GWR与STARMA结合的WMS响应时间时空预测模型

响应时间作为一项非功能性属性,是网络服务性能的重要度量指标。它直接影响了用户的服务体验,并在服务资源选择中扮演重要的角色。响应时间不仅受制于服务自身的软硬件性能,同时还受到用户访问时空分布差异性的影响,具有显著的不确定性,因此如何可靠地预测响应时间是一个难点。选取OGC WMS（web map service）为研究对象,通过全球多地分布式部署的监测系统获取服务响应时间,在分析WMS响应时间与时空因素的关联关系及其变化规律基础上,提出地理加权回归（geographical weighted regression,GWR）与时空自相关移动平均（spatial-temporal auto regressive and moving average,STARMA）相结合的WMS响应时间时空预测模型。该模型综合考虑了用户访问时空分异特征对WMS响应时间的影响,其中GWR部分描述服务响应时间的时空趋势,STARMA部分拟合时空序列局部随机扰动。通过将多个地区监测点不同时刻WMS响应时间的实测数据与模型预测值对比,验证了模型的有效性。实验表明,该模型的预测精度相比经典的平均值法AVG有较大的提升,同时较GWR模型和STARMA模型的精度有一定程度的改善。     

公共地图服务中访问热点区域的时空规律挖掘

公共地图服务的普及是人们步入数字生活、建设智慧城市的重要一步。如何准确地探测群体用户访问行为的时空聚集访问模式,将网络虚拟空间访问行为映射为现实世界行为,是提升公共地图服务和推动智慧城市建设的关键所在。探寻了群体用户访问公共地图服务产生的热点聚集区域的时间及空间规律,基于海量用户访问日志记录,结合分组分析、时间序列统计分析和时空三维图可视化方法,挖掘得出公共地图服务热点区域具有明显的以星期为单位的周期自相似特征,多数热点区域在周期内连续出现;基于箱形图和频率密度图的统计方法,分析得到热点区域间距在空间上呈“小间距多,大间距少”的聚集分布形态,且在不同的图层中热点区域间距分布迥异。公共地图服务用户访问时空规律揭示了用户行为意图,可将人类活动数字化,促进智慧城市建设中人地关系的发展。     

Mapstar外部命令的制作及其在地形图编制中的应用

Mapstar软件作为河南省第二轮1∶10 000 DLG更新的基本操作软件具有强大的开放性。它在系统目录下提供了外部文件供用户编写外部命令,用户可以根据需要参考属性参数列表在该目录下编写*.ecl文件,达到属性统改的目的,实现工具条中不能实现的功能,从而为地形图的编制提供较大的便捷,提高地形图编制的效率。     

扩展流数据立方体的GIS时空大数据组织方法

针对大数据GIS面临的大规模数据的多源异构动态性与数据存储优化等问题,本文开展大数据背景下的地理时空数据组织与模型研究,提出了一种基于流数据的可扩展立方体处理框架,在典型的流数据二维数据序列基础上,构建增加垂直方向的非结构数据立方体;结合立方体数据组织模型的定义和特征,探讨扩展关系型数据库与协同非关系型数据库的GIS时空大数据组织方法;通过扩展数据源、数据类型及数据操作等属性,突出多源异构地理时空大数据的时空关系和演变过程关系等特征,对地理时空大数据进行数据一体化组织、存储和分析;进而解决地理信息时空大数据的大体量、异构与动态性在GIS数据管理与分析方面的技术瓶颈,并且对GIS时空大数据的有效管理提供科学性方法和解决策略。     

基于时序数据库的空间数据处理

分析了空间数据和时间序列数据的基本概念,提出了引入时序数据库技术来解决传统数据库在处理海量数据时遇到的存储容量和访问效率方面的问题.使用时序数据库可以很好地解决目前时序数据所遇到的一些问题.最后介绍了一种特殊的时间序列数据库的技术架构和使用该架构时间序列数据库处理空间数据的相关案例.该种架构的时间序列数据库可以更好地处理时序数据和空间数据相结合的问题.     

