一、基于空间数据库引擎的LineObject索引(论文文献综述)
李旸[1](2021)在《基于多层Voronoi图索引的城市地质环境空间数据高效查询技术研究》文中研究表明空间数据引擎是城市地质环境空间数据管理系统的关键核心部件之一,其功能主要是为城市地质环境时空透视和智能管控相关应用提供动态高效的空间数据存储与查询服务。其中空间数据索引的结构与基于空间索引实现的各种空间查询算法对空间数据引擎的整体性能起着关键性作用。城市地质环境空间数据具有体量大、多维度、空间分布不均匀和几何形态复杂等特征,基于这些特征目前已有的空间索引与空间查询技术在实际应用中尚存在着以下几个问题:(1)在空间数据索引方面,主流空间索引结构(如R-tree和VoRtree)无法满足对大规模、分布不均匀的地质环境空间数据的高效访问需求;(2)在面向空间分析应用的空间查询方面,基于空间近似性的查询算法(比如性能领先的反向k近邻问题SLICE算法)无法实现大规模查询场景下的快速响应,因此无法有效支持实际应用中的空间插值分析;(3)在基于边界约束的空间查询方面,现有空间区域查询算法(如Oracle Spatial PIP算法)在运行的过程中存在候选集有效命中率较低、冗余空间计算量大的问题,在面对几何形态不规则的区域查询时,难以快速的返回查询结果。针对上述问题本文开展了以下3个方面的研究工作:(1)研究设计支持空间数据高效检索的新型空间索引结构;(2)研究提出面向城市地质环境数据的高性能空间查询方法;(3)研发基于新型空间索引结构和空间查询方法的空间数据引擎建并开展应用示范。基于这些研究工作本文所取得的研究成果主要表现在以下4个方面:(1)通过逐层抽稀构建Voronoi图的方式,设计提出了一种多层Voronoi图结构的空间索引MVD(Multi-layer Voronoi Diagrams);基于MVD索引提出了一种名为MVD-NN的最近邻查询方法,并且借助VR-kNN的设计思想以MVD-NN算法为扩展实现了kNN查询方法MVD-kNN。(2)利用圆、椭圆和双曲线三种典型圆锥曲线的特性,设计提出了一种利用已验证的数据点来辅助验证其它数据点的RkNN验证方法CSD(Conic Section Discriminance);并利用Voronoi图实现了一种候选集规模比已有算法更低的候选集产生方法;最终将上述的RkNN验证方法和候选集产生方法组合形成一种名为CSD-RkNN的新型RkNN查询算法。(3)利用数据点构成的Voronoi图,根据数据点与查询区域的空间拓扑关系将所有的数据点进行分类,定义了边界点、内部点、外部点、边界邻居点、绝对内部点和绝对外部点等几种不同类别点的概念,根据不同类别点之间在Delaunay图上的连通性,设计提出了一种通过识别边界点来降低冗余I/O和冗余空间关系计算的新型空间区域查询方法。(4)基于提出的索引结构和空间查询方法设计了一套空间数据管理解决方案,并根据该方案开发实现了一套支持NN、kNN、Bi-RkNN、Mono-RkNN、Region和Buffer等空间查询功能的城市地质环境空间数据服务引擎。该数据服务引擎以Geo JSON为空间对象承载格式,通过Web Service方式发布数据服务,同时支持本地存储和HDFS分布式存储两种存储模式,具有良好的可扩展性。基于深圳市全市分布的3万余条地质钻孔数据和14万余条地面POI数据,开展了面向地质环境空间数据管理与查询的示范应用,取得了良好的应用效果,验证了本文方法的有效性。