GIS数据格式集成方法的探讨

通过论述GIS空间数据的组织形式和相关概念,对多源数据集成的方法进行了探讨,结合Oracle数据库在空间数据方面的特性,提出了利用Oracle Spatial技术进行数据集成和转换的方法.利用Oracle提供的空间数据支持,结合GIS数据的特点,通过OCCI调用接口或JDBC技术在实际中的运用,利用数据库技术来管理和操作空间数据,执行空间数据查询、分析、转换等功能.     

一般空间对象的空间数据类型

空间数据类型的定义一直是空间数据库和GIS等领域的研究热点.针对一般空间对象的空间数据类型定义问题,依据点集和拓扑理论,采用函数方法,研究了一般空间对象的特点,并给出了一组有效时间内的一般空间对象的带时间维的空间数据类型定义,包括一般点,一般线,一般区域.一般空间对象的空间数据类型定义将一般点定义为多个单点的并集;一般线定义为多个连续函数的并集;一般区域定义为多个面的并集.在一般空间对象的空间数据类型基础上,可建立一般空间对象的数据模型,一般空间对象的空间关系,从而在空间查询中,能处理针对一般空间对象的空间查询.     

一种分布式空间数据互操作体系结构

空间数据本质上是分布的，目前对集中式空间数据模型进行了大量的研究，而在分布式空间数据的研究方面尚处于起步阶段。为此提出了一种分布式空间数据的互操作模型--虚拟空间数据模型（vSDM），该模型适用于异构空间数据库的互操作和分布式空间数据的处理，向用户提供一个统一虚拟空间数据操作与查询方法。同时讨论了该模型的构成和特点，并分析了分布式空间数据库查询的层次体系结构。     

GIS数据格式集成方法的探讨

通过论述GIS空间数据的组织形式和相关概念，对多源数据集成的方法进行了探讨，结合Oracle数据库在空间数据方面的特性。提出了利用Oracle Spatial技术进行数据集成和转换的方法，利用Oracle提供的空间数据支持，结合GIS数据的特点，通过OCCI调用接口或JDBC技术在实际中的运用，利用数据库技术来管理和操作空间数据，执行空间数据查询、分析、转换等功能。     

基于草图内容的空间拓扑数据检索方法

空间数据蕴含了大量拓扑关系语义,但传统空间数据查询和检索方法没有很好地利用高层拓扑语义,导致在处理复杂空间场景时效能较低.针对这一局限性,提出了一种基于草图内容的空间数据检索算法.该算法在9-交集拓扑模型基础上引入不变矩方法,建立拓扑不变量用于描述复杂空间场景;采用独立成分分析和模糊支持向量机降低空间场景高维拓扑关系的冗余度,建立了独立拓扑关系;用相应训练好的支持向量机结合tf×idf模型实现空间场景检索.实验表明,该算法在低样本数情况下具有良好的分类推广能力以及良好的检索性能,为基于内容的空间数据检索建立了基础     

功能完全的XML数据查询语言X-SQL

针对已有XML查询语言的不足,提出一种新的XML数据查询语言X-SQL.X-SQL具有类似于SQL语言的Select-From-Path-W here结构、具有路径表达式查询能力和同时从多个数据源选取数据的能力,支持数据更新操作和查询结果的语义描述.     

一种用于多分辨空间数据的R树索引结构

提出一种适用于多分辨空间数据的索引树结构——MR树,这种树结构能有效检索以多分辨形式组织的空间数据,可在空间数据不同分辨率级上进行空间物体的快速查询和显示．     

智能报表生成系统的研究

针对信息管理系统开发中普遍存在大量动态变化的报表问题，利用PowerBuilder(简称PB)中DataWindow方式和数据库管理模式，设计开发了一个可由用户通过自定义生成任意形式报表的智能化系统，它可对多表、多字段进行任意组合查询、统计，提供对内部数据源查询报表和外部数据源统计报表的支持．该报表系统已成功应用于北京市计划生育服务与管理信息系统中．     

