面向对象数据模型构建GIS一体化数据库的应用研究

由于GIS是集图形、图像、属性等多种数据源于一身的空间信息管理系统,因此当前该领域研究热点之一就是如何构建一体化的数据管理机制。本文首先分析了现有GIS空间数据库管理机制的不足,然后介绍了目前数据库领域中一种新型的数据模型--面向对象数据模型,分析了采用面向对象数据模型建立GIS空间数据库的现实意义和优势,对开发基于面向对象数据模型(OODM)的GIS一体化数据库技术路线进行了初步研究,并对有关实现方法进行了比较,最后展望了面向对象数据模型在GIS中应用的两个拓展领域。     

面向全空间信息系统的多粒度时空对象数据模型描述框架

全空间信息系统是一种面向从微观到宏观的动态复杂世界的空间信息系统,其理论基础是多粒度时空对象数据模型。为了确定多粒度时空对象数据模型的具体内容,需要确定描述多粒度时空对象特征的基本框架;为了开展多粒度时空对象的实际建模,需要明确多粒度时空对象数据模型的建模过程。为此,本文首先从数据模型、数据管理、可视化、空间分析和实际应用5个方面,分析了全空间信息系统与传统GIS的联系与区别,从空间范畴、动态变化、复杂关系、认知与行为、可视化技术、时空大数据分析6个方面,分析了传统GIS空间数据模型存在的不足;在此基础上,提出了多粒度时空对象的多粒度、多类型、多形态、多参照系、多元关联、多维动态、多能自主7个特点,确定了由时空参照、空间位置、空间形态、组成结构、关联关系、认知能力、行为能力和属性特征8项内容构成的多粒度时空对象数据模型描述框架;最后在分析了传统GIS空间数据模型建模过程的基础上,提出了多粒度时空对象数据模型的建模过程和思路。     

基于Geodatabase模型的空间数据库设计方法

近年来,利用空间数据库存储和管理空间数据,成为GIS领域研究的热点问题,其关键是空间数据库的设计。针对这方面研究相对较少的现状,作者以Geodatabase空间数据库设计为例,对空间数据库设计过程中所涉及到的关键技术和疑难问题进行了论述,提出了分析数据、选择模型、划分实体、确定关联、映射转换等设计步骤中需要遵循的设计原则,强调了CASE工具与UML建模在空间数据库设计中的重要作用。     

MDA与事件驱动的面向对象时空数据建模研究

面向对象的空间数据模型更符合地理现象的本质特征,目前面向对象的数据库管理系统尚不成熟,在现有的关系数据库及对象关系型GIS平台下进行面向对象的数据建模研究很有必要。本文以模型驱动架构理论为基础,以事件驱动的方法建立面向对象的时空数据模型,探讨在关系数据库及对象关系型GIS平台下,进行时空数据面向对象建模的方法和技术路线。探讨了事件驱动的建模方法以及事件、对象的定义与组织,并应用UML建模语言建立了面向对象的动态行为模型、时态行为模型以及软件模型,对模型的可执行性进行了验证。在关系数据库及对象关系型GIS平台下,实现了面向对象的时空数据建模,并为GIS跨平台和跨系统之间的互操作探索了一条新的途径。     

基于Geodatabase农业干旱监测空间数据库设计

由于传统的GIS数据模型难以表达非结构化数据和GIS中具有复杂结构的数据,也不能表达继承、聚合等在GIS中广泛使用的关系。在Geodatabase数据模型的基础上分析了农业干旱监测数据结构的特点,使用UML和CASE建模工具,建立起对象、要素及空间实体间的对应关系,自动生成农业干旱监测数据库,并保证了数据间映射关系的正确性。     

虚拟GIS数据模型的设计及其主动式面向对象数据库系统的实现

本文首先在分析地学虚拟环境和虚拟地理信息系统的同时 ,指出当前虚拟地理信息系统在数据模型上的不足 ;然后具体介绍了我们设计的虚拟地理信息系统数据模型 ,在该数据模型中通过引入结构对象 ,支持地理数据在空间数据库中的管理和在地学虚拟环境中表达 ;同时介绍了该数据模型基于主动式面向对象数据库的实现 ,并在其支持下的地理对象中引入了对象事件属性 ;最后文中给出系统应用示例图。     