本文的创新点主要体现在以下3个方面:(1)设计提出的MVD索引摒弃了主流空间索引所采用的树形结构,而是采用一种多层网络结构,规避了树形索引的节点失衡问题和节点重叠问题,所以在其基础上实现的最近邻查询算法(MVD-NN)在I/O性能和运行效率方面均优于目前R-tree族索引上性能最优的最近邻查询算法(BFS)。(2)提出的CSD-RkNN算法利用Voronoi图的相关特性缩减了候选集的规模,并通过圆锥曲线判别法(CSD)提升了大部分候选对象的验证效率,所以其I/O性能和查询效率均优于目前最先进的RkNN算法(SLICE)。(3)提出的BPI-Region算法利用了查询区域边界点(即Voronoi单元与查询区域边界相交的数据点)将查询区域的内部点和外部点隔离成两个在Delaunay图上互不连通点集合,从而避免了绝大部分内部点的冗余空间验证和外部点的冗余访问,所以该算法的I/O性能和查询效率均优于目前R-tree族索引上最优的区域查询算法(Ocracle Spatial PIP)。
张帅[2](2020)在《分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究》文中指出增强现实技术被广泛誉为下一代人机交互通用平台技术,近年来受到了国内外学界与产业界的重点关注,迎来了爆发式增长。智能手机i OS与Android平台纷纷推出各自底层增强现实API,ARKit与ARCore,使得全球万亿智能手机都成了增强现实设备。2016年AR游戏Pokemon Go刚上线就火爆全球,一个月内获得了13000万次下载,迅速得到全球70多个国家民众的热捧。增强现实技术能够呈现炫酷引人入胜的3D模型动画,但当前领域内对简单社交多媒体数据,如文字、图片、音频、视频等,的增强现实可视化体验关注不够,而社交媒体数据却是普通用户最容易生产的数字内容,必然伴随着增强现实技术应用的普及而大规模产生。因此,研究社交媒体数据在增强现实环境中可视化问题,对增强现实技术的进一步平民化普及具有重要意义。在如今的大数据时代,当社交媒体数据规模日渐庞大时,在分布式移动网络环境下,研究大规模社交媒体数据快速增强现实可视化问题有着极其重要的应用价值,可视化效率问题严重影响着增强现实前端的用户体验,而优良的数据组织机制、高性能的数据处理架构是增强现实前端快速可视化的首要问题,因此本文的研究重点在于利用大数据技术去支撑增强现实前端快速可视化。另一方面,与传统社交媒体应用不同,社交媒体数据增强现实可视化问题是在现实生活中真三维环境中呈现的,具有鲜明的地理空间属性,属于空间社交媒体数据,因此,大规模空间社交媒体数据增强现实可视化能否快速响应一个关键因素是能否有效利用地理空间信息。本文在前人的研究基础上,对大规模空间社交媒体数据快速增强现实可视化问题的研究,主要从以下几个方面展开:(1)针对大规模空间社交媒体数据的增强现实可视化数据特征,研究适合网络大规模数据传输的空间社交媒体数据规范,提出了Geo ARMedia数据模型规范。Geo ARMedia数据规范参考了现行gl TF与Geo JSON数据标准,定义了常见空间社交媒体的数据模型规范,明确了常见多媒体数据类型(文本、图片、音频、视频等)的存储表达规范。(2)面向分布式集群环境下的大规模空间社交媒体数据存取技术需求,构建了利于数据库跨尺度平滑读写稳态Z曲线算法,研究了大规模空间社交媒体数据基于稳态Z曲线的常见空间查询算法,提出了基于稳态Z曲线的大规模空间社交媒体数据的分布式数据划分策略,优化数据分布式存储结构,提高了空间社交媒体数据的分布式存取效率。