基于事件对象的时空数据模型的扩展与实现

文章通过对几种具有代表性的时空数据模型的比较,深入探讨事件的时空语义,进一步扩展基于事件的时空数据模型,使其适用于高层时态查询、时空一体化的对象标识、数据更新等操作,以实现动态空间数据的追踪和分析,并给出了时空一体化城建系统的实例。     

基于事件的土地利用时空数据模型研究

先分析了 Peuquet(1995 )提出的基于事件的栅格时态数据模型 ESTDM,对该模型采用栅格结构所致的多属性描述局限进行了讨论 ,并提出了解决方案 :通过模型的属性索引访问“外部”的属性数据 .据此 ,结合土地利用的时空特点 ,设计了基于事件的土地利用时空数据模型 EL STDM及相应的时空数据库方案 ,并对土地利用变化的时空分析进行了探讨 .在此基础上 ,设计实现了土地利用变化时态 GIS原型系统 .试验结果表明 ,该时空数据模型满足了土地变化调查成果的管理和查询需求 ,对进一步的土地分析给予了较好的尝试 .     

房产地理信息系统时空数据组织研究

首先对时态GIS的近十几年来的研究进展进行了回顾.然后通过对房产特征的分析,进行房产特征的分类,使之满足实际应用环境的需要.接着,提出了一种时空数据概念模型——基于Petri网的时空数据模型,同等的处理特征的状态和引起状态变化的变迁,不同与以往基于事件或基于状态（如快照等）的时空数据模型,该模型认为状态由变迁的改变,变迁由状态描述,两者互相依赖.通过该模型,将离散的状态和变迁连续化,状态和变迁的因果关系显式表达.最后,对房产GIS中的时空数据进行有机的组织,用现势库、工作库和历史库进行数据存储管理,实现时空分析即历史回溯、未来预测、变化趋势显示等等需求.     

时空数据模型的研究与设计

在基于有向三角形的空间数据模型的基础上，融入了时态信息的存储、表示及操作。形成了一个较为完善的时空数据模型。该模型较好地处理了时态信息和空间信息的关系。为时空查询语言的研究与设计奠定了良好基础。     

时空数据模型的研究与进展*

时态地理信息系统(TGIS)以表达、管理和分析动态变化的地理现象为目的,其核心是时空数据库,因此对时空数据库的理论基础——时空数据模型的研究十分必要。目前的时空数据模型主要有简单模型、时空联合模型、时空属三域模型、基于对象/特征的模型和基于事件/过程的模型等。首先对这些模型进行了回顾,对其优缺点和侧重点进行了分析对比,然后在此基础上对时空数据模型的进一步研究方向进行了剖析。     

时空数据库中数据建模的研究

研究了时空数据库中的时空建模技术。早期表示时空信息的数据模型通常用基于几何学的空间对象来表示实体，重要的特性都用空间对象的属性来表示。时态信息可以与基于时间戳的独立层次相关联，也可以与独立的空间对象相关联。随着时空建模的进一步发展，出现了面向对象的数据模型和基于事件的数据模型。综合研究了这些典型的时空数据模型，讨论了它们的应用及时空分析建模的作用。此外介绍了针对移动对象的数据类型的建模方法，以及在时空分析数据库管理系统STADBS中，基于Realms的二级平衡二叉树的时空数据模型。     

特征-版本时空数据模型的研究

讨论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.     

时空数据模型分类及特点分析

时空数据模型（Spatio-temporal Data Model）是TGIS（Temporal GIS即时态GIS）的核心,决定了TGIS系统操作的灵活性,影响和制约TGIS的研究发展。本文简要介绍了时空数据模型的发展历程和研究现状,着重分析了几种典型的时空数据模型,并从模型的时空表达和设计方法两个方面对其进行分类,指出各个模型的优缺点,同时结合当前时空数据模型研究过程中存在的主要问题,从建模机理、模型对象角度及模型功能方面对其发展趋势进行展望。     

