MFSTR-tree：面向Argo海洋浮标的时空数据索引

针对Argo海洋浮标数据的准实时性、海量性、时空异变性等特点和多种查询应用需求,分析了当前时空索引方法的优势与不足,提出了一种多频率STR-tree索引与格网索引的混合索引结构MFSTR-tree。该方法在首先轨迹束层利用动态轨迹束作为叶节点生成STR-tree结构,将STR-tree索引结构灵活、数据冗余少的优势进一步扩大;接着通过轨迹束的多种频率在采样点层构建格网索引,实现在查询效率上的提升;同时给出了该结构插入算法和查询算法的具体描述。本文以中国Argo实时资料中心提供的2015年海洋浮标数据为例,将该方法与HR-tree和STR-tree方法进行了构建效率和查询效率的对比实验,结果表明该方法在保证了构建存储效率和时间效率的同时,有效改善了原有STR-tree应用于Argo数据中的查询效率问题。     

基于Shapefile的基态修正模型设计与实现

 本文通过对Shapefile文件进行扩展,使用改进的基态修正模型,构建了一种ArcGIS的时空数据模型,支持对时空变化过程的存储、分析和模拟,同时支持传统的GIS空间分析功能。本研究还设计和实现了一种基于多时态矢量数据集的时空数据变化过程发现和时空数据转换算法,此算法可以自动提取多个时态之间的变化过程,将多时态数据转换成基于Shapefile的时空数据模型存储。鉴于该数据模型,设计和实现了时空数据的快照恢复、变化查询、历史演化分析和数据更新方法,验证了模型的可应用性。     

基于特征的海洋锋线过程时空数据模型分析与应用

客观世界存在时空场,大部分地理实体或现象在时空域具有动态变化特性,其空间、时间和属性是过程的统一体,传统的GIS时空数据模型在描述、表达、组织与分析这类数据时面临许多挑战。然而,基于特征的数据模型和以过程为对象的时空数据组织在动态数据的描述与表达的方面具有独特的优势。本文探讨了基于特征的线过程时空数据模型组织的六元组框架体系,实现空间、时间和属性的一体化存储和地理实体的动态分析。在分析线时空过程特性的基础上,归纳总结出3大类12个类别的线过程,进一步提出了基于特征的线过程时空数据模型(Feature-based Line Process Spatio-temporal Data Model)的概念;利用文件层次分块结构对时空线过程数据进行了组织与存储。最后以海洋锋为实例,探讨了该模型在时空数据组织、时空查询、时空过程提取和时空过程可视化等方面的应用。结果表明,该模型能够很好地应用于具有时空过程特性的线数据中,也为时空数据模型的总体设计提供借鉴。     

改进基于事件的时空数据模型

本文回顾了基于状态的时空数据模型和基于事件的时空数据模型。为了完整记录下时空的变化过程,有利于时空过程的查询,论文针对栅格数据提出了一种改进基于事件的时空数据模型。该模型完整地记录下地理现象的变化过程,并将地图数据的当前状态作为基图。由于大多应用中对现状图调用的最多,所以将现状图作为基图改进了系统的运行效率。最后,为了体现模型查询变化信息的优势,文章分析了一些时空查询实例。     

船舶轨迹数据的Geodatabase管理方法

 船舶轨迹的自动观测记录已进入了大数据时代,其呈爆炸式增长的趋势给传统的轨迹数据管理方式带来了巨大挑战。本文针对通用船舶自动识别系统(AIS)岸基网络中船舶轨迹数据上传频率高,数据量大,覆盖范围广的特点,首先,分析了当前常见船舶轨迹数据存储方法存在的缺陷,概括了船舶轨迹数据的特征并对其进行抽象建模,然后,在时空立方体模型的基础上,提出了从抽样时刻、步进时段到每日航次的三层组织框架的建模思想,设计了Geodatabase的网格化三级时空立方体模型,实现了海洋运输船舶轨迹观测记录的Geodatabase管理方法。通过我国AIS岸基网络(温州-汕头)单日观测数据的实例验证,表明该模型存储及时空查询性能良好,且具有轨迹数据存储、查询和空间分析一体化管理的独特优势。     

