基于对象关系数据库的时空数据模型研究

一体化时空数据建模是新一代GIS理论与技术研究的重要基础。基于对象关系数据库探讨时空数据库的数据建模方法,提出综合考虑矢量和栅格数据一体化的时空数据模型。首先基于基本类型派生定义矢量和栅格抽象数据类型,在此基础上定义时空数据类型为一系列空间类型的时间片序列。该抽象数据类型的定义包括其数据对象和相关操作,将其嵌入对象关系数据库中,扩展其时空数据的存储和查询能力。利用该数据模型,可以统一考虑矢量和栅格数据,建立基于对象关系的时空数据库,并支持矢量—栅格一体化时空数据访问和操作,进而对新一代GIS技术的研究与实现起到重要支撑作用。     

对象关系数据库中的时空索引机制研究

时空数据库是近年来地理信息科学与数据库技术领域研究和应用的热点,其中时空数据模型和时空数据索引技术是时空数据库的关键。为了提高时空数据库查询处理的效率,在基于时间片的连续快照模型基础上,改进了PP-TPR树索引。该索引技术不仅可以处理普通的空间查询（点查询和范围查询）,在时间维度上还可以支持单纯时间维度的查询、历史状态查询、预期状态查询以及时空一体化的复杂查询。在实例研究中,采用对象关系数据库PostgreSQL作为时空数据类型和时空数据索引的实现平台,初步验证了上述时空索引技术的有效性和实用性。     

基于对象关系数据库的扩展网络分析模型研究

网络分析作为地理信息系统的一个重要功能，已经在许多领域广泛应用。随着应用的深入，对网络分析也提出了更高的要求，如节点权值、边双向权值和转向权值等。该文总结了在工程应用中对网络分析功能的需求，然后从满足这些需求出发，提出了基于对象关系数据库的扩展网络分析模型，并用组件技术加以实现。     

基于关系数据库的CA模型扩展和时空模拟实验研究

具备时空计算特征的元胞自动机（CA）模型与地理信息系统（GIS）集成在地理过程模拟方面具有很大的优势，但标准CA在邻居规则等方面的严格定义制约了CA对真实世界的模拟能力，在分析了元胞空间关系和元胞邻居描述的基础上，该文提出元胞邻居不仅存在几何空间上的邻接形式，还存在空间上不邻接但属性上相关的邻居形式，传统思路的模型扩展很难完全解决CA的局限性，基于关系数据库来定义和选择元胞邻居是一种有益的理论尝试，以时空为载体的文化革新扩散系统具有多空间扩散形式和遗传特征，相对于标准CA基于关系数据库的CA扩展模型可以更真实地对其进行时空模拟，笔者以服装传播为典型案例做实验研究，取得了比较满意的实验结果，认为基于关系数据库的CA扩展模型比较适用于具有多空间扩散形式的复杂系统的过程模拟。     

基于关系数据库的CA模型扩展和时空模拟实验研究

具备时空计算特征的元胞自动机 (CA)模型与地理信息系统 (GIS)集成在地理过程模拟方面具有很大的优势 ,但标准CA在邻居规则等方面的严格定义制约了CA对真实世界的模拟能力。在分析了元胞空间关系和元胞邻居描述的基础上 ,该文提出元胞邻居不仅存在几何空间上的邻接形式 ,还存在空间上不邻接但属性上相关的邻居形式。传统思路的模型扩展很难完全解决CA的局限性 ,基于关系数据库来定义和选择元胞邻居是一种有益的理论尝试。以时空为载体的文化革新扩散系统具有多空间扩散形式和遗传特征 ,相对于标准CA基于关系数据库的CA扩展模型可以更真实地对其进行时空模拟 ,笔者以服装传播为典型案例做实验研究 ,取得了比较满意的实验结果。认为基于关系数据库的CA扩展模型比较适用于具有多空间扩散形式的复杂系统的过程模拟。     

面向对象的时空数据模型及其实现技术

在基于时间片的连续快照模型基础上,基于OpenGIS定义的几何类型扩充了时态类型,构建面向对象的时空数据模型,定义其抽象数据类型及相关操作;并采用对象关系数据库PostgreSQL作为实现平台,扩展其存储和查询能力。通过实例验证了上述模型及实现方法的有效性和实用性。     

空间运动对象与时空数据类型研究

当前时空数据模型多以描述空间实体的离散变化为主。该文中对空间运动对象在抽象层次的无限连续空间、离散层次的有限离散空间上的数据类型进行分析和定义，将其分别划分为时间类型、空间类型和时态类型来研究，并提出支持空间运动对象的表示方法和操作方式。该方法既能表示空间实体的连续运动，也能表示其离散变化，为空间运动对象时空数据模型的建立奠定了基础。     

基于多粒度时空对象数据模型的高速公路智能监控系统建模

多粒度时空对象数据模型更注重现实世界复杂、动态现象的表达,能更好地应用于智能设施管理和智能决策支持系统。该文基于多粒度时空对象数据模型及其建模理论,对高速公路智能监控系统中实体对象的特征和关系进行概念建模,设计数据存储方案,开发高速公路智能监控多粒度时空对象建模原型系统,并验证数据模型的实用性。结果表明:多粒度时空对象数据模型可以很好地支撑高速公路智能监控系统中动态智能实体及实体间复杂关系的表达、管理和分析,实现对路情的智能分析与决策。     

基于对象—事件—过程的时空数据模型及其应用

根据地理本体思想,提出和构建了基于对象—事件—过程的面向对象的时空数据模型.该模型基于3个基本地理实体类型:地理对象、地理事件和地理过程,三者基于地理本体的特性,本体化地表达和概括了地理现象和事物.该模型能有效地描述和表达复杂的地理动态现象和事物,能增强性的探讨和表征地理现象发生和发展的内在关联.甚者,鉴于描述和表达三者的侧重点不同,该模型可灵动性地整合或拆分成其它时空数据模型,不失为一种通用的时空数据模型.最后,以动态变化的海冰为例,验证了模型的可行性和有效性.     