时空数据库索引方法研究

时空数据库作为数据库研究领域中的一个重要分支,经过近十年的发展,在时空数据模型、时空查询优化与索引和时空本体论等方面取得了许多成果。现实世界中的许多实体都具有空间特性和时态特性,需要数据库管理系统提供有效的时空数据管理能力,如地籍管理系统中的地块、交通管理系统中的车辆等。时空数据库用于管理形状和位置随时问变化的对象。为了快速访问其庞大的数据量,必须建立有效的时空索引以提高各类时空查询的效率。提出了一种新的时空索引方法（瓣索引）,它综合了快照和事件这两种时空信息建模方法。不仅能够处理时间片查询和时间段查询,而且能够进行事件查询。SEST索引使用R-tree结构来存储快照,用一种日志数据结构来存储发生在两次相邻快照之间的事件。通过实验对比SEST索引和HR—tree,结果表明：当变化频率在1％到13％之间时,SEST索引比HR—tree需要的存储空间少;当变化频率在1％到7％之间时,在时间段查询方面,SEST索引比HR—tree要好。因为SEST索引是一种面向事件的结构,所以事件查询时效率很高。     

基于感知特征的时空过程可视化模型构建

针对传统时空过程可视化模型的拟合程度和动态性差异,提出了基于感知特征的时空过程可视化模型构建.为了反映出时空过程的平滑效果,将感知特征应用到时空过程模拟中,采用时序间隙提取时空过程的感知特征,将相邻时空数据的变化过程模拟出来.利用视觉变量的定义,提高时空数据变化过程的传达效率,通过划分时空视觉变量,为时空过程选择合适的视觉变量,采用多种视觉变量组合的方式,消除时空信息表达质量的影响因素,实现时空视觉变量的选择.由于时空过程数据的采样方式不同,必须采用时空过程数据模型,来描述时空过程,根据可视化的特点,设计了三维时空过程数据模型.通过分析时空过程的特点,设计了时空过程可视化模型构建流程,构建了时空过程可视化模型,实现了时空过程的可视化.实验结果表明,基于感知特征的时空过程可视化模型在拟合程度方面具有更好的性能,最高可达99.83％;在动态度方面也呈现出比较高的性能,最高为78.2％.     

无线传感器网络环境下时-空查询处理方法

在无线传感器网络环境中,观察者感兴趣的是由传感器网络监测得到的与时间-空间相关的事件,而不是传感器本身或者大量无关的观察数据.观察者会经常提出与事件相关的时-空查询,例如:“网络覆盖的某地理区域R中10:00~11:00发生了哪些事件?”.由于每个传感器节点只有有限的能量,因此,研究能量有效性的时-空查询处理算法成为一个重要的研究课题.给出了一种以数据为中心的时-空查询处理算法.针对3种不同的存储策略:以数据为中心的存储、外部存储和节点本地存储,分析比较了节点的能量消耗.系统地研究了在3种不同的数据存储策略下,事件发生的概率,节点密度,事件类型数目,查询数目,时-空查询地理区域的大小以及时-空查询时间窗口的大小对节点能量消耗的影响.理论与实验结果表明,在多数情况下,这种以数据为中心的时-空查询处理算法的能量消耗少于基于外部存储和本地存储的时-空查询处理算法.     

时空聚类分析的普适性方法

时空聚类分析是时空数据挖掘领域近年来研究的热点问题,对于揭示时空要素的发展变化趋势、规律以及本质特征具有重要意义.目前,时空聚类分析的研究仍还初步,缺乏具有普适性的时空聚类分析方法.为此,本文首先建立了一套时空聚类分析的普适性理论方法框架.进而,借助时空统计学、智能计算等工具,提出了一种时空一体化的时空聚类方法.该方法很好地顾及了时空数据的时空耦合、时空相关与时空异质特征,避免了过多人为主观因素的干扰,时空聚类结果具有较好的可靠性.通过采用中国陆地区域42年(1951～1992)年平均气温时空数据进行分析,验证了本文提出的理论与方法的可行性与有效性.     

基于时空分区聚簇的海量时空数据性能优化方法研究

时空一体化的海量数据管理及相应的时序分析能力是新一代GIS软件体系的重要研究目标之一。当前，基于无缝海量大表的空间及时态空间数据的存取效率亟待提高。为了对海量时空数据进行有效管理和提高时空检索效率，以扩充关系型时空模型为基础，对大型对象一关系型数据库平台所提供的数据分区与聚簇方法进行了时空维的扩展，提出了基于时空分区聚簇（spatio-temporal partition clustering，STPC）的海量时空数据性能优化方法。基于2GB～60GB的单表所进行的检索效率对比测试结果表明，STPC机制较普通的数据组织方式时空检索效率平均提高了10．1％。     

海战场时空数据建模

目前的海战场信息系统中数据表达是基于时刻的,以反映瞬时的战场信息为主,对历史信息、空间信息处理简单,难以满足复杂应用的需要.综合分析现有时空数据模型的基础上,立足于海战场数据特性,引入时空代数系统并加以扩展,建立了海战场时空数据表达模型.模型的支持下设计的原型系统实现了海战场时空数据存储、查询和时空关系运算的优化.     

