栅格地理计算并行算子对区域计算算法并行化的可用性分析——以多流向算法为例

栅格地理计算并行编程库的研发有助于实现对栅格地理计算算法的并行化。在现有的研究中,Qin 等(2014)设计并初步研发的栅格地理计算并行算子(PaRGO),在设计思路上能较好地隐藏与并行编程软硬件环境相关的复杂细节,实现栅格地理计算通用步骤的并行化,且较其他类似思路的编程库而言,PaRGO能兼容多种常用的并行计算平台,具有明显优势。但PaRGO目前在设计上仅直接支持本地、邻域及全局计算特点的栅格地理计算算法并行化,对于更为复杂的区域计算特点算法并行化的支持能力尚未探究。对此,本文选取栅格数字地形分析中具有区域计算特点、递归设计的多流向算法为算例,利用PaRGO进行并行化设计、实现及测试,以计算时间、相对加速比和相对并行效率为定量指标。通过可运行性和并行性能进行评价,结果表明:PaRGO虽然不能直接支持对递归的多流向算法进行并行化,但在根据多流向计算的原理将该递归算法转变为非递归的设计之后,可将算法由原区域计算改造为邻域迭代计算,就能利用PaRGO 实现并行化,并得到较好的并行效果。在集群环境下,MPI版本并行程序的并行效果优于MPI/OpenMP混合版本。     

“地理计算并行化”专辑征稿

正随着地理学各种相关应用领域中对应急响应、决策支持的实际需求不断增长,对地理计算效率需求的日益突出,地理计算的并行化是当前提高计算效率的重要方式。本刊特围绕"地理计算并行化"的主题征稿,内容包括但不限于:?地理计算并行化策略研究     

地理时空大数据协同计算技术

大数据时代,地理时空数据的迅猛增长给应用理念、技术框架和服务形式带来挑战。本文在阐述地理时空大数据概念的基础上,首先分析了地理时空大数据计算面临的挑战,从数据协同、技术协同、服务协同和生产协同4个层次阐述了地理时空大数据协同计算方法;然后,根据平台化服务的需求设计了地理时空大数据协同计算框架,从遥感数据综合预处理、地理时空数据的组织与管理、地理时空大数据高效计算、地理时空大数据可视化4个方面论述了地理时空大数据协同计算实现的关键技术;最后,以遥感大数据综合处理系统作为案例说明了地理时空大数据协同计算与服务的实现方法,并对地理时空大数据的应用模式进行了展望。     

基于网格服务的遥感图像并行融合

图像融合是一项计算密集型的操作,对计算机系统的性能要求很高,硬件的发展远赶不上计算需求的增长,传统的遥感图像处理方式已经不能很好地适应新的资源共享模式,故软件方面的改进是必然的选择。网络技术的发展,使网络带宽有了很大的提高,大量的遥感图像通过网络发布成可在线获取的共享资源,利用网络和这些资源能大幅提升融合处理的速度。网格是网络的进一步延伸,是一个变化性较大的动态系统,资源的动态变化是网格的重要特征,数据的更新、节点的加入或离开、节点负载的变化、网络性能的变化等都会影响网格服务的性能,只有及时地掌握这些动态,并根据情况实时进行调整,才能保证较高的执行效率。基于网格服务的遥感图像并行融合的设计,在网格环境下,通过对资源和服务状态属性的分析,生成最优化的方案进行并行处理,可提供高效的遥感图像融合处理服务。     

地理空间数据库性能测试软件的设计与实现

空间数据具有空间位置、非结构化、空间关系,以及海量数据等特征。因此,对空间数据的存取性能,成为评价地理空间数据库极其重要的指标之一。BeyonDB是在国家863项目支持下研发的具有自主知识产权的地理空间数据库系统。目前,国内还没有支持地理空间数据库性能对比测试的工具软件,因此,为客观衡量BeyonDB的性能指标,有必要研发一种地理空间数据库性能对比测试的软件。本文分析了地理空间数据库性能对比测试软件的功能目标,采用面向对象的设计思想及方法,合理使用软件设计模式,进行了软件的总体框架与主控、功能命令、空间数据访问,以及测试结果输出等关键类的详细设计。介绍了实现该软件功能的方法、开发工具,以及主界面、文档输出界面等。最后,对软件的设计研发工作予以总结,提出今后的研究重点。     

并行迭代算法的研究及应用

研究了迭代算法及其并行化,将雅可比迭代和高斯.塞德尔迭代相结合,提出了一种新的并行迭代算法,经过测试数据分析,性能比雅可比迭代和高斯.塞德尔串行迭代的性能要好.这一方法可广泛应用于需要进行大量迭代计算的问题中,具有较大的应用前景.     

