建构筑物空间标识位置编码技术研究

规划、建设、管理建构筑物过程产生的数据种类繁多、规模较大,亟需一种具有唯一性、参考系一致性、高效性的编码。北斗网格位置编码规定其网格选择和编码规则,以及空间位置信息标识、传输及大数据处理,在建构筑物空间标识位置编码领域能有良好的扩展性。基于北斗网格位置码的编码规则,本文提出了建构筑物空间标识位置编码技术,对建构筑物进行编码,该编码具有唯一性、一致性、高效性,对编码规则的应用进行了介绍,包括编码的生成和编码的索引,以及对应的查询算法,并通过工程实验进行验证。     

海量车载激光点云组织与可视化研究

车载移动测量系统是一种高精度、高速度的空间信息采集设备,由于获取的点云数据量大,海量车载激光点云的数据处理、三维建模和可视化面临挑战。考虑到车载激光点云沿采集线路逐行扫描形成的特点,提出了一种分块多层叠加型空间索引结构,对海量车载激光点云数据自动分块并建立LOD瓦片结构,实现海量车载激光点云数据的管理与动态调度。实验结果表明:该方法具有有效性和可行性。     

高性能文本索引系统的设计与实现

针对传统文本索引技术空间消耗大、分词不准确等问题,设计并实现了高性能文本索引系统。该系统采用压缩的全文自索引算法,节省了空间开销,避免了自然语言分词方法的影响,配合通配符搜索算法扩展了模糊搜索的功能,在众核CPU高性能处理器上可实现多线程并行处理,提高了处理速度,整个系统的实现是基于Web方式的,可以跨平台运行。实验结果表明,该系统将文本索引的空间消耗降为原文本的50%左右,具有较高的实用价值。     

大数据支持下的城市设计实践——衡山路复兴路历史文化风貌区公共活动空间网络规划

基于2016年上海城市设计挑战赛衡复项目专业组一等奖获奖方案,从设计理念、技术路线、规划策略等方面说明大数据支持城市设计的途径.首先,分析衡复地区现状特征,提出庭院街区的概念.使用大数据分析居民活动的时空特征,为五个庭院街区划分提供了直接依据.然后,依据共享的规划理念,在大数据和传统定量分析方法结合下进行了慢行系统规划,包括日常步行线路规划、特色旅游步行线路规划及自行车骑行线路规划.最后,将慢行系统与地区内公共资源进行叠加,将公共空间与人的活动紧密结合,完成公共活动空间网络规划.方案探索了以规划设计理念先行、大数据分析验证;大数据与传统定量分析方法支持方案生成和复核的两种大数据支持城市设计实践的技术途径.     

一种基于事件—过程—状态的时空数据模型应用研究

探讨了事件、过程和状态的关系,并且在分析历史事件的时空变化特点的基础上提出了基于事件—过程—状态的时空数据模型。该模型能反映事物状态发生改变的详细过程以及在这个过程中产生的因果关系。通过研究基于该模型的时空数据存储方法,能够减少数据访问的复杂度,提高时空数据处理效率。     

基于手机信令数据的城市人群时空行为密度算法研究

手机信令数据可以量化反映城市不同地段人群的时空分布状态,具有高取样率和高更新率的特点,对认知城市空间环境与人群行为模式的互动关系具有突出优势。针对手机信令既有处理计算的方法在数据结构和精确性方面的局限,将手机信令数据与城市空间形态数据相关联,提出基于三维活动空间的行为密度计算方法。以上海为案例,分别从时间维度和空间维度对上海公园绿地的手机用户时空分布进行计算,并结合调研实测对计算结果进行检验。结果表明该算法不仅可以实现城市绿地等具体景观地段的时空行为密度计算,同时也提升了中小尺度下基于手机数据进行个体行为密度计算的精确性,对于城市大数据应用于城市景观设计的方法创新具有一定的借鉴作用。     

基于面向文档的NoSQL数据库的RDF数据存储实现

以RDF格式发布的数据在语义Web上越来越多,需要有一个可以有效的存储和查询这些RDF数据的管理方案。本文设计并实现了基于面向文档的NoSQL数据库的RDF数据存储方案。该方案可以有效的实现管理RDF数据,并通过相应的索引来提高对数据的查询效率。实验结果表明,方案对RDF及其语义数据的存储和查询是有效并有性能的优势。     

新导则下天然气长输管道项目的环境风险评价

城市地理空间大数据在大数据时代扮演着重要角色,当今大多数数据本质上是空间数据,通过无处不在的位置感知传感器进行采集、管理、存储和分析地理空间数据流,可为商业、科学和工程的发展提供新的决策支持.然而大数据的处理极具挑战性,对于地理空间大数据更是如此,因为大量的数据集必须同时考虑空间和时间的前提下进行分析,高性能计算以其基本的分而治之思想为地理空间大数据的处理提供了必要的解决方案.本文探讨了高性能计算处理地理空间大数据的关键技术,包括地理空间大数据存储与管理、空间索引技术以及并行任务调度技术,对高性能计算用于城市地理空间大数据处理的未来研究方向进行了展望,雾计算、地理人工智能和异构环境下全球统一参考框架将成为高性能计算处理地理空间大数据的重要研究方向.     

城市地理空间大数据高性能计算关键技术综述

城市地理空间大数据在大数据时代扮演着重要角色,当今大多数数据本质上是空间数据,通过无处不在的位置感知传感器进行采集、管理、存储和分析地理空间数据流,可为商业、科学和工程的发展提供新的决策支持。然而大数据的处理极具挑战性,对于地理空间大数据更是如此,因为大量的数据集必须同时考虑空间和时间的前提下进行分析,高性能计算以其基本的分而治之思想为地理空间大数据的处理提供了必要的解决方案。本文探讨了高性能计算处理地理空间大数据的关键技术,包括地理空间大数据存储与管理、空间索引技术以及并行任务调度技术,对高性能计算用于城市地理空间大数据处理的未来研究方向进行了展望,雾计算、地理人工智能和异构环境下全球统一参考框架将成为高性能计算处理地理空间大数据的重要研究方向。     

基于并行计算的空间co-location模式挖掘

提出适合并行计算的空间数据分区算法,并在此基础上提出基于并行计算的空间co-location挖掘算法.在三类数据集上做了大量的实验.实验结果表明,基于并行计算的算法在很大程度上提高了挖掘的效率,为进行空间大数据的挖掘提供了有效且快速的方法.