地理学时空数据分析方法

随着地理空间观测数据的多年积累,地球环境、社会和健康数据监测能力的增强,地理信息系统和计算机网络的发展,时空数据集大量生成,时空数据分析实践呈现快速增长。本文对此进行了分析和归纳,总结了时空数据分析的7类主要方法,包括：时空数据可视化,目的是通过视觉启发假设和选择分析模型;空间统计指标的时序分析,反映空间格局随时间变化;时空变化指标,体现时空变化的综合统计量;时空格局和异常探测,揭示时空过程的不变和变化部分;时空插值,以获得未抽样点的数值;时空回归,建立因变量和解释变量之间的统计关系;时空过程建模,建立时空过程的机理数学模型;时空演化树,利用空间数据重建时空演化路径。通过简述这些方法的基本原理、输入输出、适用条件以及软件实现,为时空数据分析提供工具和方法手段。     

一种基于事件的双序列时空数据模型

针对现有时空数据模型研究中存在的诸多不足,特别是基于事件的时空模型缺乏以空间对象个体为单位的时空变化贯穿式表达能力等缺点,提出一种基于事件的双序列时空数据模型,将状态变化与空间对象的变化用双重序列表达,用序列存储对象的变化解决了现有时空数据模型基于空间对象个体时空变化信息表达能力弱的问题。实验表明,该模型可有效用于时空数据管理。     

时空数据模型的研究现状与展望

分析了时空表达与建模理论的5个发展阶段:基于静态数据模型扩展、面向对象表达、基于对象变化(事件序列)、时空集成和以过程为核心的时空数据模型;阐述了时空数据模型在时空动态语义、地理时空认知表达和地球信息科学解决的基本问题方面的研究现状,并指出由于现有时空数据模型主要以地理实体存在状态的对象视图或事件视图(而不是演变特性的过程视图)作为表达载体,割裂了其内在联系,无法实现复杂地理实体的时空语义描述和动态过程分析。最后,提出以地理实体演变为核心的时空语义描述方法和融入地理对象、变化机制、对象变化的时空动态表达将是时空表达与建模理论的发展趋势。     

基于对象的GIS时空数据模型设计方法

GIS时空数据模型是描述空间实体的时间特性和空间特性的有机体,是GIS存储、再现、分析动态的现实世界的基础.该文采用面向对象的思想将地理实体抽象为空间对象,对空间对象的空间几何信息、属性信息、时间信息进行封装,提出了基于对象的GIS时空数据模型的构建方法.重点探讨了基于对象的地理实体描述方法、空间对象的时态特征和时态数据的存储方法,为时空信息的有机集成、共享管理、决策分析与应用提供了关于时空数据组织与管理模式的新思路.     

城市居民时空行为序列模式挖掘方法

通过问卷调查获得北京市500个家庭的活动日志数据.运用序列比对方法对时空行为序列数据进行序列模式挖掘,对每类序列模式通过频繁模式挖掘出其中潜在有用的行为模式.试验结果表明,序列比对方法与频繁模式挖掘相结合在城市居民行为模式分析中应用成功,其弥补了传统数据分析方法的不足,为复杂时空行为数据的分析提供了一种新视角.     

动态GIS数据对象模型探讨

动态地理信息系统(Spatial-Temporal Geographical Information System)是GIS的必然发展趋势,是实现动态数字地球的关键技术。静态3D GIS的技术已经成熟,而将时间维加上后形成4D的TGIS还处于数据模型研究阶段,主要原因是超海量数据的存取和查询问题仍然没有完全解决。在对已存在的数据模型进行探讨并在此基础上进行深度综合研究,提出了新的观点:结合快照模型的简单易行性和面向对象模型的方便灵活性,同时避开快照模型的不一致性和冗余性,以及面向对象的复杂性,形成复合的基于快照方式的面向对象模型。它将是一种实用的TGIS数据模型,在对时间属性的处理方面采用独到的方法:首先按照时间片进行分层,建立一个基数据,然后通过快照方式产生缓冲数据,经过比较形成一个以对象变化为主的带有时间戳的新数据层,最后再通过其变化函数将离散的时间层连接起来,形成一个有机连续的数据库。这样,在数据存储方面,节省了很多空间;在查询分析方面,使以对象变化分层的数据算法更容易实现,同时可以实现对象的历史回放功能。此理论方法有效地对TGIS难点进行大胆探讨并通过自动元胞机理论(CA)予以证明。     

基于GIS的区域群发性降雨型滑坡时空预报研究

以滑坡灾害突出的雅安市雨城区为例,综合考虑降雨强度、前期降雨量及下垫面(地形、岩性、植被覆盖等)构建了基于GIS分析获取的易发指数+BP型神经网络时空预报模型。首先通过试验确定了模型的网络参数和网络结构,然后通过危险性区划图获取降雨型滑坡易发指数,并利用GIS的空间插值功能和雨量站数据获取相应降雨型滑坡的雨量数据,将量化后下垫面的易发指数和降雨数据作为神经元输入层数据。将模型应用于研究区,其中46个降雨型滑坡数据作为训练样本,10个降雨型滑坡数据作为检验样本,预测精度达到90%,显示该模型对于降雨型滑坡的时空预报精度较高。