基于实体对象层次模型的海量空间数据管理

提出了一种面向实体的空间数据组织模型--实体对象层次模型(feature-oiented object level,FOOL),讨论了基于该模型的空间数据组织关键技术:空间分区、空间聚簇、空间索引,并着重对数据库服务层、应用接口层、应用层等相关技术进行了分析.基于所提出的空间数据组织方法和四层系统结构,设计了具有海量空间数据管理的系统功能模块,并提供了详细的对象逻辑关系说明.在对系统架构中的分布式计算环境和远程空间数据处理技术进行分析的基础上,给出了一个基于Linux操作系统和Oracle数据库的分布式海量空间数据处理平台原型.采用由中国国家基础地理信息中心提供的20 GB地形空间数据测试后表明,系统实现了面向实体的空间数据组织、统一的海量空间数据管理以及分布式空间数据计算等主要目标,同时也验证了FOOL模型的正确性.     

一种连续最近邻查询的优化方法

连续最近邻查询是空间数据库中最重要的查询之一,在地理信息系统和位置定位服务等领域有重要应用.给定一个空间数据集P和查询线段q,连续最近邻查询返回结果＜R,T＞,其中T是一个间隔,R是这个间隔中所有点的最近邻.已有的连续最近邻查询算法无法实现I/O的优化,为此,提出一种优化的连续最近邻查询方法,该方法具有较高的I/O效率,不仅在减少磁盘访问数量方面进行优化,同时也提高CPU的性能.     

Oracle Spatial在构建多源地学空间数据库中的应用

地学数据具有结构复杂、多尺度、数据量大的特点.将多源地学数据库集成在同一操作平台与数据库中进行分析使用,使用传统的空间数据储存方法有一定的难度.采用大型数据库系统Oracle 9 i Spatial构建地学空间数据库方法,提供了建立空间数据库的实例与应用程序访问空间数据库方法.实践表明,采用Oracle Spatial构建多源地学空间数据库具有空间数据格式统一、数据安全性高、数据存储量大的优点.     

空间数据库R-tree连接方法研究

空间连接是空间数据库中最重要最耗时的操作,国内外学者的研究多是基于索引结构空间连接的一次过滤方法,其中基于R-tree的空间连接算法被认为是一种高效的处理机制。本文提出了基于R-tree空间连接的二次过滤方法,缩小了过滤阶段的候选集大小,可有效提高查询效率。     

R-树和四叉树的空间索引结构:RQOP_树

针对现有的基于R-树和四叉树的空间索引结构中存在的问题,通过建立数据矩形间的序关系对数据空间进行分割,提出了一种新的空间数据索引结构:RQOP树.在此结构中,节点的构造是按照空间数据的分布来进行的而不是像其它基于R-树和四叉树的空间索引结构只是对数据空间进行均匀划分而得到,使树的高度尽可能低,同时使兄弟节点间的交叠相对较小.在区域查询算法中引入了查询窗口包含节点MBR的判断加快了查询的速度.给出了RQOP树的生成、节点插入和区域查询算法,并给出了相应算法的可行性和正确性定理及时间复杂度分析.实验表明:新索引结构的查询速度明显加快.     

一种基于QAAR-树的空间索引方法

针对QCR-树聚类个数需事先确定和处理高维空间数据时面临着“维数灾难”的问题,通过自动确定K-means算法的聚类个数和初始聚类中心,来提高聚类质量,并对原始高维空间数据进行近似压缩来减少磁盘读写代价,提高查询效率,提出一种QAAR-树空间索引结构,同时给出QAAR-树的插入、删除和查询算法。实验结果表明,QAAR-树的查询性能优于QCR-树,能够有效地处理海量高维空间数据。     