基于Petri网的时空拓扑关系研究

地理信息系统所产生的问题,很大程度上受数据类型设计与数据表现方法的影响,由3类数据：状态、事件与证据组成的时态地理信息系统,对这种影响更为明显。已有的时空数据模型只描述状态（如快照序列模型）或只描述事件（如基于事件的时空数据模型）,难以表达状态与事件间的因果关系。本文提出的基于Petri网的时空数据模型。能显式存储状态、事件以及状态与事件间的因果关系,其中Petri网的库所表达状态、变迁表达事件及有向弧表达状态与事件间的关系。最后用该模型对土地划拨中的变化进行了描述,表明能便于对事件和状态的查询,及对事件之间、状态之间以及事件与状态之间的时态关系的查询。     

时空数据模型及时空地理信息系统功能架构

地理信息系统(GIS)就其实质而言,是现实世界的一种数据抽象模型。但现有的GIS数据模型缺乏跟踪现实世界实体变化的能力,因为它只保存实体的现势数据,而对于各种历史状态数据则无法保存,是一种快照数据模型。随着地理信息系统在行业应用的普及和深入,人们开始认识到地理信息系统应该具有描述现实世界中各种时空变化的能力,既可以分析其过去,又可以预测其未来(发展趋势)。这种想法导致了时空地理信息系统和时空数据模型概念的提出。本文分析了时空数据建模方面的技术问题;并讨论了主要的建模方法。认为历史接续关系和时序刻画是时空建模的主要内容。     

基态修正模型的时空数据组织和快照查询方法研究

基态修正模型是目前应用较广的一种时空数据模型.本文分析了基态修正模型中的时空数据特点,采用shapefile文件作为基态数据文件,自主设计差文件格式来存储和组织变化数据.在此基础上设计了快照查询的算法、流程和查询结果的显示方法.为了给用户提供更直观、更充分的时空信息,本文提出了一种双屏幕多视图的时空数据显示模式.采用VC.NET从底层开发了一个时态地理信息系统平台,并以中南大学主校区的时空数据为实验数据对上述算法和模式进行了检验.实验表明,本文所设计的算法可行,快照显示模式能够提供更直观、更丰富、对比性强的信息内容,是时空信息显示的一种可行模式.     

地理信息系统研究新范式

随着大数据时代的到来,地理信息系统（GIS）的时空范畴、信息内容和应用场景都得到了前所未有的扩展,地理信息系统需要由例外处理的被动适应方式,转变为内核支持的主动扩展方式,将地理信息系统扩展为新一代时空信息系统。本文在分析地理信息系统本质是以地图数据模型为核心的信息系统的基础上,从研究对象、基本原理和技术方法3个方面总结梳理了地理信息系统研究范式,并分析阐述了时空信息扩展对地理信息系统研究范式的新要求。其次,在分析全空间信息系统（PSIS）认知模型与多粒度时空对象数据模型的基础上,归纳出全空间信息系统基于时空实体的理论与技术路线,并总结其在多个领域的实践与应用。然后,系统分析了全空间信息系统对地理信息系统研究对象、基本原理和技术方法的具体扩展方式,提出全空间信息系统研究范式。最后,总结梳理了全空间信息系统研究范式的基本内容,并与地理信息系统研究范式进行了核心内容的分析对比,展望了地理信息系统研究范式进阶将带来的影响和变化。     

基于多粒度时空对象的作战实体对象化建模研究

现代战争的军事作战数据来源广泛多样,目前对于军事作战的数据模型研究主要针对其时空属性进行描述,对于作战实体的多样化特征缺乏完整的表达,难以挖掘多维度的作战信息.多粒度时空对象建模是依照多粒度时空对象数据模型框架,将时空实体简化和抽象为数据模型,对复杂的现实世界进行概括与表达.本文在分析作战实体信息和特点的基础上,依托多...     

