Geohash-Trees:一种用于组织大规模轨迹的自适应索引

蕴含着挖掘价值的轨迹数据分布在世界各地,且规模庞大。如何在全球范围内组织轨迹数据并支持高效范围查询成为难题。一种自适应索引组织框架被提出来管理查询全球范围大规模轨迹数据集,其基本思想为:针对不同轨迹数据集,根据Geohash编码,生成层数最深的Geohash格网覆盖住整个轨迹数据集范围;以格网作为根节点,生成Geohash-Trees;为了加快查询定位到对应索引,根据编码前缀相同的特点设计了字典查询树。Geohash-Trees是一种基于格网划分的空间索引,它能够根据轨迹密度自适应使用多种剖分策略划分空间,提高范围查询效率。为了支持索引动态更新,设计了增量插入和更新算法。同时,该索引被移植到商用数据库Oracle中,利用数据库性能高效管理查询轨迹数据。实验结果表明,该方法在范围查询以及占用空间等方面明显优于Oracle内置的R树索引。     

大规模轨迹数据的Geohash编码组织及高效范围查询

面向成熟的关系-对象型空间数据库,利用Geohash编码的唯一性、一维性和递归性等特征,提出了一种基于Geohash编码的大规模轨迹数据组织方法及范围查询技术。该方法结合Geohash编码和B+树索引,设计了适应不同尺度范围查询的大规模轨迹数据的关系组织模式,并给出了相应的两阶段查询处理算法,同时提出了一种Z合并优化,以进一步提高范围查询的处理效率。实验结果表明,此方法适合于组织管理与查询分析大规模的轨迹数据,其范围查询性能高于内置的R树索引。     

基于地理空间感知型表征学习的轨迹相似度计算

度量轨迹间的相似性不仅是一项基础的研究问题,同时也为众多轨迹数据挖掘应用提供支持。传统相似性度量方法面临数据噪声敏感、算法效率低等问题,难以进行大规模数据计算。当前研究开始尝试使用深度表征学习方法,将高维轨迹数据映射到低维向量空间,通过度量表征间的距离高效地完成相似度计算任务。本文在轨迹表征学习中引入Transformer机制,提出了一种地理空间感知的深度轨迹表征学习方法。首先,使用Geohash编码将二维空间坐标点转换为一维编码序列,使轨迹点在嵌入过程中保留空间相关性。然后,引入Transformer框架构建轨迹表征的深度学习模型,并采用一种隐轨迹点训练模式,以保证模型能从低频、噪声的数据中习得更稳健的向量表示。最后,设计了一个空间感知损失函数,通过距离因子调整模型误差,拉近空间相近轨迹的表征。试验表明,本文方法在轨迹相似性计算任务中超越了基准模型,并且计算效率远高于传统度量方法。     

Geohash编码的周边查找算法优化

周边查找是一项地理空间分析功能,用于从大范围的海量地理要素中检索出局部的地理要素。基于Geohash网格的空间索引可以很容易地实现周边查找算法。但是目前基于Geohash的周边查找算法在网格筛选过程中存在一些低效的情况。在阐述前人利用Geohash实现周边查找的算法基础上,提出了一些针对网格筛选环节的算法优化策略,进一步提高了周边查找效率。     

数字城市地理空间框架元数据应用系统设计与实现

随着数字城市空间框架建设不断深入,框架数据的元数据应用系统的建设迫在眉睫。文中提出了面向对象的数字城市地理空间框架元数据管理模式,设计并实现了数字城市地理空间框架元数据应用系统,较好地解决了不同层次框架数据的管理分散、检索困难、服务调用复杂等难题。     

面向分布式列式存储的轨迹大数据k近邻查询

针对轨迹大数据的高效点-轨迹k近邻(point to trajectory k nearest neighbor, P2T_k NN)查询处理需求,提出了一种融合时空剖分和轨迹分段的轨迹组织方法,其核心思想是在对轨迹作时间剖分的基础上,利用离散全球网格系统(discrete global grid system, DGGS)在空间上进行再次剖分,从而利用两次剖分得到的时空单元编码来索引落入其中的轨迹片段。在此基础上利用分布式列式存储技术设计了面向轨迹大数据的P2T_k NN查询处理框架,提出了一种顾及轨迹数据空间分布的自适应空间单元搜索算法,即通过分析轨迹数据在给定时间约束下的空间分异特征,动态调整空间单元的搜索步长,从而提升了轨迹稀疏区域的处理效率。针对亿级轨迹的实验结果表明,该方法适用于轨迹大数据的P2T_k NN查询处理,在轨迹稠密与稀疏区域的平均查询响应时间均小于1 s。     