(3)研究基于智能手机设备的移动增强现实前端可视化空间的构建,定义了空间社交媒体数据在移动增强现实前端的可视域以及三层空间交互架构,提出了空间社交媒体数据增强现实可视化的球面模型,同时研发了借助地理信息能够大幅提高增强现实识别图命中效率的大规模社交图片检索的时空耦合算法,有效提升了空间社交媒体数据在移动前端增强现实可视化效率。(4)为了在分布式移动网络环境下快速响应大规模空间社交媒体数据加载请求,保障前端增强现实可视化的效率与稳定性,本文提出了空间社交媒体数据增强可视化多级缓存机制,利用空间社交媒体数据的空间邻近性,提出了增强现实可视化前端缓存预调度机制,以及基于地理位置的热点数据云端探测与分布式缓存调度机制,有效保障了增强现实快速可视化的速度与高并发响应要求。(5)大规模空间社交媒体数据增强现实可视化伴随着海量的计算任务,本文研究了大数据技术以及高性能计算技术,研发了面向大规模空间社交媒体数据的并行处理计算框架,提出了一种大规模空间社交媒体数据并行处理的代数方法,能够简洁有效的描述并行处理任务,组织调度多个并行计算算子协同工作共同完成相关任务,支撑了大规模空间社交媒体数据快速处理。(6)结合当前流行分布式数据库、大数据技术、可拓展网络服务架构、移动前端3D引擎技术,依托前文的研究成果,本文设计并开发了大规模空间社交媒体数据快速增强现实可视化原型系统——视网么,详细讨论了常见空间社交媒体数据的增强现实交互与视觉设计,实现了前后端增强现实服务,同时研发了移动端社交媒体数据增强现实编辑器,大范围降低了社交媒体数据增强现实内容生产门槛,最后本文以南京大学仙林校区周边为例展开应用实验,测试表明视网么在应对TB级数据规模千万级并发访问的空间社交媒体数据前端增强现实可视化任务可以在1秒内完成前端响应,达到了理想的研究实验效果。
冯斌[3](2019)在《面向多模态场景数据的多层次混合时空索引方法》文中提出随着互联网、传感网、物联网和社交网络的快速发展与应用,智慧城市每时每刻将会产生海量的多模态时空数据,给智慧城市展示、分析和探索等多层次可视化任务提供了重要的数据支撑。任务所需多模态时空数据称为多模态场景数据,具备多元异构、动态变化和复杂关联的特点,需要及时的以高性能、低延迟的方式处理,对数据的存储、索引、查询提出了更高要求。如何高效率的组织管理多模态场景数据,满足智慧城市中数据密集型、计算密集型和交互密集型应用对多模态场景数据的差异性需求,是场景数据组织管理研究所面临的严峻挑战。现有的场景数据组织管理主要面向单一的低层次展示性可视化任务。数据存储以磁盘为主,I/O延迟高且模式单一,索引方法以树结构为主,难以高效组织多模态场景数据的时间、空间、语义和关联关系,满足多样化查询需求。为了实现面向多层次可视化任务的场景数据自适应汇聚,满足场景的实时构建与交互需求,本文提出适用于多模态场景数据的多层次混合时空索引方法,系统研究多模态场景数据特点以及多层次可视化任务的内涵,分析多层次可视化任务对场景数据的差异性需求,建立全局-局部协同的时空索引机制;提出一种基于时空关系图的多层次混合时空索引方法,并在此基础上研究内外存索引更新与优化方法;进一步研究基于微服务架构的场景数据组织管理引擎,设计以内存为中心的场景数据多模型存储微服务,实现多层次可视化任务所需的多模态场景数据高效存储、索引和查询。主要研究内容包括:(1)多模态场景数据时空索引机制。通过研究人机物三元空间中场景数据的多元,多维,多尺度等多模态特性,以及展示、分析和探索三类可视化任务的内涵和驱动力,总结出了多层次可视化任务对多模态场景数据调度的差异性需求。针对面向多层次可视化任务的场景数据组织过程中存在的数据密集、计算密集和交互密集的难题,针对性的设计了全局-局部协同的时空索引机制,为后续研究提供了理论基础。