具有时空约束的角色访问控制模型

信息技术的高度发展对信息安全提出了新的挑战,经典的基于角色的访问控制（RBAC）中缺乏对时间和空间的约束,使RBAC模型不能适应信息系统新的安全需求。在RBAC的基础上,引入了时空域的定义,对模型中各要素进行了时间和空间约束,提出了具有时空约束的角色访问控制模型（TSRBAC）。形式化地描述了TSRBAC,并定义了时空角色继承和时空职责分离,给出了时空访问控制算法。     

面向交通流量预测的时空超关系图卷积网络

交通流量预测是智能交通系统中的重要研究课题,然而,交通对象（如站点、传感器）之间存在的复杂局部时空关系使得这项研究颇具挑战。尽管以往的一些研究将流量预测问题转化为一个时空图预测问题从而取得了较大的进展,但是它们忽略了交通对象们跨时空维度的直接关联性。目前仍缺乏一种全面建模局部时空关系的方法。针对这一问题,首先提出一种新颖的时空超图建模方案,通过构造一种时空超关系来全面地建模复杂的局部时空关系;然后提出一种时空超关系图卷积网络（STHGCN）预测模型来捕获这些关系用于交通流量预测。在四个公开交通数据集上进行了大量对比实验,结果表明,相比ASTGCN、时空同步图卷积网络（STSGCN）等时空预测模型,STHGCN在均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）这三个评价指标上均取得了更优的结果,不同模型运行时间的对比结果也表明,STHGCN有着更高的推理速度。     

一种基于数据融合和方法融合的时空综合预测算法

时空数据挖掘是数据挖掘中的重要研究内容,其中时空预测的应用领域最为广泛．针对目前时空预测方法中的不足,提出了一种基于数据融合和方法融合的时空综合预测算法．该方法首先采用统计学原理对目标对象本身的时序进行预测;然后通过神经网络解算相邻对象的空间影响,继而对混合数据序列使用时空自回归预测模型;最后使用线性回归将单个的时间预测、空间预测和时空预测有效地融合在一起,得到综合预测结果．应用该方法预测铁路客流,突破了传统铁路客流预测方法的局限,实验结果表明了算法的有效性．     

基于深度学习的时空序列预测方法综述

随着数据采集技术的蓬勃发展,各个领域的时空数据不断累积,迫切需要探索高效的时空数据预测方法。深度学习是一种基于人工神经网络的机器学习方法,能有效地处理大规模的复杂数据,因而研究基于深度学习的时空序列预测方法具有十分重要的意义。在这一背景下,针对已有的预测方法进行归纳和总结,首先回顾了深度学习在时空序列预测中的应用背景和发展历程,介绍了时空序列的相关定义、特点及分类;然后按照时空序列数据的类别介绍了基于网格数据的预测方法、基于图数据的预测方法和基于轨迹数据的预测方法;最后总结了上述预测方法,并对当前面临的一些问题及可能的解决方案进行了探讨。     

事件库构建技术综述

恐怖事件、突发事件、冲突事件等特定主题事件通常对国家安全带来严重威胁,记录现实事件的事件库在态势感知、风险预警、应急决策等应用中发挥重要作用,事件库构建技术随之发展为内容安全技术的重要组成部分。事件库构建技术是一类实现从海量的非结构数据批量生成结构化事件数据的技术,由于数据环境、表示精度、应用场景的差异,出现了各类构建技术的相关研究。本文详细介绍了事件库的定义、分类和架构,按自底向上输出的数据层次,将事件库构建技术划分为事件检测、事件抽取、事件融合三类关键技术,并分别对其研究现状和进展进行了全面分析,总结了事件库的主要应用领域,最后对事件库构建技术中面临的主要挑战和关键问题进行了探讨。