多维度轨迹数据的SQL时空查询方法

轨迹数据包含了时间、空间和身份属性等要素信息,数据量大且复杂,分析难度高。面对如此多维度并且数据量庞大的数据,分析前的数据抽稀、检索是必要的。通过SQL时空查询的方法进行轨迹数据的检索,选择合适的可视化方法,尽可能精准地筛选出兴趣轨迹数据,可以更大程度地支持大众用户对轨迹数据的分析需求。     

BIM及空间大数据技术支持下的铁路隧道施工数据管理

针对铁路隧道施工项目海量异构数据存储困难、信息不共享、展示不直观、数据价值利用不充分等问题,本文利用BIM及空间大数据技术,研究探讨了隧道施工项目海量异构数据的分布式存储、网络共享、三维查询、智能分析决策等技术,实现了隧道施工项目高效的信息化管理;提出了铁路隧道BIM三维模型动态建立的技术方案,设计了隧道施工管理空间大数据的云平台框架,研发了一套铁路隧道施工空间大数据管理应用云平台;通过对平台的成功开发与应用,验证了框架体系的可行性,提高了隧道施工项目管理的信息化水平。     

北斗网格空间关联模型及其支持的兴趣点快速检索

针对传统地理大数据的组织存储模式无法满足兴趣点(POI)相关的经纬度和地名的快速检索及其关联检索新需求的问题，该文提出了基于北斗网格码的空间关联模型，使用Neo4j图数据库对地理大数据进行组织与存储，降低了地理大数据关联难度；设计了基于该文空间关联模型的空间数据检索策略，提升了空间数据关联检索速度。分别设计了行政区、矩形和圆形三种空间搜索的网格检索优化策略，开展了查询效率对比实验验证。结果表明，基于北斗网格空间关联模型的检索策略，在网格搜索文本关键字结合检索模式中检索效率明显提高，改善了不同数据量情形下的检索效率；在全文检索空间文本混合搜索模式中极大程度减少中间结果的数量，节省了计算量，同时保持结果按相似度排序，可应用于多种行业地理大数据的高效检索。     

村镇多源异构空间数据整合技术研究——以北京市吴雄寺村为例

针对村镇数字化管理的实际需求,本文研究并实现了包括数据建模、标准化处理、分级分类及地理编码统一、分类代码转换、属性结构规整、一致性处理和对象化处理在内的一整套数据整合方法与技术流程,并以北京市吴雄寺村为例,对该村多源数据进行了空间化整合,实现了北京市吴雄寺村地理空间框架数据的构建,因此本文阐述的数据整合技术今后可以在我国更多的村镇进行广泛应用。     

“数字成都”地理空间框架数据生产及关键技术探讨

"数字城市"地理空间框架建设的重点是通过对地理信息数据的整合,在共享与交换平台的基础上,为公共管理与社会公众提供服务。其中,数据建设是地理空间框架建设的基础。通过介绍"数字成都"地理空间框架项目中地理实体与电子地图的生产流程,并探讨了生产过程中存在的关键技术,对其他城市开展地理空间框架数据建设具有借鉴意义。     

基于全球剖分网格的空间数据编码方法

针对不同平台的空间数据编码规则各不相同、互不一致,导致关联检索困难的问题,提出了一种基于GeoSOT全球剖分网格的空间数据编码方法,探讨了其特点与优势,分析了编码生成效率和基于此编码的空间数据检索效率。试验结果表明:基于GeoSOT全球剖分网格的空间数据编码算法耗时短、效率高;与传统的基于经纬度和R-树的空间数据检索相比,基于GeoSOT编码的检索在关系型数据库中效率提高显著,且查询的空间范围越小,效果越明显。     

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。     

“数字北海”地理空间框架数据的组织方法

针对目前"数字北海"地理空间框架建设中存在的问题,提出了地理空间框架混合数据库数据组织方法,给出了"数字北海"地理空间框架数据的制作流程,对基础空间数据和专题数据进行统一组织,并实现了这些数据的关联一体化管理。     