(2)基于时空关系图的多层次混合时空索引方法。在上述时空索引机制基础上研究了基于稀疏矩阵的时空关系图索引的内存实现,并以此为全局索引设计了场景数据多层次混合时空索引结构,建立了全局索引到局部索引的关联映射,突破了内外存高效协同的复杂场景数据管理与调度技术,以适应多样化的场景数据调度需求。(3)基于微服务架构的场景数据组织管理引擎。为了实现展示、分析和探索就绪的场景数据高效组织管理,基于微服务架构设计了场景数据组织管理引擎结构及其运行机制,实现了场景数据存储、索引和查询的高效集成,进一步提出了以内存为主的场景数据多模型存储微服务,研究了面向展示、面向分析和面向探索的多模式数据查询视图,提升了场景数据的可见性,实现了场景数据的高效组织管理。(4)基于上述研究成果,研发场景数据组织管理原型系统,并以主流的关系数据库Postgre SQL和No SQL数据库Mongo DB作为对比方法,分别针对典型的基础框架数据,智能感知数据和关联关系数据开展场景数据的组织管理效率实验。实验结果表明:本文提出的方法优于对比方法,更能够高效的组织管理多模态场景数据,满足多层次可视化任务对场景数据调度的差异性需求,为场景的实时构建与交互提供数据支撑。
何列松[4](2020)在《基于地图编辑长事务模型的协同制图关键技术研究》文中提出协同制图是提高地图制图工作效率,快速更新地图产品和地理空间数据库的有效方法。目前,CSCW领域单独研究文本、图像编辑、图形设计方面协同工作相对较多,地图(同时包含大量图形、图像、文本、OLE等)协同编辑设计的研究相对较少;基于DBMS或者DFS研究普通关系型事务相对较多,而针对包含复杂关系的空间数据编辑事务相对较少;协同制图中前台用户交互编辑地图研究相对较多,而后台地理信息数据库同步地永久写入更新前台编辑成果的研究相对较少。面向协同制图研究地图编辑长事务模型,解决协同制图中存在的关键技术问题,对于前台地图交互编辑与后台地理信息更新保持数据一致性,提高多用户协同制图交互界面的协调同步性,平衡兼顾地图制图与地理信息生产更新的效率和成果质量等方面,具有重要的理论与实践意义。本文针对协同制图中目前存在的地图编辑事务执行和处理效率不高、地图编辑长事务并发处理复杂、多客户端集中协同制图时地图协同同步显示难等关键问题,开展了基于地图编辑长事务模型的协同制图关键技术研究与实践,其主要内容如下:1.分析了协同制图的研究背景和现状,指出了当前现有研究的不足,提出了基于MELT模型的协同制图关键技术,明确了本文的研究范围和基本思路。2.介绍了协同制图相关理论与方法,引入了MELT相关的概念;在分析国内外研究现状之后,归纳了目前协同制图中还存在的几个关键技术问题,总结了传统GIS长事务核心问题和开展研究的难点。3.设计了MELT模型,它基于地图文档状态及其变化模拟协同制图MET,分别提出了基于虚拟内存和普通内存如何管理和操作地图文档状态及其变化数据的方法,说明了基于地图文档代理MET的原理,设计了事务列表管理协同制图MET,而后详细介绍了设计的地图文档模型详细结构。针对一类特殊制图对象OLE进行扩展建模,以支持对OLE对象的事务操作模拟。4.研究了基于单列表和双列表的协同制图事务组织与调度技术,设计了协同制图MET串行化协议,提出相交并发事务处理方法,阐述了协同制图中自动事务和用户长事务的内涵,研究了GRCP自动方法,设计实现了基于矢量栅格混合金字塔索引的协同制图多客户端同步显技术。5.构建了集中式协同制图实验平台CoMapping系统,开发了基于MELT的地图文档多源数据集成软件模块,构建了地图要素编辑功能框架,实验解决了几类典型GRCP的地图编辑问题。