面向大数据的时空信息云平台建设研究

在大数据时代来临的背景下,传统数据处理和分析方法已无法满足时空大数据高效存取、实时处理、分析挖掘等需求。本文结合智慧广东时空信息云平台的项目建设案例,探讨了面向大数据的时空信息云平台的建设目标、总体架构、关键技术、应用情况等内容,为解决海量时空大数据处理与分析性能问题,推动地理信息服务高质量发展做了积极探索。     

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。     

地理信息产业转型升级的驱动力

当前,地理信息产业的发展面临着转型升级的严峻挑战,同时也迎来了大好的发展机遇。“互联网+”、大数据、云计算、人工智能等新兴信息技术的迅速发展为地理信息产业的转型升级提供了强有力的支撑。在这种情况下,人们要认真思考和探索地理信息产业转型升级的背景、目标、途径和方法、驱动力等一系列问题。针对地理信息产业转型升级的背景问题,从如何认识地理信息产业和大数据入手,提出大数据的时空观和时空大数据的理论;针对地理信息产业转型升级的目标问题,提出时空大数据平台理论和“通用时空大数据平台+”模式,通过军民融合实现时空大数据产业化,使之成为地理信息产业的转型升级版;针对地理信息产业转型升级的途径和方法问题,提出构建时空大数据平台的技术体制和技术方法,探讨从基础研究起步的时空大数据产业化之路,构建由硬件产品、软件产品、软硬件集成产品和各类（种）数据产品组成的时空大数据产品体系;针对地理信息产业转型升级的驱动力问题,探讨人工智能技术将成为地理信息产业转型升级的核心驱动力,并分析人工智能的算法、数据和计算能力三要素在时空大数据产业化中的作用及三者之间的关系。     

大数据处理技术在地理信息档案管理中的应用

分析了当前地理信息档案管理的现状及面临问题,介绍了HDFS文件管理系统、云存储、Elastic Search检索、非结构化数据、知识图谱等5种主流大数据处理技术,并针对当前大数据技术在省级地理信息档案资源大数据处理平台构建和基于地理信息档案的数据挖掘与知识发现这2方面的应用方向及带来收益进行了论述,得出大数据技术能够大幅提升地理信息档案资源管理的智能性。     

测绘大数据时代数据处理理论面临的挑战与发展

随着信息技术的发展、测绘大数据和人工智能的兴起,数据缺乏不再是一个问题。可是,现有的测绘数据处理技术一直追求数据的准确性(微观),而大数据研究则恰恰允许数据的混杂性、不确定性(宏观)。因此,尽管传统测绘数据处理理论在微观数据处理方面积累了大量的技术优势,而大数据的规模性和复杂性使得传统的计算模型和分析算法无法有效地支撑大数据的高效分析处理。作为开启智能时代"大门钥匙"的数据处理理论与方法,如何适应新技术的挑战与机遇是值得深入思考的问题。在大数据驱动下,大规模的数据挖掘、机器学习和深度学习等新思想和新方法正在蓬勃发展,极大地促进了场景内外多源异质大数据的融合,从而有效地从多种传感器数据中提取地表特征信息,不断提升测绘信息获取和分析能力。因此,测绘数据处理理论也需要同步跟进,现有的数据处理方法也需要进行智能化。结合智能测绘的前沿热点、发展趋势和存在的挑战,探索数据处理理论扩展的方向,一是希望能够推动测绘数据处理理论的进一步发展,二是希望为有兴趣研究测绘大数据领域的研究生提供学习参考。     

大数据与广义GIS

普适计算基础设施和数据处理技术的发展催生了大数据概念,而大数据时空粒度的不断细化加速了地理空间信息的泛化过程。阐述了大数据时代地理空间信息泛化的显著特征,进而提出GIS概念广义化的迫切需求,从数据采集与整理、数据管理与集成、数据分析与计算三个方面分析了广义GIS所面临的技术挑战,重点探讨了互联网蕴含地理空间数据采集、移动对象数据库和异构动态数据管理、移动对象轨迹数据挖掘、复杂网络分析等方面的研究进展与存在的问题,并展望了广义GIS时代地理计算与城市计算、社会计算的融合趋势。     