网络空间移动对象模型的应用与发展

海量移动对象轨迹数据的涌现促使移动对象数据库成为一个新兴的研究领域。网络空间是人与交通工具移动的主要空间范围,也是移动对象数据库领域最重要的研究空间。网络空间下的移动对象建模是交通科学、社会与城市计算的基础性关键技术。由于受到所依附的地理空间的限制,网络环境下的移动对象数据表达与自由空间相比具有很大的特殊性,面临新的挑战。本文分析了网络空间移动对象建模的基本需求,对20年来,业界提出的各种网络空间移动对象数据模型进行了系统回顾和分类,深入分析了各种网络空间移动对象数据模型的特征、优点与局限性,提出了现阶段网络空间移动对象数据建模需要关注的关键问题,并对未来研究方向进行了展望。     

利用MapReduce的异常轨迹检测并行算法

异常轨迹检测是移动对象数据挖掘的一个重要研究领域。TRAOD(TRAjectory Outlier Dectection Algorithm)算法是一种经典的异常轨迹检测算法,但它对于海量轨迹数据的异常检测效率低。为提高海量轨迹数据集的异常检测效率,本文提出了一种利用MapReduce 的异常轨迹检测并行算法(Parallel algorithm for TRAjectory Outlier Detection, PTRAOD),并在此基础上提出了网格索引的异常轨迹检测并行算法(Grid-based Parallel algorithmfor TRAjectory Outlier Dectection, GPTRAOD)。GPTRAOD算法在PTRAOD算法的基础上,利用网格索引实现区域查询,进一步提高算法效率。将PTRAOD算法和GPTRAOD算法在Hadoop 平台上加以实现,结果表明:本文提出的2 个并行检测算法,能实现异常轨迹的检测;GPTRAOD算法的效率优于PTRAOD算法;GPTRAOD算法具有较高的可扩展性和较好的加速比。     

点模式条件下的犯罪嫌疑人时空同现模式挖掘与分析

现有时空同现模式挖掘方法因其在空间和时间频繁阈值等参数值的设定上存在困难且缺乏客观依据的问题而难以被应用到犯罪地理研究中。为此,本文通过引入时空状态同现模式和最小时空参与率等概念对现有挖掘方法进行了重新建模,并结合广义Grubbs异常值检验提出了一种点模式分布下的犯罪嫌疑人时空同现模式挖掘框架。基于该框架对中国某省部分犯罪嫌疑人的真实移动轨迹数据的实验分析结果表明,本文所提出的方法能够有效地挖掘出嫌疑人间显著的时空同现模式,且这些模式的时空分布特征不仅与犯罪活动易发生在非农业生产区这一共识基本相符,还与日常活动理论的基本观点相适应。本文拓展了时空同现模式挖掘在犯罪地理研究中的应用,研究成果对公安机关等执法部门在重点监控某些犯罪嫌疑人以及合理分配和部署警力资源方面具有重要意义。     

基于众包的古琴名人时空信息采集与移动轨迹时空分析

古琴是中华民族的古老乐器,知名的古琴名人流传至今,但是由于古代历史书籍匮乏、记录不完整性以及古今地名歧义性等原因,导致无法收集完整的古琴名人移动轨迹数据。本文基于众包思想,构建基于WebGIS的古琴名人时空信息采集系统,着重解决古琴名人轨迹数据库和知识数据库的构建。基于众包数据,古琴名人时空信息采集系统对古琴名人轨迹进行可视化查询,动态展示古琴名人的二维与三维轨迹,并结合古琴知识图谱,实现古琴名人相关信息的智能化查询。古琴名人轨迹点时空核密度分析结果显示古琴名人移动轨迹与中国历史人口迁移趋势一致,且古琴名人倾向于停留在具有浓厚文化气息的历史名城与山水之地,从而有利于古琴文化的传承与发展。本文所采用的方法不仅可用于古琴名人,同样适用于其他历史名人或移动物体的轨迹采集。     

基于MPP架构的并行空间数据库原型系统的设计与实现

快速高效地查询信息是衡量当前空间数据库性能的重要指标之一。传统的单节点关系型空间数据管理方式难以满足大数据量空间数据查询的需求,特别是高性能的复杂空间多表连接任务需求。鉴此,本文设计并实现了基于Massive Parallel Processing（MPP）架构的并行空间数据库中间件原型系统。系统充分利用无共享（shared-nothing）架构的优势,特别是针对空间数据的特性,设计了并行空间数据划分与导入、并行空间多表连接、空间数据查询优化等算法与模型。首先介绍了近年来并行数据库系统的发展现状,接着阐述了基于MPP架构的并行空间数据库中间件系统的查询计划算法及其系统架构,最后作者对一些大规模数据量做查询实验及其查询结果分析。实验表明,在处理挖掘大规模数据量时,该系统有近似线性的加速比,相比于传统单节点数据库,它能充分提高海量空间数据的复杂查询的性能,解决了空间数据库并行化处理海量数据的问题。     