在此基础上,利用不同比例尺、不同数据量大小的地图数据,对基于地图文档模拟的MELT模型进行了事务管理能力测试、事务并发处理实验和基于协同工作组的多客户端地图同步协同显示实验,验证了MELT模型对协同制图机制的支持和协同制图关键技术的解决效果。在本论文最后总结中归纳了以下创新点:(1)基于虚拟内存的动态单备份和基于磁盘和内存存储的静态多备份的地图文档模型改进了传统MELT模型,通过地图文档状态备份和变化数据存储管理,成功模拟了数据库MET,克服了DBMS中GIS长事务执行时间长、DDL操作受限等缺点,提高了MET执行效率和MET管理能力。(2)设计了协同制图事务三元组模型,建立了MELT并发处理规则,实现了基于协同制图MELT优化、合并、丢弃等并发处理方法,支持协同制图事务串行化处理,维护了事MELT的ACID特性,确保了地图编辑成果数据的一致性。(3)设计实现了以双线道路交叉口处理、注记压盖同色线划和填充点符的地图图形关系自动处理方法,这些处理不增加地图文档数据量且不影响地图编辑其他流程,不仅显着减少了编辑事务数量和用户编辑工作量,还显着降低了MELT前后地图文档状态变化数据量。(4)采用基于矢量栅格混合金字塔索引,通过将Drawpile改进的CoMapping实验系统,实现了多用户协同制图客户端地图同步显示机制,显着提升了协同制图视图显示的同步协调性。
赵硕,范俊甫,孙永进,王开放[5](2019)在《基于MySQL的矢量数据访问引擎设计与实现》文中指出随着大数据时代的发展,海量的地理空间数据的存储和检索成为当前GIS系统需要解决的一个关键问题。空间数据访问引擎作为客户端与数据服务器之间的中间桥梁,提供了空间数据的存取通道。对此,本文设计实现了基于MySQL数据库的矢量数据访问引擎(Vector Spatial Data Engine,VSDE),可应用于常规非拓扑矢量数据格式在MySQL关系型数据库中的存储和检索。并以Shapefile数据格式为例进行了实验,成功地验证了实验方案的可行性。该系统能成功地嵌入小型GIS系统中,可用于非拓扑矢量空间数据的定制化管理。
孙伟[6](2019)在《高效时空大数据服务若干关键技术研究》文中进行了进一步梳理当今,大数据的价值已经得到全球公认,并逐渐成为全球各国的基础型战略资源。作为大数据的重要组成部分之一,时空大数据由于能够为各类信息资源在三维空间和时间交织构成的四维环境中提供统一的时空基础,成为其他各类大数据集成共享和服务的基础信息。相比原有的地理信息数据,时空大数据在数据的体量、来源获取方式、更新周期、结构类型、价值密度等等众多方面,都有着极大、甚至是颠覆式的不同,这使得原来的地理信息服务提供方法,已经远远不能够满足时空大数据服务的新要求,迫切要求创新相关技术方法。时空大数据服务的核心目标是如何将时空大数据相关的资源内容以更加灵活、快速等更加高效的形式进行服务交付,为用户的相关生活生产活动提供时空基础支撑。围绕这一目标,国内外相关学者已经在数据处理、数据挖掘、数据可视化等方面开展了相关研究,但在服务架构、高效存储、空间匹配、服务分发等服务的高效性方面有所欠缺,对应的服务平台也仍旧处于技术探索阶段。为此,本文面向时空大数据在服务架构,以及存储、匹配、分发等若干关键技术和平台构建方面,对时空大数据的高效服务展开深入研究。本文主要在以下几个方面进行了相关的研究工作:(1)设计并实现了一种高性能时空大数据服务架构。良好的服务架构是时空大数据实现高效服务的基础。现有针对时空数据的服务架构大多是原有单体式面向服务的架构,在开发和服务初期易于部署和扩展,但随着服务体量的逐渐扩展,后续难以提供灵活地扩展更新和高效的服务响应等能力。