基于PMVS算法的大规模数据细粒度并行优化方法

三维多视角立体视觉算法（patch-based multi-view stereo,PMVS）以其良好的三维重建效果广泛应用于数字城市等领域,但用于大规模计算时算法的执行效率低下。针对此,提出了一种细粒度并行优化方法,从任务划分和负载均衡、主系统存储和GPU存储、通信开销等3方面加以优化;同时,设计了基于面片的PMVS算法特征提取的GPU和多线程并行改造方法,实现了CPUs_GPUs多粒度协同并行。实验结果表明,基于CPU多线程策略能实现4倍加速比,基于统一计算设备架构（compute unified device architecture,CUDA）并行策略能实现最高34倍加速比,而提出的策略在CUDA并行策略的基础上实现了30%的性能提升,可以用于其他领域大数据处理中快速调度计算资源。     

网络环境下矢量数据高效并行可视化方法

针对网络环境下传统的矢量地图可视化模型中矢量数据可视化效率低,地图服务器集群并行处理能力弱的难题,提出一种基于矢量数据要素空间分布的矢量数据高效并行可视化方法。研究了矢量数据空间分布信息的采集、检索和分析原理,重点阐述了矢量数据实时可视化任务的分解与并行处理流程,最终实现了矢量数据的高效并行可视化,达到了充分利用地图服务器集群中并行计算资源的目的。仿真实验结果证明,矢量数据高效并行可视化方法可以提升网络地图服务集群的并行处理能力,满足大用户量并发访问的需求。     

基于开销代价的网络地理信息服务负载均衡算法研究

基于单位时间开销代价矢量,提出同时考虑地形数据请求在服务器队列中的等待时间与服务器对请求的处理时间的最小总代价分布式算法#算法计算转发请求给每台服务器的概率空间,并根据地形数据请求到达时临时生成的随机数在概率空间中的落点确定转发请求的目标服务器。通过配置单位时间开销代价矢量!可以灵活地维护与升级集群服务器,具有良好的可扩展性。仿真结果表明最小总代价算法能在大规模$高强度的地形漫游中均衡地分发请求!使集群服务器充分发挥其优势从而获得最小的漫游响应时间。仿真结果还表明在低强度地形漫游时,各种负载均衡算法表现大致相同;在高强度地形漫游时!设计负载均衡算法最好考虑服务器端队列的排队情况。     

用户访问驱动的空间数据存储组织策略

针对用户访问服务负载均衡的分布存储要求和磁盘连续读取的合并存储要求之间的矛盾,提出一种基于用户访问行为的综合考虑存储节点连续读取效率和网络负载均衡效率的空间数据存储组织方法（combined strategy of data placement and load balance,CSDL）。该方案根据用户访问行为,通过空间数据的访问相关性计算,将热点数据分布存储在不同的服务器上,以实现用户并发访问时的负载均衡;同时,通过对存储在相同服务器内数据的并发度计算,将并发度高的数据存储在连续的磁盘空间上,以实现磁盘存储服务的连续读取。CSDL方法试图同时从上层应用的负载均衡和底层磁盘效率两个方面对空间数据的存储进行分布组织,以提高地理信息系统服务效率。试验结果表明,该方案可有效提高45.2%~245.3%的系统平均请求响应时间,与此同时,分布式服务器节点的负载均衡度可提高约0.5%~440.9%,能满足大规模分布式环境的应用需求。     

集群并发环境下大规模矢量数据负载均衡算法

为了提高集群环境下网络地理信息系统(WebGIS)大规模矢量数据的并发访问性能,提出了集群并发环境下大规模矢量数据内容网格化负载均衡算法,研究了大规模矢量数据内容网格化方法,集群并发访问时内容网格的自动识别、分析、聚合、反馈算法,实现了面向任务的负载均衡。实验表明,本算法能在大规模、高强度的矢量数据提取和显示中均衡地分发请求,使集群服务器充分发挥其优势从而获得最小的请求响应时间。     