政区多粒度时空对象建模及其Geodatabase实现

全空间信息系统是将现实世界抽象为由多粒度时空对象组成的数据世界,对动态且复杂的现实世界中的各类时空实体对象进行表达、分析等。时空数据模型是时态地理信息系统（TGIS）核心,在一些特定领域上取得了较好的应用效果,对时空对象的时态信息进行了一定程度的表达,但仍旧无法完整地描述时空对象的变化以及联系。本文在分析时空数据模型的研究现状和存在问题的基础上,以全空间多粒度时空对象建模为指导思想,以北京近百年来的政区演变为例,分析了政区的基本特征,进而将政区看作是多粒度时空对象,探索了多粒度时空对象的建模方法,对政区进行了多粒度时空对象表达,并采用可视化表达的方法进行了实验验证。结果表明：多粒度时空对象建模能较好地反映政区的空间特征、属性特征和时间特征,反映其在时空上的演变过程以及便于更好地支持时空对象的查询、分析和可视化表达等。     

基于多粒度时空对象的作战实体对象化建模研究

现代战争的军事作战数据来源广泛多样,目前对于军事作战的数据模型研究主要针对其时空属性进行描述,对于作战实体的多样化特征缺乏完整的表达,难以挖掘多维度的作战信息。多粒度时空对象建模是依照多粒度时空对象数据模型框架,将时空实体简化和抽象为数据模型,对复杂的现实世界进行概括与表达。本文在分析作战实体信息和特点的基础上,依托多粒度时空对象建模的思路,建立作战实体对象类并构建作战对象模型,对战争中时空实体的关联关系、组成结构和行为能力等特征的抽象与表达进行了探索,全面多维地描述作战实体及其特征变化,并以阿富汗战争中的美军凯克提特遣队为例进行对象化建模与可视化实现。实验结果表明,多粒度时空对象建模方法能有效表达作战实体的多维特征,在战场信息挖掘上具有精确立体、全面多维的优势,为面向对象的精细化作战研究提供了理论基础。     

基于 HBase 的面向语义单元的室内移动对象索引

随着室内定位技术的广泛应用,传感器记录了大量室内移动对象的位置数据,而索引技术作为移动对象数据分析的基础工作也得到越来越多的研究。已有索引技术多是针对室外空间的移动对象,不能支持室内移动对象数据的三维立体性、轨迹的复杂性、随机性等特点,这些索引技术也仅仅关注了移动对象的位置信息,忽略了语义信息,不能有效地支持室内移动对象的管理和分析,并且当面对海量的移动对象数据时,这些架构在传统关系型数据库上的索引都存在性能瓶颈问题。因此,本文提出了面向语义单元的移动对象表达模型,利用语义单元将室内移动对象的位置语义化,设计了SCoII （Semantic Cell Oriented Indoor moving objects Index）索引结构对室内移动对象的历史数据进行索引,能够有效支持语义粒度上的时空范围查询、移动对象语义轨迹查询。索引基于HBase实现,能够适应大规模的并发更新与查询,具有良好的规模扩展性,规避了大数据给传统数据库带来的性能瓶颈问题,实验证明其具有良好的更新和查询性能。该索引的实现方便了基于语义的室内移动对象分析和数据挖掘工作,为今后的分析工作奠定了基础。     

一种基于“3S”技术的城镇地籍数据变更模式研究

从城镇地籍数据变更管理的发展趋势和当前管理工作的需求现状出发,结合“3S”技术的最新发展,引入基于时空数据模型的空间数据库技术、面向对象等先进技术,对城镇地籍数据变更模式进行了研究,提出了基于“3S”集成技术的城镇地籍数据变更新模式,并探讨了在这种变更模式下城镇地籍数据变更工作实施与数据管理的问题.     

面向路网轨迹的自适应数据模型与索引结构

针对现有路网轨迹数据模型与时空索引结构自适应调节能力低的问题,提出了一种面向路网轨迹的自适应数据模型与时空索引结构,以支持路网时空轨迹的高效存储与查询。所提出的自适应时空数据模型为多层CLR数据模型的扩展,该模型以从时空轨迹群中挖掘的高频路网路径为主要网络线性元素建立自适应线性基准,并根据自适应线性基准对路网时空轨迹进行转换,转换后的时空轨迹其时空子实体数量变少,可以通过更高的效率进行存储;所提出的自适应时空索引结构为基于LRS的时空索引结构的扩展,该索引结构根据自适应线性基准构建自适应线性参考系统,基于自适应线性参考系统的索引结构其保存的时空子实体数量变少,可以通过更高的效率进行时空查询。为了验证所提出方法的有效性,本文最后采用真实开源T-Drive出租车轨迹数据集与人工合成轨迹数据集进行了充足的实验。实验以2种常见的时空相交查询类型为例,将所提出的方法与原始数据模型以及时空索引结构进行了存储效率和查询效率的对比。对比分析结果表明,所提出的自适应数据模型与索引结构最高能够提升40%的存储效率以及50%的查询效率,为路网轨迹数据的管理提供了新的解决方案。     