空间数据挖掘技术及其在数字矿山中的应用

随着数字矿山的不断深入与开展,矿区的历史与现实数据量会越积累越多,数据处理会越困难。如何及时有效地分析处理这些海量数据,从这些数据背后挖掘出隐藏着的重要信息,为矿区的安全生产起到决策与支持作用,数据挖掘也就应运而生。本文就是在分析空间数据挖掘的基本方法的基础上,针对矿区错综复杂的大量数据及需要解决的问题,对空间数据挖掘技术应用于矿山作了探讨。     

时空大数据处理的需求、应用与挑战

时空信息不仅是大数据的重要组成部分,更可被看成是大数据本身。从大数据时代时空信息处理面临的新需求出发,包括时空信息处理需要大数据平台、大数据库、新的快速计算模型和分析方法,以及时空信息安全和标准化等,阐述了时空信息和大数据相辅相成的紧密联系,并对当今时空大数据的应用和挑战举例分析,描述了现今时空大数据的典型应用及其处理技术存在的问题,并对如何解决和将来的发展方向提出了新的思路。     

大数据时代的空间数据挖掘综述

随着大数据时代的到来,数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题,介绍了国内外研究中利用大数据处理工具和云计算技术,在空间数据的存储、管理和挖掘算法等方面的做法,并指出了该类研究存在的不足。最后,探讨了空间数据挖掘的发展趋势。     

基于时空数据挖掘的城市体检评估方法与实践——以无锡市为例

时空数据挖掘作为当前研究的热点之一,为城市研究提供了新的思路和技术手段。本文以无锡市为例,利用手机信令数据、车辆轨迹实时数据、基础地理信息等多源异构时空数据,构建相应的数据挖掘模型,进行了职住平衡、区域联系度、交通拥堵等城市特征的挖掘与分析,构建多源数据挖掘的城市评估体系,探索了时空数据挖掘在城市体检评估中的应用,为城市规划和运行管理提供了科学评估与决策。     

地理大数据聚合的内涵、分类与框架

地理大数据是地理对象所产生的“足迹数据”,而地理大数据挖掘就是通过反演分析地理对象的“足迹数据”,揭示其中蕴含的人地关系及其时空模式。近年关于地理大数据的重大研究进展显示,其研究结论的取得大多需要借助多种大数据的信息综合。为此,本文提出研究地理大数据聚合的必要性：代表新的研究范式、产生新的研究视角、提升研究的全面性,并将地理大数据聚合定义为：不同地理大数据之间通过转换形成面向研究对象的多维数据集合。在阐述地理大数据分类和特点的基础上,将地理大数据聚合分为：时空聚合、面向对象聚合、面向主题聚合以及面向模型聚合四种类型。地理大数据聚合作为地理大数据挖掘的重要组成部分,其过程大致可以分为：确定内核—信息溯源—反演汇聚3个步骤,而其中的关键科学问题包括：统一时空框架和基准、统一数据表达与存储、匹配同一观测对象的多数据源、统一多源数据的时空范围、调和不同对象之间不同的变化速率、解决数据共享与隐私保护、大数据与小数据的聚合等。地理大数据聚合方法与技术的发展,将会拓展地方的感知、土地功能的识别、对人群的观测与理解、功能与流动之间关系、地表复杂巨系统等新领域的研究。     

GML时空序列模式相似性度量挖掘算法研究

随着GML规范的不断完善及广泛应用,大量的不同时期的GML空间数据开始累积。如何从GML时空数据（库）中提取知识,已成为当前空间数据挖掘亟待解决的热点问题。针对半结构化GML时空数据的特点,采用时空数据挖掘的理论与方法,探讨数种GML时空序列模式相似性度量挖掘算法。     

时空大数据面临的挑战与机遇

"大数据时代"的到来,正在改变着人们的工作、生活和思维方式。该文较全面地分析了目前大数据及其应用的研究现状,提出"时空大数据"的概念,并认为时空大数据就是时空数据与大数据的融合,并从大数据与时空大数据的背景、特征、本质和类型,分析了时空大数据带来的科学范式、时空信息传输和认知模型等方面的变化,同时对时空大数据的理论体系、技术体系和产品体系进行了探讨。     