微博数据挖掘的用户行为时空特征分析

针对国内既有研究对微博数据地理位置属性的关注主要集中在省域大尺度上,对微博发布时间考量不足且大多数都没有反映出地理位置随时间的变化问题,提出将微博数据的时间和空间属性结合起来,在城市中观尺度上综合分析用户行为时空特征并据此进行事件监测的方法。实验结果表明,通过格网化离散的微博数据对数据进行时空分析,可以发现用户日常行为的时空特征及其变化;通过全局自相关检验及局部自相关热点探测,依据微博热点区域的数量和属性变化可以正确发现事件所在地理位置。     

公共地图服务的群体用户访问行为时序特征模型及预测

群体用户对公共地图服务的访问行为具有社会性,存在着一定的群体访问行为模式。该模式具有高强度的访问聚集性与突发性,且决定着公共地图服务对云计算资源的需求。如何有效地表达和捕捉群体用户访问聚集性及其访问强度的时序变化特征,进行准确的公共地图服务负载预测,是实现按需选择和调度云计算资源,应对海量用户并发服务挑战的关键。本文基于海量的公共地图服务用户访问日志和时间序列聚类方法,建立了群体用户访问到达行为的时序分布模型;考虑降低负载预测复杂度的同时,利用访问强度具有多峰值、变强度以及周期性的特点,分割访问到达率在一个周期内时间序列上的模式区间,实现访问强度时序聚类划分的最优;基于各访问模式区间不同的访问到达概率密度的分布,提出了基于累积概率分布的时间序列平滑预测服务负载方法,该预测方法的算法复杂度低,且所需的先验数据量小。实验证明,本文提出的基于时序的群体用户访问到达率最优分割方法及其预测方法可以以较高的准确率预测服务负载。该方法在应对海量用户并发访问挑战的同时,可提高云计算资源的利用效率,解决公共地图服务质量与服务成本的平衡性问题。     

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。     

结合微博数据挖掘的时空特征分析

在大数据背景下处理海量数据时,数据的获取和分析手段至关重要。本文运用网络平台的开放接口API,对特定的地理区域和特定的用户采集包含时空信息的数据,建立了一个通过模拟登录自动发送网络请求,解析与提取返回数据,集数据采集、处理、入库于一体的微博数据采集系统;用微博数据的发布位置分布及集聚状态研究了用户的行为特征。试验表明,该方法可为事件发现、趋势预测、用户特征分析等方面提供信息。     

多时相空间信息的动态可视化方法的研究及应用

目前如何处理地理信息随时间变化的动态特性成为GIS的重要研究方向之一。本文设计和实现了用于多时相空间信息几何特征、属性特征、属性专题统计特征的动态可视化的一些方法,建立了一套矢量动态符号库用于在地图上展示时空数据的几何和属性信息随时间变化的动态特性,实现了一组专题统计动态图表用于展示时空数据的属性专题统计结果随时间变化的动态特性。     

融合空间尺度特征的时空序列预测建模方法

假定原始的时空数据由较大尺度下的全局趋势项与较小尺度下的局部偏差项构成,提出了融合空间尺度特性的时空序列建模方法。首先,将原始数据转换为较大尺度下的数据,此部分反映原始数据的趋势特征。然后,将趋势部分剔除,剩余部分反映原始数据的偏差特征。最后,用灰色系统模型和BP神经网络模型分别对趋势项和偏差项建模,它们的组合预测结果即为原始时空序列预测值。采用该方法对实际的年降水数据以及日平均PM2.5浓度数据进行预测建模分析,实验结果表明:融合空间尺度特性的时空序列预测模型可以用于多空间尺度预测,并且预测精度优于不考虑空间尺度特性的建模方法。     

基于时序数据库的CGSsafety系统设计与实现

地质调查安全保障(CGSsafety)系统对提升地质调查单位的安全生产管理和安全保障技术水平具有重要意义,然而传统的CGSsafety系统采用的关系型数据库受海量数据存储和高频次数据访问问题的制约,难以满足日益增加的北斗数据的存储和管理需求,也难以适应持久的、高性能负荷的数据存储、处理和快速读写需求.分析了CGSsafety系统对海量时空监测数据的存储和访问需求,基于时序数据库技术,阐述了CGSsafety系统的总体设计、功能实现和应用效果,从而解决了传统数据库在处理海量时空监测数据时遇到的存储容量和访问效率问题.     

