新、生命周期管理、多源数据关联和多样的社会化服务等需求。地理实体数据作为一种新型地理信息产品,通过唯一标识、对象化处理和实体关联融合,可望解决上述问题。本文分析了地理实体数据的分类分层、对象编码、对象重构、数据关联和融合处理等关键问题,给出了一种地理实体数据生产的解决方案,结合智慧徐州时空信息云平台建设,实现了基于地理实体数据的行业专题数据汇聚与空间化,为智慧城市专题应用系统建设奠定了基础。     

分布式地理数据高效可视化技术研究

传统借助于专业软件浏览地理数据的方式,不仅增加了本地磁盘的占用,而且当数据量较大时浏览效率很低。针对地理数据直接浏览不便的问题,提出了基于Spark的影像文件分布式并行切片方案,并利用Leaflet实现了影像瓦片在线高效可视化。实验结果表明,针对地理大文件的浏览效率明显高于目前常用的GIS软件。