浅谈大数据处理在油田GIS系统中的应用研究

在油田GIS系统中,"大数据"将信息集成与数据挖掘应用提升到一个全新的水平。通过分析油田数据库的特点,对油田GIS系统的架构进行了设计和分析。最后通过对海量数据的存储和管理、分布式并行计算的应用方法、基于SOA架构的信息共享、分片数据存储和发布等关键技术的原理和应用方式进行分析,提出了大数据处理在油田GIS系统中应用的方式和方法。     

基于大数据技术的自然资源数据快速更新体系研究

多源异构的自然资源数据具有显著的时空特性,传统的数据库难以解决这些数据的存储、管理和使用,时空大数据云平台提供了一种全新、有效的解决方案,利用Hyper-V技术搭建私有时空大数据云平台,提高了多源异构自然资源数据存储可靠性,时空大数据挖掘技术能够获取更多更有价值的信息,为山水林田湖草整体保护、系统修复、综合治理提供更有效的信息支撑。     

时空数据异常模式挖掘方法研究

正时空异常模式在时空数据中表现为偏离整体或局部时空分布的时空实体,可能隐含着潜在的重要信息,并代表了特殊的地理现象或地理过程。时空异常模式挖掘已成为时空数据挖掘与知识发现的重要研究内容,并在极端气候事件识别、环境监测、交通拥堵检测、犯罪和流行病爆发热点探测等众多领域得到了广泛应用。随着数据获取能力的提高,时空数据表现出多样、海量、动态、多尺度(或多分辨率)等特性,迫切需要针对不同类型的时空     

面向地理空间信息的轨迹模型及时空模式查询

轨迹数据处理与分析是目前空间信息和数据库等相关领域的研究热点之一。本文从Stop-Move轨迹模型出发,通过集成地理空间上下文信息来建模轨迹数据,并研究轨迹时空模式的查询处理技术。首先分析Stop/Move对象与点/线/面地理空间要素之间的时空关联关系,据此提出显式表达该关联语义的地理关联轨迹模型,在此基础上利用关系-对象数据库技术,为地理关联轨迹模型设计独立于应用的关系模式,接着定义轨迹时空模式查询,并提出基于地理关联轨迹关系模式的SQL处理框架,最后以典型性检索请求为例,讨论分析位置-时间、位置-顺序和位置-关系等三类轨迹时空模式查询的纯SQL处理技术,并以样例轨迹数据验证了本文方法的可行性。     

沈阳市时空大数据共享服务平台关键技术研究

沈阳市时空大数据共享服务平台基于数字沈阳地理空间框架,通过扩充多源时空数据的内容、功能和效能,面向智慧沈阳构建的地理信息大数据中心和地理信息共享服务平台。平台需要管理复杂、庞大的测绘成果数据,实现时空大数据的高效展示和应用。本文针对平台建设的问题,阐述了平台总体架构设计、数据资源组织和应用模式等关键技术。     

时空数据转换服务系统设计与应用

目前时空大数据的应用越来越广泛,但在非时空数据转换为时空数据时,存在人工依赖程度高、转换效率低等问题,且实现异构海量时空数据高效存储也是当前亟待解决的问题之一.通过重庆市时空大数据服务平台的建设实践,总结提出了4种时空数据转换模式;并通过研究流程转换自动化、时空大数据存储、时空大数据计算、时空大数据分析等关键技术,实现了从数据接入、转换、管理、分析、服务到数据应用的自动化全流程服务.     

面向大数据的空间数据挖掘综述

随着大数据时代的到来,海量空间数据与获取手段不足的矛盾日益显著,空间数据挖掘的地位日益提高。从大数据的含义出发,分析了空间数据与大数据的关系,回顾了传统空间数据挖掘存在的问题,最后从平台和算法两个方面探讨了空间大数据挖掘的最新研究进展。