空间拓扑关系若干问题研究现状的评析

空间拓扑关系是G IS研究中的基础性问题。其对空间数据的存储与表达、空间查询分析与实际应用等都具有重要的意义。从空间拓扑关系认知与语义、空间拓扑关系形式化表达、空间拓扑关系推理、时空拓扑关系表达几个方面介绍拓扑关系的研究现状,特别对空间拓扑关系形式化表达,一直是国内外G IS研究的一个热点,存在交叉、区域连接演算、二维字符串等模型;讨论了拓扑关系最新的研究方向,针对当前模型无法表达复杂的点、线、面间拓扑关系的突出问题;探讨了复杂空间拓扑关系描述研究的思路,根据实际中地理目标的不确定性和模糊性特点,介绍了不确定对象的拓扑关系表达的一些研究动向。     

基于低频出租车轨迹的城市路网交叉口提取研究

出租车GPS轨迹数据获取成本低、周期短,且覆盖面广,具有实时性及大规模性,同时其包含大量的行车记录信息,对提取数字道路信息具有巨大贡献,适用于大范围城市交通路网信息的获取和快速更新。基于GPS轨迹数据进行交叉口提取是目前的研究热点,但现有研究方法大多适用于高频GPS数据,不能很好地提取稀疏区域的交叉口,难以适应出租车轨迹点采样频率低、定位精度低、噪声点多、数据分布不均匀的特性。因此,本文聚焦于城市路网的交叉口识别,为尽可能准确、全面地提取道路交叉口信息,兼顾密集与稀疏区域,提出了一种集成识别策略,分别在矢量空间和栅格空间,采用密度峰值聚类和数学形态学处理方法提取交叉口,并设计了一种融合机制探测交叉口,最后结合主成分分析法判断交叉口的真伪性,识别真实交叉口,并去除伪交叉口,从而得到基于低频出租车轨迹的城市道路交叉口。与已有的研究方法相比,本方法提取了更多的交叉口,并与遥感图像显示一致。本文提取结果准确率为92.23%、召回率为77.26%、F值为84.08%,很好地保证了交叉口的完整性和准确性,在智能交通系统中具有一定的应用价值。     

基于网络空间点模式的餐饮店空间格局分析

餐饮业是城市经济发展的重要指标,运用合适的方法来研究城市餐饮业的空间格局特征,对城市规划、商业选址和经济发展等具有重要意义。本文以广州市海珠区为例,基于餐饮店POI（兴趣点）数据,利用核密度估计法分析餐饮店的空间分布特性,采用网络核密度法探究其热点路段的分布情况,并利用网络双变量K函数法,分析餐饮店分布与公交站和居民小区的相关性。结果表明：海珠区餐饮店总体分布呈现“西密东疏”的空间格局,具有多中心的空间分布特征;江南中街道餐饮店分布的热点路段主要集中在江南西路和江南大道中沿线,其密度随着与该沿线的距离增加而衰减;在较小范围内,餐饮店的分布与公交站具有显著的聚集关系,而与居民小区不具有显著的聚集关系。对于沿道路分布的空间地理点对象,利用网络空间点模式分析可得到较好结果。     

一个可定位视频对象的地理空间表达框架

可定位视频是包含位置信息的视频,它的地理空间表达是集成视频与GIS的关键问题。针对视频添加位置标签空间语义单一的不足,设计了一个可定位视频的地理空间表达框架。该框架包括视频帧与视频片段2个层次,在扩展OGC空间数据库几何要素标准基础上,分别定义了3类共7种对象描述可定位视频的空间信息。（1）视频位置（点）,描述视频帧及视频片段拍摄位置及相机姿态;（2）视频轨迹（线）,描述视频片段拍摄轨迹;（3）视频平面视域（面）与立体视域（体）,分别描述视频帧及视频片段拍摄场景二维与三维空间范围。该框架包含了主要空间对象类型,空间表达范围较为完备,同时支持视频帧、视频片段等不同层次数据,在不改变现有数据结构基础上,实现视频数据与GIS松散耦合与有机集成。本文讨论了视频对象空间数据获取方法,定义了逻辑模型,并以可视化与检索为例进行应用分析。结果表明,该框架扩展了现有空间数据标准,易于实现,在地理可视化、视频检索及分析挖掘方面具有应用价值。     