基于SR-树的空间对象反最近邻查询技术研究

反最近邻查询是空间数据库的重要应用之一,是在最近邻查询基础上提出的一种新的查询类型,以往基于范围查询或最近邻查询的方法搜索影响集效率不高,本文在分析RNN查询的基本概念和存储区域的基础上,区别于R＊-树,提出了基于SR-树的RNN查询方法,优化了空间对象的反最近查询性能,在高维空间查询上具有明显优势。     

不确定对象的反向最近邻查询研究

确定对象在空间数据库研究中受到人们的重视,不确定对象的反向最近邻研究成为研究热点。文中给出不确定对象反向最近邻查询的形式化表示,将其称为可能反向最近邻查询,即为检索所有可能成为给定不确定对象的反向最近邻的可能性大于给定阈值的不确定性对象。提出基于各种剪枝规则的算法,解决多维不确定对象的可能反向最近邻查询问题。     

多区块链环境下的连接查询优化算法

为了提高多区块链间的连接查询处理效率,提出多区块链环境下的连接查询优化算法. 该方法在传统的多区块链模型中增加语义信息,构建语义多区块链模型,为多区块链间的连接查询提供基础. 基于该模型,参考分布式数据库的索引结构,提出多区块链间的连接索引结构,将多条区块链进行属性连接,提高连接计算的效率,减少数据传输的通信代价. 在此基础上,提出多链连接查询优化算法,提升多区块链连接查询的效率. 最后,在2个真实公开的数据集上进行实验. 结果表明,多区块链间的连接索引结构稳定;与传统的直接进行连接查询的操作相比,多区块链连接查询优化方法简化了查询处理过程,通过访问连接索引直接获取查询结果,减少了本地计算负载和网络开销,提高了查询效率.     

空间数据建库研究

采用空间数据库的基本理论,结合北京市国土资源与房屋管理信息系统中建库的实例,研究了空间数据 建库的数据性质,空间数据建库的原则、标准和步骤;探讨了空间数据库的组织管理;分析了空间数据建库数据 的无缝集成、元数据的组织、空间数据库增量备份和增量更新等关键技术。结果表明:空间数据建库还存在空间 数据的组织模式、空间数据的安全性、空间数据的快速更新等问题,还需要进行大力研究。     

基于改进Kd-Tree构建算法的k近邻查询

k近邻查询算法是查询大规模空间数据的常用算法之一,使用Kd-Tree先构建大规模空间数据的索引,然后对搜索空间进行层次划分,再进行k近邻查询,能保证搜索的效率。但是,传统的Kd-Tree构建有两个缺点：使用测试数据点进行k近邻查询每次都需要回溯到根节点,影响了查询的效率;Kd-Tree使用split域对空间进行层次划分,空间划分为立方体（二维数据表现为矩形）,多边形空间在相交判断时会出现没必要进行数据距离比较的多余空间,这样会影响查询的效率。针对这两个缺点,本文提出了相应的改进算法---RB算法。实验结果证明,该算法比传统的KD算法拥有更高的查询效率。本文的主要贡献有两点：（1）构建一种快速创建Kd-Tree索引来支持KNN算法进行大规模数据的分类查询操作。（2）改进传统的Kd-Tree索引构建方法,提出新的改进算法RB算法,提高KNN算法查询的效率。     

两步解码式空间矢量数据并行转换算法

传统单机转换工具与基于范围分区方案的并行转换算法存在扩展性差、数据倾斜的问题,为此提出两步解码式空间矢量数据（SVD）并行转换算法. 通过归纳地理空间数据库（GDB）中空间矢量数据的存储编码模式,构建优化后的几何解码函数作为基础工具. 初次解码：仅解析空间元数据,根据几何复杂度平衡解析任务,提高解析与数据量的均衡度;二次解码：借助几何并行解析机制提取、解析压缩几何字节,提高转换效率. 该算法基于Spark实现,将其与ArcGIS单机转换工具、基于范围分区方案的并行查询转换算法进行对比可知,所提算法具有显著的效率、性能扩展优势,转换效率提升了2.5~117倍,大幅降低了几何复杂度不均导致的数据倾斜情况.