为此,本文采用微服务理念,设计并实现了一种高效的时空大数据服务架构,构建了顾及时空大数据服务特点的高效微服务API网关,提出了高效API匹配算法、基于空间热度的负载均衡算法和基于开放标准的空间数据进程间通信协议,解决了原有服务架构在应对时空大数据时服务时扩展困难和服务响应慢等问题。通过对比实验显示,利用本文提出的时空大数据服务架构,对服务性能、服务负载均衡、服务间通信等能力提升方面更具优势、效率更高。(2)设计并优化了时空大数据存储检索策略。实现多源异构的时空大数据的高效存储检索,是时空大数据服务有别于传统时空数据服务的关键环节。现有时空数据大多采用具有空间管理能力的关系型数据库进行管理,对于多源异构的时空大数据存储和管理存在流转难度大、存储不统一、效率不高等问题。为此,本文针对现有时空大数据存储的特点和要求,设计实现了分布式环境下时空大数据存储架构和索引策略,研究了基于NoSQL数据库的矢量、栅格数据存储索引和矢栅一体化多级检索等方法,解决了空间关系数据库在时空大数据分布存储、动态增长、索引维护等存储管理时效率不高的问题。与关系型空间数据库存储检索对比实验显示,本文基于NoSQL数据库Cassandra的分布式时空数据存储与检索策略,在时空大数据的查询效率上有明显提升。(3)丰富了基于地名地址的时空大数据一致化属性处理和地名地址提取方法。在实现各类时空大数据存储检索基础上,需要对其进行统一的空间匹配,才能够对外提供具有一致时空基准的各类服务。由于原有时空数据本身都具有空间坐标信息,当面临来源各异的却具有空间信息特征的其他时空大数据时,由于缺少统一的空间定位属性,难以进行快速高效的匹配上图。因此,本文面向具有空间属性字段的多来源公共专题数据,设计了典型专题数据空间属性一致性表结构,面向仅具有隐含空间信息的各类非结构化数据,拓展实现了基于地名基因的地名地址提取算法。通过对实际数据的地名地址提取和匹配上图,验证了本文提出的时空大数据一致化属性处理和地名地址提取方法能够有效实现缺少空间坐标信息的其他时空大数据的匹配上图。(4)设计并实现一种时序影像瓦片金字塔快速构建方法。分发服务是直接面向用户提供时空大数据服务的关键环节,其核心就是以最快的速度在线提供最新的数据资源。以海量时序遥感影像为例,高效的分发服务就是如何快速的提供影像瓦片并在线发布。随着影像图幅数、影像数据量的不断增大,现有方法由于构建算法和并行策略不佳,导致构建过程整体耗时长、效率低。为此,本文设计实现了海量时序影像瓦片金字塔快速构建方法,提出时序影像瓦片切分、同位瓦片融合、多线程并行策略等方法,解决了原有基于影像融合时序瓦片金字塔构建方法整体耗时长、效率低的问题。通过对实际时序影像数据瓦片金字塔构建的对比实验验证,文本所提方法在进行时序影像瓦片金字塔构建时,耗时少,整体效率较现有方法有显着提升,具有较好的可行性。(5)搭建服务平台,并进行实际部署运行将本文研究的基于微服务的高效时空大数据服务架构和三项关键技术接入,基于NewMap软件提供的核心GIS功能,设计了时空大数据平台的整体体系框架,并对其中的核心功能算法进行了实现。通过在智慧城市时空大数据试点建设项目中的实际应用,验证了本文关键技术及对应平台的服务效果,为后续相关研究提供了参考。