交通路况基态修正模型及其效率分析

 交通路况在时间上和空间上具有连续变化的特征,在时空维度上对交通路况进行高分辨率采样得到的数据,对研究交通路况的时空动态十分有利。但长时间大范围的高分辨率交通路况信息数据量巨大,给数据的组织和管理带来了困难。目前,尚没有一种成熟的时空数据模型对高时空分辨率交通路况数据进行高效(顾及数据存储与访问效率)的组织管理。本文提出一种基于线性参照系统的交通路况基态修正模型。此模型应用基态修正模型的基本思想,在时间维度上对交通路况数据进行无损压缩,又引入动态分段技术和线性参照系统,以路划作为交通路况载体,在空间维度上对交通路况数据进行压缩存储。利用成都市区真实交通路况数据,本文验证了此模型的有效性,比较了6种不同参数下交通路况基态修正模型的存储和访问效率,给出了最佳模型建议。     

利用终端位置时空转移概率预测通讯基站服务用户规模

基站服务用户数的预测对通信基站的空间位置选取、通讯服务带宽的配置优化等有重要作用,并为城市公共安全管理方面中的人群聚集预警与群体事件预防提供辅助决策支持。本文利用海量手机轨迹数据,运用时空转移概率定量化描述城市内不同区域间人群流动的时空特性,结合马尔可夫链和贝叶斯定理,构建手机用户群体在基站间的时空转移概率模型,并以此提出一种城市区域尺度上的基站服务用户数预测方法。利用湖北省某城市长达30 d的手机轨迹数据进行模型训练与预测方法验证,实验结果表明：在时间粒度为60 min时,本文提出的方法对8-22时各时段基站服务用户数预测准确率都大于94.8%;在不同时间粒度下对比本文方法、Castro模型、移动平均法,发现在时间粒度大于20 min时,本文方法预测准确率高于另外两种方法。     

语义轨迹建模与挖掘研究进展

语义轨迹是时空轨迹和语义信息融合的产物。除了含有时空信息以外,语义轨迹包括移动对象自身的运动状态（如速度、方向）、环境（如气温、空间拓扑关系）和社交关系（如好友关系、社交活动）等多方面信息。挖掘语义轨迹可以深入地发现个体或群体移动行为的意图、习惯、情感等高阶语义内容,从而深层次发现个体或群体移动行为的模式、关系和规律等。因而,相较于时空轨迹,语义轨迹在语义性、解释性、可行性等方面更符合决策分析应用的实践需求,具有更重要的研究意义和应用价值。本文对语义轨迹挖掘的关键技术进行了综述。首先,介绍语义轨迹的基本概念,并且根据语义元素类型的不同总结了4种常见的定义形式。其次,归纳了语义轨迹建模的基本阶段,包括预处理、轨迹分段和语义富化。由于语义轨迹无法像时空轨迹那样从位置感知设备中采集获得,因此语义轨迹是通过建模技术得到的,主要通过将语义信息和时空轨迹相融合生成相应的语义轨迹。然后,介绍语义轨迹挖掘的主要任务,包括语义轨迹模式挖掘、语义轨迹聚类、语义轨迹分类、语义轨迹异常检测等。针对每一项挖掘任务,介绍了有关的基本原理和相关算法,总结了主要的关键技术和挑战。最后,探讨了语义轨迹挖掘现存的研究难点和未来研究方向。从模型定义、语义标注技术、多源数据建模等方面,讨论了语义轨迹建模的重要研究问题;从语义轨迹数据管理、分类和预测、流式数据挖掘、隐私保护、多粒度挖掘、评价方法等方面,探讨了语义轨迹挖掘的未来研究问题。