基于Bayes网络的多粒度时空对象地理过程演化建模——以新安江模型为例

多粒度时空对象具有多粒度、多类型、多形态、多参照系、多元关联、多维动态、多能自主特点,可用于直接描述从微观到宏观的现实世界。基于时空对象建模理论构建多尺度地理对象耦合演化的集成表达是多粒度时空对象模型支撑地理分析与建模的关键。本文基于多粒度时空对象建模理论,在概率图和条件概率表的基础上发展了一种基于Bayes网络的地理过程演化表达和建模方法。该方法将多粒度时空对象作为Bayes网络节点,根据多粒度时空对象间的关联关系构建Bayes网络,利用Bayes概率表达多粒度时空对象间关联关系的作用强度,并通过更新算子和概率图模型描述要素特征状态的动态变化。基于此方法,选取新安江模型,进行多粒度时空对象地理过程建模和模拟实验。采用呈村1989—1995年水文数据为训练数据,1996年水文数据为模拟数据,通过降水面、蒸发面、产流面和汇流面构造Bayes网络并模拟产流量和汇流量状态;实验结果表明本文方法不仅可以对水文过程进行演化建模,并且可以较好地模拟水文过程中的产流量和汇流量变化,正确率达97.5%和95.9%。     

Spatial analysis of commuting mode choice in Guangzhou, China

Metropolitan cities in China are commonly confronted with unresolved traffic congestion issues, primarily due to rapidly increasing traffic demand. Group disparity between commuting mode choice and its spatial distribution on road networks has enabled us to examine the factors that give rise to the discrepancies and the fundamental spatial causes of traffic congestion. In recent years, micro-perspective, individual, and behavior-based spatial analysis have mushroomed and been facilitated with effective tools such as temporal geographic information systems (T-GIS). It is difficult to study the interrelations between transport and space on the basis of commuting mode choice since the mode choice data are invisible in a specific space such as a particular road network. Therefore, in the field of transport, the classical origin destination (OD) four-stage model (FSM) is usually employed to calculate data when studying commuting mode choice. Based on the relative principles of T-GIS and the platform of ArcGIS, this paper considers Guangzhou as a case study and develops a spatio-temporal tool to examine the daily activities of residents. Meanwhile, the traffic volume distribution in rush hours, which was analyzed according to commuting modes and how they were reflected in the road network, was scrutinized with data extracted from travel diaries. Moreover, efforts were made to explain the relationship between traffic demand and urban spatial structure. Based on the investigation, this research indicates that traffic volumes in divergent groups and on the road networks is driven by: 1) the socio-economic characteristics of travelers; 2) a jobs-housing imbalance under suburbanization; 3) differences in the spatial supply of transport modes; 4) the remains of the Danwei (work unit) system and market development in China; and 5) the transition of urban spatial structure and other factors.     

网络空间物流信息系统的分析与探讨

现代物流业将成为中国经济发展的重要产业和新的经济增长点 ,目前我国已经建立了由铁路、公路、水路、航空和管道 5种运行方式组成的综合运输体系。物流中运输、商业分布、经济活动等都是在一定的地理空间中进行 ,而 GIS的研究对象就是地理空间。     

语义轨迹建模与挖掘研究进展

语义轨迹是时空轨迹和语义信息融合的产物。除了含有时空信息以外,语义轨迹包括移动对象自身的运动状态（如速度、方向）、环境（如气温、空间拓扑关系）和社交关系（如好友关系、社交活动）等多方面信息。挖掘语义轨迹可以深入地发现个体或群体移动行为的意图、习惯、情感等高阶语义内容,从而深层次发现个体或群体移动行为的模式、关系和规律等。因而,相较于时空轨迹,语义轨迹在语义性、解释性、可行性等方面更符合决策分析应用的实践需求,具有更重要的研究意义和应用价值。本文对语义轨迹挖掘的关键技术进行了综述。首先,介绍语义轨迹的基本概念,并且根据语义元素类型的不同总结了4种常见的定义形式。其次,归纳了语义轨迹建模的基本阶段,包括预处理、轨迹分段和语义富化。由于语义轨迹无法像时空轨迹那样从位置感知设备中采集获得,因此语义轨迹是通过建模技术得到的,主要通过将语义信息和时空轨迹相融合生成相应的语义轨迹。然后,介绍语义轨迹挖掘的主要任务,包括语义轨迹模式挖掘、语义轨迹聚类、语义轨迹分类、语义轨迹异常检测等。针对每一项挖掘任务,介绍了有关的基本原理和相关算法,总结了主要的关键技术和挑战。最后,探讨了语义轨迹挖掘现存的研究难点和未来研究方向。从模型定义、语义标注技术、多源数据建模等方面,讨论了语义轨迹建模的重要研究问题;从语义轨迹数据管理、分类和预测、流式数据挖掘、隐私保护、多粒度挖掘、评价方法等方面,探讨了语义轨迹挖掘的未来研究问题。