时空对象关系模型研究

时空数据模型是时空数据库的研究重点之一，以往提出的时空数据模型存在着不同的缺点。本文以抽象数据类型为基础，提出了一个基于对象关系模型的时空对象关系模型STORM，给出了STORM的形式化定义，并证明STORM可以有效地表示时空信息和时空变化。     

用于运动趋势预测的灰色时空数据模型

时空数据库是现代数据库技术研究的新领域，其研究工作还处在模型研究阶段，已有的模型面向对象的过去信息，缺乏对时空对象将来运动趋势的计算与预测能力。为此，提出了一种新的时空数据模型，该模型不仅可以用于分析处理时空对象过去时刻的运动情况，还可以以较高的精度对近期将来的时空演化进行预测。该模型针对2维平面上自由运动的移动点对象，引入灰建模方法来降低离散抽样数据本身包含的不确定性，能够给出对象在一定时间上的整体运动趋势，从而提供更加精确的时空预测。     

时空数据表达研究

描述了目前时态数据模型和时空数据模型的发展,现已共识时态是任何信息的一个重要属性,但是时态数据库中时态关系代数的基本思路是通过在关系模式上显式化时变语义来进行简单结构的时态数据建模,而时空数据建模中时态对象代数是在对象结构上显式化时变语义来进行复杂结构的时态数据建模,并深入探讨了时空数据模型中地理信息的时间维表达方式,指出了各种时空数据模型存在的主要问题。     

面向对象的3级结构时空数据模型

时态GIS的组织核心是地理时空数据库。时空数据模型则是时空数据库的基础。文中对已有的时态属性数据表达方法，时空数据模型进行了系统的分析。对设计时空数据模型所必须解决的问题进行了讨论。从面向对象的基本概念出发，着重阐述了面向对象时空数据模型的设计方法，完整地定义和描述了时空数据模型所涉及的时空对象类型。文中还对模型的时态属性数据组织和空间对象的时态处理进行了描述。     

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。     

基于状态和变化的统一时空数据模型

提出了一个基于状态和变化的统一时空数据模型SCUDM(state and change based unified spatio-temporial datamodel).时空数据库的状态是关于对象、空间和时间的三元组,时空数据库的变化就是状态的变化.按照对象域、空间域和时间域将时空数据库中的变化分别投影分解,显式地表达在对象、空间和时间上的变化.而事件是在某一时刻前后,时空实体的变化关系,在事件表达中蕴涵了空间实体之间的时间拓扑关系.SCUDM不仅支持状态和变化的表达,而且支持时间拓扑和空间拓扑的表达.     

路政设施中时空数据模型的研究

对时空数据模型进行了研究,运用面向对象的方法分析路政设施中的时空数据,从时空对象的基本属性和行为出发,建立一个合适的时空数据模型,能够很好地封装对象的空间,专题,时间特征,表达时空对象的语义,满足一系列的查询要求.设计了标志标杆类的具体结构和存储方案,将时间作为独立的一维来处理,标记在对象属性上,减少了数据冗余,同时也为以后解决历史查询的问题提供了有效途径.     

基于时空数据分类的用户社交联系学习*

按照时空数据模型对时间和空间的表达方式,将时空数据模型分为基于时间的时空数据模型和基于空间的时空数据模型。本文提出了一种新的基于时空数据预测用户社交联系的模型,该模型将基于时间的时空数据集的特征和基于空间的时空数据集的特征进行融合,来预测用户社交联系。实验结果表明基于时间与空间特征融合的时空数据模型能更好地预测用户的社交联系。     

时空数据库查询语言SQLST

提出了一种与SQL兼容的时空数据库语言SQLST,着重论述了SQLST的数据类型与操作扩展、时空查询以及关系完备性。SQLST是基于时空数据模型STORM的时空数据库查询语言,但它可以作为SQL语言的时空扩展参考。     

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。     

时空数据库索引机制研究

Spatio-temporal database manages the large amount of spatial objects that change over time.It is necessary to query the spatio-temporal objects of the past and the current and to anticipate the future of spatio-temporal objects.It is important to design an efficient index mechanism for accessing the spatio-temporal data efficiently.The paper analyzes the features of the spatio-temporal objects,studies the methods of spatio-temporal index mechanisms,classifies the index mechanisms,and discusses the key technologies of spatio-temporal indexes.And it also presents the index methods of STADBS that we are studying.     

基于时空数据的交通系统的设计

给出一种基于时空数据的交通系统的设计。系统支持多用户的协同操作,并提供智能化的决策帮助。结合两种时空数据建模方法对时空数据综合建模,有力地支持了系统功能,同时介绍了空间推理、协同处理等技术细节。     

移动空间数据类型和操作的初步研究

1 引言移动空间对象是随时间变化的空间数据,由时空数据库(Spatio-Temporal Databases)进行管理和处理。一个空间点可能随时间而改变其位置,为了完整地反映该点的信息,数据库中应该存储该点的全部历史信息,这个空间对象就是一个移动点。同理,一个区域也可能随时间移动、扩大或缩小。时空现象在现实生活中非常普遍,如飞机航行时随着时间变化而改变它的空间位置,这飞机就是一个移动点;当森林中某处发生火灾时,火灾区就是一个空间对象:区域。该区域可能     