地理栅格数据并行I/O的研究与实现

随着遥感和测绘技术的进步,日益增大的数据量和高效的数据I/O矛盾逐渐凸显。本文针对这个问题提出了地理栅格数据的一种并行I/O模式,并对该I/O模式进行了相应的编程实现。通过设计实验验证其正确性和效率,我们发现相比传统的栅格数据I/O库(GDAL库)而言,采用本文提出的并行I/O模式对应的I/O库将能同时保证结果的正确性和高效性。     

基于Python的“地理处理”并行方案

在传统方式下,ArcGIS地理处理工具的执行过程不能充分利用高性能多核计算机的全部运算能力处理日益增加的地理数据,导致数据处理效率低下。本文在分析地理处理工具特点的基础上,充分利用Python语言的并行编程特点,构建具有通用性的地理处理任务并行运行解决方案。结合ArcGIS软件自身的特质,有效解决了并行运行所带来的数据竞争、数据共享与进程通讯等问题,达到了一定硬件环境条件下ArcGIS工具执行效率最大化的目的。通过典型地理处理任务中不同运行方式效率的对比测试与分析,证明了并行运行的有效性。     

基于上下文感知的地理信息服务发现与匹配技术研究

如何在网络上寻找到最适合的地理信息服务,即服务的发现与匹配技术的需求变得越来越迫切。本文结合普适思想提出了基于上下文感知的地理信息服务多级发现与匹配框架,包括基本描述、服务功能、约束条件、空间上下文4级匹配过程,并详细分析了空间上下文的建模与推理、地理信息相似性等关键技术,最终通过一个原型系统验证了该框架及关键技术的可行性。     

基于Hadoop的地理国情监测高性能计算分析研究

随着常态化地理国情监测在我国的全面开展,地理国情时空数据规模不断增大,使得对地理国情数据综合分析和信息挖掘的要求越来越高。本文针对传统空间数据存储和分析平台存在的性能瓶颈问题,提出了一种基于Hadoop的地理国情高性能计算框架,论述了通过服务封装实现分布式并行计算能力与成熟平台地理空间分析能力的无缝聚合实现最优化地理国情分析计算的理念,并以地理国情地表覆盖面积统计为例,探讨了分布式计算技术在地理国情海量数据分析方面的适用性。结果表明,随着数据量的增加,分布式计算集群的性能优势逐渐凸显,比传统集中式空间数据库更适合于海量数据的分析计算,而集群的良好横向拓展性,也为大规模地理国情空间数据分析提供了可行解决方案,研究结果将为进一步构建开放性地理国情分析服务平台奠定基础。     

景观指数的并行计算方法

随着地理信息科学和系统的发展,GIS数据的时空分辨率和数据量呈现爆炸式的增长趋势。传统的基于个人计算机的景观指数计算软件难以有效快速地完成海量数据的空间分析。针对该问题,本文提出了一个高效的景观指数并行计算方法。首先对原有的并查集连通域标记算法进行了2点改进：① 在第2次遍历数据时,增加了计算斑块面积、周长等斑块基本信息的功能,为景观指数的计算提供必要参数;② 在第2次遍历过程中,增加了重新标记连续序号的功能,减少了原有算法在合并操作后造成的序号不连续,需要重新遍历数据的开销。在此基础上,本文利用MPI并行编程库,采用数据分割和主从进程协同的并行计算模式实现了景观指数的并行计算。实验表明,在保证计算正确性的基础上,本文的并行算法大幅度提高了景观指数的计算性能,为快速分析大规模数据的景观形态和格局提供了有效手段。     

并行栅格数据处理网格服务节点软件的关键技术

提出了栅格数据处理共享环境的概念,它包括栅格数据计算节点内部集群环境中的共享内存、共享处理器、共享硬盘、共享显示等方面的技术和计算节点间的远程图像对象调用技术。前者通过在近于操作系统层为用户提供一个便于编程、效率高的图像并行处理接口(API),屏蔽用户对操作系统层的系统调用,使用户在编程时只关心图像处理算法正确性和精度。后者通过远程对象调用技术在中间件层实现对象间的分布式计算,从而对程序员屏蔽了系统的分布性和异构性。最后介绍了基于该共享环境构建的空间信息栅格服务节点软件的体系结构,即构建空间信息栅格网格服务节点的框架。     

高分辨率遥感影像特征分割及算法评价分析

图像分割一直是图像处理和计算机视觉领域中的一项关键技术。本文首先从遥感影像地学处理与应用的角度阐述了影像分割技术对于遥感信息提取和目标识别的重要性,然后提出了基于特征的高分辨率遥感影像信息提取技术框架,建立了一套基于特征的遥感影像分割方法及分类体系。同时,鉴于遥感影像分割方法评价的重要性, 阐述了一种高分辨率遥感影像分割方法评价的思路,并对几种典型的基于特征的遥感影像分割方法进行定性和定量的试验和评价,对其各自的性能和适用面进行对比分析。最后,指出了遥感影像特征分割方法所存在的问题及其发展趋势。     

Bernoulli双纽线的一种并行生成算法

以Bresenham算法为基础,对Bernoulli双纽线的生成算法进行了分析。首先依据Bernoulli双纽线的几何对称性及其切线斜率特征,将其在第一象限的曲线弧分割成左右两段;然后依照Bresenham算法思想引入并行机制完成Bernoulli双纽线图形的生成;最终利用C#多线程模拟实现该并行生成算法。同时,算法复杂度分析表明该算法是一种Bernoulli双纽线的较为高效的并行生成算法。     

