GIS在大数据时代下的发展

大数据技术的发展和大数据时代的来临将对极大地推动GIS的发展。该文主要介绍了GIS当前的发展现状及瓶颈,探讨了GIS在大数据时代下的数据采集、数据存储与管理及数据分析和挖掘所面临的问题和初步的解决办法,展望GIS在大数据时代下的发展前景。     

GIS空间数据与属性数据的存储结构研究

对GIS中所涉及的各要素进行抽象,并给出其存储结构,在此基础上提出了整体GIS空间数据与属性数据的存储结构,包括逻辑存储结构和物理存储结构。采用层次模型和关系模型相结合的记录式文件系统来对空间数据和属性数据进行存取,并结合索引和数据字典技术加快了数据的存取速度,解决了传统GIS中空间数据和属性数据分开存储带来的问题,提高了大数据量的GIS应用的存取效率。     

GML在网格GIS中的应用研究

介绍了当前网络型GIS的空间地理数据的传输方法，并在介绍网格GIS特点的基础上分析了其优缺点。由此引入GML(Geography Markup Language)，分析其在网格GIS应用中所特有的优越性，进而探讨了如何在网格GIS中应用(GML描述空间地理数据，设计网格GIS通信机制，以解决网格GIS中空间地理数据的存储和传输的问题。     

大数据安全与隐私保护研究

大数据时代的来临正影响着人们日常生活方式、工作习惯及思考模式.但目前数据在收集、存储和使用中面临着诸多风险,大数据所导致的隐私泄露为用户带来了困扰,虚假数据将导致错误或无效的大数据分析结果.该文分析了实现大数据安全与隐私保护所面临的技术挑战,整理了大数据安全与隐私保护关键技术,对我们信息安全领域的发展有一定的参考和借鉴意义.     

大数据时代下数据分析理念的辨析

互联网行业的发展将社会推入到信息化时代,作为信息化环境重要特征的大数据的应用已经成为互联网等多个领域的关键环节,对人们的生产生活产生了巨大影响。随着大数据时代的到来一些信息的存储问题也日渐凸显。本文对大数据时代下数据分析理念进行了分析研究,深度阐释了大数据与大数据时代的深刻涵义,同时以大数据特点为基础重新审视了在大数据时代统计研究工作过程及统计思维所面临的挑战。     

大数据管理:概念、技术与挑战

云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长,大数据时代正式到来.数据从简单的处理对象开始转变为一种基础性资源,如何更好地管理和利用大数据已经成为普遍关注的话题.大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战,数据管理方式上的变革正在酝酿和发生.对大数据的基本概念进行剖析,并对大数据的主要应用作简单对比.在此基础上,阐述大数据处理的基本框架,并就云计算技术对于大数据时代数据管理所产生的作用进行分析.最后归纳总结大数据时代所面临的新挑战.     

移动互联时代的GIS

随着智慧城市建设的不断深入,同时大数据等概念深入人心,社会和用户对移动互联时代的GIS要求越来越高,有许多问题值得深入研究。移动互联网时代到来之后,由于网商、电商、通讯运行商等都介入到位置服务,测绘地理信息面临挑战。地理信息行业既有挑战又有危机,必须大力加强创新意识,抓住机遇,迎接挑战。该文从移动互联网时代下的行业要求出发,阐述了新时代下GIS的发展趋势,并分析了其发展的新动向。     

水利地理信息云平台的探讨

如今基于GIS的水利应用往往存在海量数据的分布式存储杂乱、平台构建难度大、并发访问需求大等问题,要解决这些问题,可考虑将GIS与云计算相结合,利用云计算的弹性、多租户模式、易维护等特性,以及GIS的数据平台统一管理、空间数据存储方便、可共享性高等特点,构建水利地理信息服务平台。从云GIS基本理论出发,结合虚拟化技术及云的3种服务模式,提出江苏省水利地理信息服务平台的原型设计方案,并初步实现水利信息资源共享机制,旨在为今后地理信息系统在水利行业的建设摸索一条可行之径。     

大数据环境下的平台架构技术研究

大数据时代的到来,对数据的管理和存储带来了挑战。为了更好地管理和利用大数据,对大数据的基本特征进行了剖析,从大数据和分析技术平台的视角,分析了海量并行处理架构、云计算、网格计算和MapReduce这几种重要的技术,比较了其技术特点,对运用不同的技术对大数据时代数据管理产生的作用进行了分析,讨论了大数据分析工作所需要的混合环境,整合环境资源以使能够协同工作,使得每一项技术变得更加强大有效。     

大数据时代如何安全有效的管理和使用信息

大数据时代为企业带来了新的机遇和挑战:一方面,数据的不断更新扩张给数据存储、管理和分析利用带来了挑战;另一方面,这样的海量数据中,蕴含着大量有价值的信息,对企业经营、后续运营和发展至关重要。那么,如何更加安全、有效的使用和管理这些信息呢?     