时空轨迹多层级相似子段匹配方法

轨迹子段匹配是轨迹数据挖掘的重要手段,针对其计算复杂度较高、受噪声影响大的问题,提出了一种融合自适应希尔伯特地理网格编码的多层级轨迹编码树结构,在可接受的建树代价下,形成了从轨迹整段到最小片段的层次化组织形式和子段从属关系表达结构,并在轨迹片段编码树的基础上,设计了相似子段匹配算法,将复杂的空间计算转化为空间编码的字符串前缀匹配操作,极大地降低轨迹子段匹配的计算复杂度。实际轨迹数据的实验表明,在不影响匹配准确率的前提下,提出的子段匹配方法的效率与基于经典距离的相似性度量方法相比,有超过一个数量级的性能提升。     

Hilbert曲线层级演进关系

网格编码代数是当前全球空间网格研究中的难点,也是推动全球空间网格从数据组织管理框架发展成为新一代空间分析模型的理论基础。Hilbert曲线是设计全球空间网格单元编码的重要工具。本文以Hilbert曲线序列码作为八叉树立体网格单元的唯一编码,由Hilbert曲线数学性质推导得到网格单元Hilbert码的层级演进关系表,进而设计了用于网格编码代数运算的若干操作算子,为构建全球空间网格分析理论与方法提供参考。     

一种基于MPPQT的空间对象标识编码方法

空间对象标识是地理空间数据组织的关键,是空间数据存储和检索的基础。鉴于传统标识的局限性和Mercator投影金字塔四叉树MPPQT(Mercator Projection Pyramid QuadTree)层次剖分模型的全球连续性、多层次性以及剖分面片编码的全球唯一性,本文设计了一种基于MPPQT层次剖分标识的空间对象字符串编码方法。该编码由剖分面片编码、Hilbert的Base16编码和顺序码构成,编码长度最长36个字节,并具有一定的聚集特性。最后,以矢量数据组织为例进行了试验验证。结果表明,该模型能大大加快空间数据的查询与检索速度,为全球的空间对象分布式存储和并行处理提供支持。     

一种基于全球剖分网格的多源遥感数据空间关联方法

针对遥感数据具有多源化且数据量大等特征,同时缺乏统一的空间组织框架,对于数据间空间关联关系建立存在困难等问题,文章提出了基于全球剖分网格的多源遥感数据空间关联模型解决方法:首先采用GeoSOT剖分框架对多源遥感数据进行统一组织与管理,然后根据提出的"网格-数据块-数据"的三层组织概念模型,建立基于全球剖分网格的多源遥感数据空间关联模型;最后进行关联影像的表达实验。实验结果表明,该方法在一定程度上实现了多源遥感数据的结构化组织,有效建立了多源遥感数据的空间关联,并与传统的坐标系统建立对比分析,提高了数据利用的应用效能,整体上促进了遥感数据的使用效率。     

地理格网模型支持下的轨迹数据管理与分析框架：方法与应用

近年来,各类位置感知设备产生的轨迹数据被广泛应用于城市规划、智能交通、公共卫生、行为分析等各个领域,但是常规矢量表达方式及建立在其基础之上的分析算法的计算复杂度高,无法满足大规模轨迹数据的高时效性应用需求。针对上述问题,提出了基于地理格网模型的轨迹数据管理与分析框架,为轨迹数据挖掘的"表达-管理-分析-应用"全链条研究提供新的技术框架,主要包含地理格网模型、轨迹多尺度表达与组织、轨迹计算与分析、高性能计算技术、轨迹挖掘应用5部分。介绍了各部分的实现思路和方法,并阐述了格网模型与轨迹数据结合的优势,包括存储管理高效灵活、适合高性能计算技术和契合自动控制与智能计算需求等。以城市交通流多层级实时可视化和基于地理格网编码的相似性分析两个应用实例验证了该技术框架理论与技术方法的可靠性和有效性。     

地图空间形状认知的自编码器深度学习方法

形状是地理空间要素的重要特征,是人们建立空间概念、形成空间认知的重要依据.本文利用深度学习的特征挖掘能力引入自编码学习方法,对二维地图空间中形状边界上多组邻域尺寸下的多个特征进行集成和整合,为空间形状认知的机理和形式化提供支撑.本文以建筑物数据为例,将建筑物形状边界转换为序列数据,并提取其描述特征;随后结合sequence-to-sequence自编码学习模型,对无标签的建筑面要素数据进行学习训练,形成形状认知编码.试验表明,本文方法能够产生符合形状认知、具有相似度计算意义的形状编码,具备对不同建筑物形状的区分能力;同时,在形状检索和匹配等应用场景中,该形状编码能有效地表示建筑物的全局和局部特征,与视觉认知结果一致.