利用MapReduce的异常轨迹检测并行算法

异常轨迹检测是移动对象数据挖掘的一个重要研究领域。TRAOD(TRAjectory Outlier Dectection Algorithm)算法是一种经典的异常轨迹检测算法,但它对于海量轨迹数据的异常检测效率低。为提高海量轨迹数据集的异常检测效率,本文提出了一种利用MapReduce 的异常轨迹检测并行算法(Parallel algorithm for TRAjectory Outlier Detection, PTRAOD),并在此基础上提出了网格索引的异常轨迹检测并行算法(Grid-based Parallel algorithmfor TRAjectory Outlier Dectection, GPTRAOD)。GPTRAOD算法在PTRAOD算法的基础上,利用网格索引实现区域查询,进一步提高算法效率。将PTRAOD算法和GPTRAOD算法在Hadoop 平台上加以实现,结果表明:本文提出的2 个并行检测算法,能实现异常轨迹的检测;GPTRAOD算法的效率优于PTRAOD算法;GPTRAOD算法具有较高的可扩展性和较好的加速比。     

基于异构集群计算的地统计面插值并行算法

地统计面插值算法在空间统计分析中有广泛应用,其目的是通过一组面要素的某已知属性值估算另一组面要素的属性值。地统计面插值算法多是基于克里金（Kriging）插值及其衍生算法。克里金插值算法考虑属性在空间位置上的变异性,需计算要素之间的协方差,是典型的计算密集型算法。本文分析了基于克里金插值的地统计算法计算过程,该算法中面要素间协方差计算相互独立,可作为并行计算单元划分。另外,面要素间协方差计算可使用快速傅里叶变换（FFT）快速计算,而FFT是一种非常适合并行处理的计算密集型算法。本文根据算法特征设计了基于异构集群计算的并行算法,并使用MPI+CUDA实现了该算法。实验结果表明,本文实现的算法比使用MPI实现的CPU集群的算法有更好的性能,具备良好的可扩展性,并且随着插值精度提高表现出更好的性能。     

基于MPP架构的并行空间数据库原型系统的设计与实现

快速高效地查询信息是衡量当前空间数据库性能的重要指标之一。传统的单节点关系型空间数据管理方式难以满足大数据量空间数据查询的需求,特别是高性能的复杂空间多表连接任务需求。鉴此,本文设计并实现了基于Massive Parallel Processing（MPP）架构的并行空间数据库中间件原型系统。系统充分利用无共享（shared-nothing）架构的优势,特别是针对空间数据的特性,设计了并行空间数据划分与导入、并行空间多表连接、空间数据查询优化等算法与模型。首先介绍了近年来并行数据库系统的发展现状,接着阐述了基于MPP架构的并行空间数据库中间件系统的查询计划算法及其系统架构,最后作者对一些大规模数据量做查询实验及其查询结果分析。实验表明,在处理挖掘大规模数据量时,该系统有近似线性的加速比,相比于传统单节点数据库,它能充分提高海量空间数据的复杂查询的性能,解决了空间数据库并行化处理海量数据的问题。     

BDS-2卫星钟设计年限末期阶段性能评估与分析

为探究BDS-2卫星钟在当前阶段的运行状态及性能情况,采用国际GNSS监测评估系统（iGMAS）2018年共365 d的精密钟差数据,将Score检验量引入钟差异常探测,并结合中位数法进行数据质量控制,弥补了中位数法部分粗差漏探的缺陷;再从频率准确度、频率漂移率、频率稳定度、模型拟合残差、周期特性、噪声类型等6个方面对BDS-2卫星钟的相关性能进行全面评估。结果表明,现阶段BDS-2在轨卫星钟的运行状态良好,各项性能指标均正常,可继续提供相应的系统服务。其中,BDS-2卫星钟的频率准确度为3.15×10^-11,日漂移率为1.59×10^-13,万秒稳为5.72×10^-14,模型拟合残差平均精度为0.596 ns;GEO、IGSO和MEO三类卫星的钟差序列周期特性显著,第1、2主周期与其各自卫星轨道周期相关,分别为其轨道周期的0.5倍或1倍左右;不同平滑时间下的BDS-2卫星钟主要受调频白噪声（WFM）、调频闪烁噪声（FFM）和调频随机游走噪声（RWFM）的影响。     

区分服务链路中确保型数据流的性能分析

在区分服务(Differentiated services,DiffServ)体系结构中,确保型AF(Assured Forwarding)是一种根据相对带宽可用性和数据流丢弃特性定义的PHB(Per-Hop-Behavior).讨论了区分服务链路中AF组数据流在EF(Ex-peeIited Forwarding)组数据流影响下的带宽变化,以及网络节点对AF组数据流采用的WRED(weighted random early detecticm)缓存管理机制,提出一类基于随机环境且带有WRED缓存管理机制的排队模型.通过矩阵分析的方法得出稳态队长分布,并给出了平均队长、数据包丢失率,拥塞概率等性能指标,并结合数值例子验证了所提出排队模型的可行性.