分布式环境下地理信息互操作技术研究

地理信息系统( GIS ) 的迅速发展产生和积累的大量地理空间数据以不同的存储格式存放于不同地点的不同系统和设备中, 从而对数据的互操作、共享管理和综合利用产生了极其不利的影响。互联网、分布式计算和空间数据库等新技术的发展给空间数据的共享管理带来了难得的机遇,在分析当前GIS 数据互操作相关技术基础上, 对面向分布式的多源异构数据互操作机制进行研究, 提出了解决方案。     

脚本引擎在三维GIS系统中的设计与实现

随着近几年GIS技术的不断发展,现阶段三维GIS系统被广泛应用到各个领域的生产中。三维GIS系统结合了计算机硬件与软件技术,该系统能够对三维空间地理数据进行分析与管理,实现数据的采集、存储、分析、显示等。脚本技术的应用能够发挥可定制性与可扩展性优势,为用户提供专用系统。笔者对此展开探究,提出基于脚本引擎的三维GIS系统设计与实现。     

云技术在水利地理信息服务平台建设中的应用

为解决水利信息化建设中重复建设、资金浪费等问题,在江苏省水利地理信息服务平台中采用云计算技术。介绍云计算与云GIS的概念与基本特征,以江苏省水利地理信息服务平台建设为例,阐述云GIS平台的总体设计与架构,分析虚拟化和移动数据采集与同步等关键技术的应用。江苏省水利云GIS平台的建成,可为江苏各级水利部门提供全省基础地理信息数据、高分辨率遥感影像及航片、水利地理信息数据等数据服务;高效能服务器、海量数据存储等基础设施服务;基于水利专网提供各种水利业务应用系统开发的平台服务。     

自动化变形监测云平台设计与实现

针对电厂工程建设及运营期间所涉及的变形监测项目类型多、监测项多、数据信息量大、监测方式落后等特点,结合安全生产及企业数字化转型工作需求,应用GIS(Geographic Information System,GIS)可视化、北斗卫星导航定位技术、物联网、移动互联网等先进的信息技术,研究开发自动化变形监测云平台,实现了全天候、24小时实时在线监测,能够将工程监测大数据与空间地理数据实现一体化存储与管理,并进行有效地分析、预警。在工程建设、安全生产与智慧监管等领域实现了高度信息化与自动化,为生产企业的安全运营提供了可靠的监测数据,能够为政府部门、施工单位、监管企业等提供高效、经济、安全的科学管理依据与辅助决策支持。     

基于HDFS+Spark的时空大数据存储与处理——以智慧无锡时空大数据为例

海量时空数据的高效存储、读写、处理与分析是当前地理信息科学领域的研究热点。本文对目前主流大数据技术产品进行了选取和融合,开展了基于HDFS+Spark的时空大数据存储、处理分析等方面的研究和探讨,以智慧无锡时空信息云平台为应用对象,搭建了一套时空大数据存储处理的集群平台,并通过具体应用实验,得到了时空数据存储、处理、挖掘的响应时间及可视化展示结果,证实了HDFS+Spark集群计算平台在解决时空大数据存储、处理、挖掘方面的有效性。     

大数据存储技术进展

在大数据时代,我们面临着多种数据类型,数据规模以前所未有的速度增长,这给数据存储、管理以及分析带来了很大的挑战。传统的单机存储引擎显然不能满足数据爆炸性增长的需求,需要构建高性能、高可扩展、低成本、易用的分布式存储系统基础设施。本文对不同的分布式存储系统和其中的关键技术的研究进行全面的阐述和分析。     

大数据时代医学研究面临的机遇与挑战

利用大数据技术对医学数据资源进行分析、处理和挖掘,大数据时代的到来将对医学研究带来新的突破。本文主要讨论了医学研究大数据挖掘所面临的机遇与挑战,并指出了医学大数据发展存在的问题及对策。     

GIS多源空间数据的融合技术探究

GIS技术得到了越来越广泛应用,GIS数据获取途径也越来越广泛,就产生了丰富的数据资源.它们之间由于坐标系统、尺度标准、存储格式等不同,给数据的集成和融合共享带来困难.对不同GIS数据源的融合技术与方法进行了分析归纳,为GIS数据开发和用户使用的共同要求提供建议.     

大数据教学资源共享系统的研究

大数据、云计算与物联网是新兴的计算机技术,促使人们社会向着更为先进的方向发展。数据的急剧增长必然给数据集成与存储、管理、分析带来新的挑战,针对这些问题,首先描述大数据的概念,其次对大数据发展现状进行分析,最后给出大数据在教学管理中的应用,并提出了构建大数据教学资源共享系统的关键技术。     

浅析GIS大数据

随着地理信息数据的迅速增加,GIS数据呈现出数据量大、数据种类多和数据结构复杂的特点。该文从大数据的角度对GIS数据呈现的三个特征进行了具体的分析,并在此基础上提出GIS大数据存储和处理的新的要求。最后介绍了MongoDB这一NoSQL数据库的特性,简要分析了利用MongoDB数据库的特性来解决GIS大数据问题的方法,并简单地借助于python语言用mongoDB对ESRI Shapefiles进行了存储。