面向动态关联数据的高效稀疏图索引方法

为了高效组织管理日益增加的智能感知和关联关系数据,满足多层次任务对多模态场景数据多维特征计算和关联挖掘的需求,针对现有树结构外存索引方法存在的磁盘I/O密集、处理效率低、对关联关系支持弱的瓶颈问题,提出了一种时空关系稀疏图索引方法。设计了一种基于内存图模型的时空索引结构,将多模态场景数据抽象为图的节点和边,支持时间、空间以及关联关系的高效组织,并基于稀疏矩阵进行时空关系图索引的内存表达和存储;以多维树索引为例进行了索引构建以及多模式查询试验。试验结果表明,本文方法在索引生成、时空查询和复杂时空关系查询效率等方面均优于对比方法,支持动态关联的多模态场景数据实时高性能处理和低延迟访问。     

基于FME的CAD与GIS数据转换研究

针对不同时期、不同格式基础地理信息数据间的差异以及常用转换方法的不足,研究了AutoCAD与ArcGIS的数据异构性和基于语义转换的映射关系,提出基于FME的CAD数据至GIS数据转换方法,通过构建FME Workbench转换模板实现了CAD数据至GIS数据的批量转换和处理。以某市地形图为源数据进行实例论证,实验结果表明,该方法确保了数据转换的科学性、精确性和完整性,在保证"无损"图面效果的同时传达了完整的图属关系,提高了数据入库效率,有利于解决当前大数据背景下制约海量时空信息高效处理与共享的壁垒问题。     

海量GNSS小文件云存储优化方法研究

GNSS数据量呈指数级趋势增长,Hadoop分布式文件系统（HDFS）解决了海量GNSS数据存储瓶颈的难题,却面临内存占用多、文件相关性差和缺乏优化机制的问题。针对HDFS处理海量GNSS小文件效率不高的问题,结合GNSS数据类型、特点以及存储过程,提出了一种新的GNSS小文件云存储方法,优化了GNSS小文件的写入、读取、添加和删除策略。该方法分别按观测文件和解算成果的类型进行合并,对合并后的文件构建压缩Trie树索引,索引切分后,根据匹配算法分布式地存储索引块。实验采用国际GNSS服务（IGS）28 d的数据和产品进行云存储优化。结果表明,该方法降低了各节点内存消耗,提高了海量GNSS小文件写入、读取和删除的效率,实现了对海量GNSS小文件的高效云存储。     

交通流量时空特征可视化分析——以海口市2017年5月至10月滴滴出行数据为例

滴滴出行数据中包含了丰富的用户位置信息、出行时空属性、用户行为规律与特征,通过对这些信息的深入分析与挖掘,并结合可视化技术,以图形图像的方式展示,有助于分析用户出行的规律.为了直观展示海口市交通流量动态变化,分析车辆出行的时空规律和交通出行路况,设计一个可视化分析系统.以日历图、径向柱状图等可视化方法为依据,结合可视化工具,从出行数据的不同维度着手分析海口市交通流量情况.该系统能够客观地反映海口市交通变化情况,可以为交通管理规划提供合理的依据.     

基于特征-版本的时空数据模型在湿地管理中的应用研究

讨论了传统时空数据模型的特点,设计了Geodatabase支持下的基于特征-版本的时空数据模型,并详细介绍了该模型的时态逻辑关系和存储结构。该模型节约了数据存储空间,有效保持地理现象的完整性,并具有较高的时空查询效率。针对扎龙湿地,构建了湿地时空数据库,并设计扎龙湿地时态地理信息系统,实现历史重构、地理对象发展与回溯、时空复合查询等功能,有效完成湿地时空数据的管理任务。     

时空数据的动态关联技术研究

为了检测时空数据之间的发展变化关系,本文研究时空数据的动态关联技术,提出了一种动态关联算法和一种基本的时空变化类型。该算法用几何特征和属性特征相结合的方法进行匹配和变化检测,可以匹配时空对象并自动提取变化情况,能够解决一对一、一对多、多对一和多对多的变化关系,并且可以检测出时空对象的移动变化情况。     

版本差量式时空数据模型研究

时空数据模型是时态地理信息系统的关键和核心。本文在分析国内外已有研究成果的基础上,结合国家基础测绘项目,提出了“版本-差量”式时空数据模型,采用“版本管理-动态关联”以及“动态分级索引”技术实现时态地理数据的存储管理和查询检索。该模型能有效降低数据冗余,提高数据访问效率。     

基于数据缓存的影像数据库的设计与实现

针对影像数据库中数据获取效率低,对系统配置、网络带宽要求高等问题,提出了基于数据缓存的影像数据库管理方式。从体系结构、数据库存储结构以及数据缓存结构3个方面对该方案进行详细说明。实践证明,该方案能够有效地管理海量影像数据,在不影响影像数据共享的前提下,减少了用户与服务器的交互次数,降低了对网络带宽、计算机性能的要求,提高了数据获取的效率。