MySQL集群与MPI的并行空间分析系统设计与实验

 GIS应用正面对空间数据规模日益增加和空间分析算法复杂度逐渐提高的挑战,本文提出一种基于MySQL空间数据库集群与MPI的并行计算库分布式空间分析框架的解决方案。该框架使用MySQL空间数据库集群解决大量空间数据存储与管理问题,利用MySQL Spatial的Replication机制加强空间数据的冗余备份和并发访问控制,同时使用MPI负责分布式计算节点间的通信减少人工控制通信的开发成本。并行框架的任务管理与调度系统采用优先队列式管理,通过Master节点监控集群状态,合理分发计算任务实现负载均衡和容错。最后,以多边形Overlay算法为例,研究其在该并行空间分析系统下的并行策略,采用数据并行的管道流水线作业方式在框架中运行测试,结果表明,该并行框架相比串行算法可以得到可靠的加速比。     

分治法在GIS多边形快速合并算法中的应用及效率提升评价模型

分治法采用分解-解决-合并的问题处理模式,应用于多边形合并算法能规避结点累积效应,与经典的“滚雪球”处理模式相比能有效提升多边形合并算法的计算效率。本文以多边形合并算法为研究对象,首先通过分析基于Vatti算法实现的多边形合并算子的效率相对于多边形顶点数的变化特征,指出合并过程中的结点累积效应是“滚雪球”多边形合并模式的潜在性能瓶颈和隐患。考虑分治法的“分而治之”思想在解决多边形合并问题上的适用性以及在归并排序算法中表现出的高效率,提出分治法的多边形“树状”合并处理模式,实现了面向要素集合或者要素层的多边形快速合并算法,最后给出了面向多边形合并的算法效率提升评价模型。实验结果显示,当仅有400个多边形时,“滚雪球”模式的时间开销约是“树状”合并模式的26倍,当需要合并11 200个多边形时,前者的时间开销约是后者的926倍。因此,基于分治法的多边形树状合并策略是对多边形合并算法以及应用到多边形合并算法的高级空间分析算法进行优化的可行途径。     

基于集群MPI的图层级多边形并行合并算法

在集群环境下,基于MPI并行编程模型和OGC简单要素规范进行并行多边形合并时,需要处理叠加图层间要素的“多对多”映射关系,由于空间上相邻的多边形在要素序列上并不一定连续,导致无法按要素序列为子节点分配任务,给并行任务映射带来了困难。本文以集群环境下的并行多边形合并算法为研究对象,通过比较叠加分析中两种多边形映射关系对算法并行化带来的影响,基于R树空间索引、MySQL精确空间查询,以及MPI通信机制,提出了6种不同的并行任务映射策略;通过实验分析和比较了6种策略的优劣。结果显示：基于R树预筛选的直接合并策略,在各算法中具有最高的串行计算效率和优秀的并行性能表现。虽然MySQL精确空间查询的预筛选过程较为耗时,但可有效地过滤掉不真正相交的多边形,从而提高合并操作的效率。因此,在集群MPI环境下,基于R树和MySQL精确空间查询的预筛选策略是解决并行任务映射难题,实现图层级多边形并行合并算法的有效途径。     

基于数据分治与双层索引的并行点面叠加分析方法研究

地图叠加分析是一种计算密集型算法,并行化计算是加快算法执行速度的一种有效方法。该文研究分布式环境下的点面图层并行化叠加分析方法与实现。首先根据点面叠加的特点设置并行数据分解的方式,基于分治法分解空间数据,在并行系统下将地理要素分而治之。然后引入双层索引的并行叠加机制,一是对面图层根据Hilbert空间索引的排序方式分发数据,二是对点图层建立四叉树索引,对每一个进行相交运算的多边形进行快速过滤和求交。最后在Linux集群系统下实现该并行算法,其一利用MPI分布式计算环境实现在整体计算框架下的消息通讯模式的并行,其二在每个子节点中实现基于多核OpenMP工具的本地并行化。结果表明,利用双层空间索引分治的方法可实现并行数据分块,各子节点实现独立计算,减少并行系统中的I/O冲突,并行加速比明显。该方法对矢量地图运算的并行化进行了有益的尝试,为大数据时代的空间数据分析提供一种有效的途径。     

基于深度学习和形态学的海底沙波谷线提取

为了提高基于侧扫声纳图像提取海底沙波谷线这种类别不均衡线状地物的精度,提出了一种深度学习与数学形态学相结合的方法。该方法采用Dice损失函数和添加批标准化(batch normalization, BN),对U型卷积神经网络模型(U-Net)进行改进;结合数学形态学中的闭运算和骨架法,对沙波谷线轮廓进行修复并提取线性特征;进一步将改进的U-Net模型与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)、面向对象分类以及U-Net模型进行精度对比验证。结果表明：改进的U-Net模型能够解决类别不均衡的问题,实现沙波谷线的高精度提取,该方法对海底沙波的研究具有重要的科学与工程应用价值。     

数字地图要素样式结构化存储表达研究与实现

研究数字地图要素样式结构化存储问题,分析目前国内外最新研究进展和各种实现方式的优缺点。从地图要素样式共享的目的入手,探索遵循国际标准的样式实现方案;设计并使用XML的结构化可扩展特性,借助元编程的最新理念和Java编程语言实现兼容SLD标准的地图样式表达和存储机制。实验中定义了点、线、填充、字体等各种地图符号的XML表达形式,并与SLD主题样式相对应,与其他地图样式的转换操作表明,该模式可以实现地图要素样式的自定义设计和共享传播。     

RaPC:一种基于栅格化思想的多边形裁剪算法及其误差分析

传统的基于矢量计算的多边形裁剪算法的时间复杂度介于O(Nlog N)~O(N2)之间,且计算过程与特定的复杂数据结构耦合紧密,难以进行底层优化和细粒度并行化。在满足一定误差要求的前提下,采用栅格化处理思想可以实现多边形快速裁剪。本文在已有多边形裁剪算法特征的基础上,提出了一种基于栅格化处理思想的多边形裁剪算法——RaPC算法,并对其误差进行了分析和讨论。试验结果显示,RaPC算法的计算效率随网格单元增大呈幂函数规律降低;当网格大小恒定时,RaPC算法效率随多边形顶点数量呈线性增长,计算时间复杂度为O(N);在处理小数据集时Vatti算法表现出了较高效率,但是在处理包含大量顶点的多边形叠加时,RaPC算法更为高效;RaPC算法的面积误差与网格大小直接相关,提高网格空间分辨率可以有效地降低面积误差。RaPC算法在处理包含大量顶点的多边形叠加分析时比Vatti算法更为高效。     

并行化矢量多边形叠加算法研究

正空间数据规模的快速增长对传统地学分析方法提出了更高的计算效率和处理规模要求。作为核心的空间分析算法之一,矢量多边形叠加分析具有典型的高算法复杂性和计算密集性特征。随着计算机硬件和软件技术的进步,并行计算为提高多边形叠加分析的计算效率,扩大问题处理规模提供了有效手段。研究面向新型计算架构的多边形并行叠加分析算法对完善高性能GIS理论研究和实现方法,提升传统地学分析算法的计算效率具有重要的理论价值和实践意义。本论文针对多边形非拓扑叠加算法的并行化问题,在多种高性能计算环境下解决了     

测绘工程专业本科教育的对比分析

以武汉大学和山东理工大学测绘工程本科专业的人才培养方案为例,从培养目标、课程体系设置、实践环节等多个方面进行对比,总结了各自的定位优势和培养特色,分析了山东理工大学测绘工程专业人才培养的特点与不足,提出了今后的改革思路。