一种面向CPU/GPU异构环境的协同并行空间插值算法

CPU/GPU异构混合系统是一种新型高性能计算平台,但现有并行空间插值算法仅依赖CPU或GPU进行加速,迫切需要研究协同并行空间插值算法以充分利用异构计算资源,进一步提升插值效率。以薄板样条函数插值为例,提出一种CPU/GPU协同并行插值算法以加速海量激光雷达（light detector & ranger,LiDAR）点云生成数字高程模型（DEM）。通过插值任务的分解与抽象封装以屏蔽底层硬件执行模式的差异性,同时在多级协同并行框架基础上设计了Greedy-SET动态调度策略,策略顾及底层硬件能力的差异性,以实现异构并行资源的充分利用和良好负载均衡。实验表明,协同并行插值算法在高性能工作站上取得19.6倍的加速比,相比单一CPU或GPU并行算法,其效率提升分别达到54%和44%,实现了高效的协同并行处理。     

M-Quadtree索引:一种基于改进四叉树编码方法的云存储环境下空间索引方法

为了解决基于"键-值"模型的云存储环境仅支持简单的关键字查询,不支持多维空间查询的问题,提出了一种新的分布式空间索引方法——M-Quadtree索引。在索引构建过程中,设计了一种基于改进四叉树的空间数据划分方法,该方法规定了叶节点区域的最小数据量,通过四叉树叶节点的再合并,解决了划分后各子区域间存储量不平衡的问题,并且满足了MapReduce并行化要求。给出了MapReduce框架下M-Quadtree索引的快速构建、查询与更新算法,并在搭建的Hadoop平台进行了关键参数对索引效率的影响以及不同规模数据下索引的创建、查询和更新试验。与现有分布式空间索引的对比试验及分析结果表明,M-Quadtree索引在数据存储量负载均衡、算法并行化和空间查询效率等方面表现得更好。     

面向3D WebGIS的屏幕空间矢量数据绘制方法

受网络带宽、计算机软硬件和浏览器承载量等因素的制约,现有3D WebGIS在矢量栅格数据一体化表达时容易出现渲染效率不高、表达效果不佳等问题.通过分析2种不同架构下3D WebGIS的技术特点和服务需求,研究了基于屏幕空间像素投影反算方法,设计了优化矢量数据渲染性能的技术方案,提出了一种创建帧缓冲区渲染队列的方法来解决片元着色器承载空间不足的问题,并在B/S架构下开发了基于屏幕空间像素投影反算方法渲染矢量数据的原型系统.实验表明,该方法渲染效率和表达效果俱佳,具有很强的应用前景和研究价值,可为3D WebGIS提高海量矢量数据渲染效率和增强表达效果提供一种新型有效的方法手段.     

利用分布式自动化并行处理框架提升空间数据分析效率

围绕GIS应用系统在空间数据分析效率提升的方面,本文提出了一套基于分布式自动化并行处理框架的效率提升方法,阐述了如何基于ArcPy、WebAPI、分布式调度、调度控制因子等关键技术,实现分布式自动化并行处理。本文方法有助于便捷、高效地解决大量空间数据分析处理的效率问题。     

多核并行环境中矢量数据格式的转换算法

针对目前对VCT格式转换的并行算法研究较少的现状,该文以VCT向shapefile格式转换为例,探索多核并行环境中进行VCT格式向其他矢量数据格式快速转换的方法:在深入探索VCT与shapefile格式特点的基础上,通过构建索引、数据解析转换,完成由VCT向shapefile格式的转换;并设计出一种顾及负载均衡的数据划分方法,通过评估不同类型图层的复杂度实现不同类型矢量数据的均衡划分,实现了VCT向shapefile格式转换的并行算法。最后利用某地土地利用VCT文件进行算法测试,结果表明该算法转换结果正确,取得了良好的加速比,并基本达到负载均衡。