基于SuperMap的空间大数据可视化技术研究与应用

人类正从IT时代走向DT时代,诸多的技术手段使大数据处理技术能够从大规模数据中分析出相关模式或趋势,让我们对海量数据的价值挖掘充满了期待.当可视化呈现让大数据的潜力达到最大时,以往未被观察到的现象或趋势很容易被发现,用户能够快速地获得更多信息,发现他们所需要的价值.因此,如何最大化地呈现大数据中隐含的价值变得尤为关键.本文将重点研究空间大数据的可视化方法,充分发挥数据可视化的作用,帮助用户挖掘隐藏在空间大数据中的价值.     

基于Spark Streaming的实时流数据处理模型化研究与实现

通过研究与分析,选取Spark Streaming技术实现对P实时流数据的处理.同时,研究出一套模型化的方式,实现动态装配软件的执行过程;并通过具体的实例展示了两者结合后,在数据处理的易用性、性能及吞吐量方面,都得到了大幅提升.     

高性能GIS动态目标渲染引擎的设计与实现

针对海量动态目标渲染效率较慢的问题,本文研究并设计了基于混合加速的高性能GIS动态目标渲染引擎,并利用SuperMap的组件GIS研发了动态目标渲染引擎原型系统.通过比较不同类型海量空间数据的可视化实验结果表明,本文研究成果在渲染二维和三维空间海量动态目标时,满足GIS高性能可视化需求,可视化效果流畅.     

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.     

空间大数据在MongoDB中的存储探索

最近几年,IT技术,特别是云计算和大数据技术的发展,给传统的地理信息软件平台带来了很大变革.作为地理信息的核心技术之一,空间数据存储技术在地理信息软件平台中发挥着重要的作用,是实现高效的空间查询和空间分析的技术基础.面对数据量的爆发性增长、数据类型的增多等大数据问题,传统的关系型数据库很容易遇到存储瓶颈,存在诸如存储效率低、并发访问能力弱、横向扩展难等问题,这使得发展新的空间大数据存储技术势在必行.为解决传统关系型数据库在面对海量多源异构数据存储时遇到的上述问题,本文利用分布式存储NoSQL数据库进行了空间大数据存储和查询的技术探索,并通过一系列实验证明MongoDB数据库是一种有效的存储空间大数据的方法.