时空轨迹数据驱动的自动驾驶场景元建模方法

时空轨迹数据驱动的汽车自动驾驶场景建模,是当前汽车自动驾驶领域中驾驶场景建模、仿真所面临的关键问题,对于提高系统的安全性具有重要研究意义.近年来,随着时空轨迹数据建模及应用研究的快速发展,时空轨迹数据应用于特定领域建模的研究引起人们的广泛关注.但由于时空轨迹数据所反映现实世界的多元性和复杂性以及时空轨迹数据的海量、异构、动态等特点,基于时空轨迹数据驱动的安全攸关场景建模的研究仍面临着挑战,包括：统一的时空轨迹数据元模型、基于时空轨迹数据的元建模方法、基于数据分析技术的时空轨迹数据处理、数据质量评价等.针对汽车自动驾驶领域的场景建模需求,我们提出一种基于MOF元建模体系构建时空轨迹数据的元建模方法,根据时空轨迹数据的特征及自动驾驶的领域知识,构建了面向汽车自动驾驶的时空轨迹数据元模型;并基于此,提出基于时空轨迹数据元建模技术体系的自动驾驶安全场景建模方法,并使用场景建模语言ADSML实例化安全场景,构建安全场景库,旨在为此类系统的安全关键场景建模提供一种可行的方案.结合变道超车场景的案例,展示了时空轨迹数据驱动的自动驾驶安全场景元建模方法的可用性,为场景模型的构建、仿真、分析奠定了基础.     

Spatio-Temporal Data Types: An Approach to Modeling and Querying Moving Objects in Databases

Spatio-temporal databases deal with geometries changing over time. In general, geometries cannot only change in discrete steps, but continuously, and we are talking about moving objects. If only the position in space of an object is relevant, then moving point is a basic abstraction; if also the extent is of interest, then the moving region abstraction captures moving as well as growing or shrinking regions. We propose a new line of research where moving points and moving regions are viewed as 3-D (2-D space+time) or higher-dimensional entities whose structure and behavior is captured by modeling them as abstract data types. Such types can be integrated as base (attribute) data types into relational, object-oriented, or other DBMS data models; they can be implemented as data blades, cartridges, etc. for extensible DBMSs. We expect these spatio-temporal data types to play a similarly fundamental role for spatio-temporal databases as spatial data types have played for spatial databases. The paper explains the approach and discusses several fundamental issues and questions related to it that need to be clarified before delving into specific designs of spatio- temporal algebras.     

时空数据库的发展与实现途径

从数据库结构的角度提出并比较了时空数据库的两种实现思路，肯定了在时态数据库中扩展空间数据属性实现时空数据库技术的优点及可行性。针对现有的某些理论研究比较成熟和总体实现模型较少的现状，介绍了实现时空数据库存在的问颢和难点所在。     

A model of fuzzy spatio-temporal knowledge representation and reasoning based on high-level Petri nets

In many application areas there is a need to represent human-like knowledge related to spatio-temporal relations among multiple moving objects. This type of knowledge is usually imprecise, vague and fuzzy, while the reasoning about spatio-temporal relations is intuitive. In this paper we present a model of fuzzy spatio-temporal knowledge representation and reasoning based on high-level Petri nets. The model should be suitable for the design of a knowledge base for real-time, multi-agent-based intelligent systems that include expert or user human-like knowledge. The central part of the model is the knowledge representation scheme called FuSpaT, which supports the representation and reasoning for domains that include imprecise and fuzzy spatial, temporal and spatio-temporal relationships. The scheme is based on the high-level Petri nets called Petri nets with fuzzy spatio-temporal tokens (PeNeFuST). The FuSpaT scheme integrates the theory of the PeNeFuST and 117 spatio-temporal relations.The reasoning in the proposed model is a spatio-temporal data-driven process based on the dynamical properties of the scheme, i.e., the execution of the Petri nets with fuzzy spatio-temporal tokens. An illustrative example of the spatio-temporal reasoning for two agents in a simplified robot-soccer scene is given.     

A new image prediction model based on spatio-temporal techniques

This paper addresses an image prediction problem focused on images with no identifiable objects. In it, we present several approaches to predict the next image of a given sequence, when the image lacks the well-defined objects, such as meteorological maps or satellite imagery. In these images no clear borders are present, and any object candidate moves, changes, appears and disappears in any image. Nevertheless, this evolution, though unrestricted, is gradual and, hence, prediction looks feasible. One of the approaches presented here, based on a spatio-temporal autoregressive (STAR) model, offers good results for these kinds of images. The main contribution of this paper is to adapt spatio-temporal models to an image prediction problem. As a byproduct of this research, we have achieved a new image compression method, suitable for images without defined shapes.     

基于Geodatabase的面向对象时空数据模型

针对时空数据模型与时态地理信息系统研究中存在的几类问题,提出了一种通用的面向对象时空数据模型GOO—STDM。该模型从时空对象的基本属性和行为出发,运用面向对象方法,将地学对象封装为空间、专题、时间的整体,满足地学对象的what／where／when语义,具有良好的扩展性。在GOO-STDM基础上,利用Geodatabase模型,采用定制ArcGIS的方法,实现了支持双时态语义的原型TGIS系统,既能满足时空表达的需要,又继承了ArcGIS系统的功能。     

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。