梁晨[7](2019)在《基于ArcEngine及Oracle技术的地下空间数据管理功能研究与开发》文中认为随着近年来城市的不断发展、空间资源愈发紧张,地下空间开发成为当前世界城市空间扩展的方向之一。城市地下空间建筑物作为城市空间的一部分,具有引导城市空间发展方向、促进城市空间结构优化、协调城市整体可持续发展以及保障城市公共防灾的作用。地下空间数据管理体系的构建不仅对集中管理地下空间资源、促进城市资源共享以及城市建设规划方面有着至关重要的作用,也是提高城市规划以及资源保护和管理方面的重要参考资料[14]。昆明市通过重点区域地下空间普查工作明确昆明市当前地下空间总量及使用状态,结合当前昆明市城区改造项目选取合适数据库平台建立合理的地下空间数据库。地下空间普查结果不仅为今后昆明市地下空间资源开发以及城市地下空间规划提供依据,也为昆明市远期城市空间总体资源规划开发奠定一定的数据基础[14]。本文以“昆明市地下空间普查”项目为背景,以昆明市地下空间建筑物普查数据为基础数据。在对整个地下空间设施普查项目工作中相关测量技术及数据处理体系了解的基础上,通过对现有临时数据库的深入分析,构建基于Oracle数据库技术地下空间数据库并与ArcEngine组件式开发技术对地下空间数据库管理功能进行设计与初步实现。主要内容与创新之处如下:1.整理国内外城市地下空间信息化建设与管理相关资料,结合当前昆明市已有的地下空间普查数据、昆明市测绘院近几年开展地下空间普查工作的经验与数据管理需求,基于当前地下空间数据内容详细设计了地下空间概念模型、物理模型以及逻辑模型,为数据的存储与管理提供详细的结构体系。2.为保障数据库建设质量,建立规范的地下空间数据库体系。采用ArcSDE for Oracle 11g构建企业地理信息数据库。为地下空间数据的数据管理、辅助决策等功能开发提供保障。3.在系统数据库建设过程中,数据基于Geodatabase数据模型基础上对地下空间数据库建库内容、流程以及实现进行了深入的研究。应用当下ArcGIS软件平台和Oracle 11g数据库,并采用C/S架构模式设计地下空间数据建库与入库、数据更新、数据管理以及基于Feature Manipulate Engine软件的数据质量检查模块进行设计,各子模块相互独立,根据不同的需求提供相应的技术支撑。综上所述,本课题采用ArcSDE for Oracle 11g大型关系数据库建立地下空间建筑物数据库,基于C#for ArcEngine组件式开发技术完成地下空间建筑物数据管理相关功能。并结合加拿大数据格式转换软件Feature Manipulate Engine,研究地下空间数据质量管理模块。
李德亮[8](2019)在《不动产大数据的数据模型研究与应用》文中研究说明空间大数据管理一直是GIS领域研究重点之一。不动产登记数据是典型的空间大数据,不动产登记数据模型是不动产登记信息管理基础平台的核心。本文以我国国家不动产登记信息管理基础平台的数据为研究对象,旨在提出一种采用关系型和非关系型数据存储模式并存的一种高阶数据模型,提高国家不动产登记信息管理基础平台大数据的查询效率。本文首先介绍了研究背景及意义,调研了国内外不动产登记与数据模型研究现状。通过分析当前现状梳理了存在的问题,明确了研究内容和技术路线。数据是对客观事物的符号表示,模型是现实世界的抽象,对数据特征的抽象。因此,我们在模型设计之前分析下不动产数据特征,主要从数据来源、数据种类、数据量估算、数据特点进行分析。其次,数据模型是数据库的基础。空间数据库管理技术发展经历了五个时期,分别是从文件系统、文件与关系型数据库混合管理系统、空间数据库引擎、对象关系型空间数据库管理系统、大数据管理技术。将大数据管理技术应用到不动产数据模型设计中,特别是大数据处理技术、大数据存储技术和大数据查询技术。然后,基于两个设计思路进行设计。一是关系型与非关系型数据库有机集成,二是采用ETL与ElasticSearch提升查询效率。设计流程是明确问题、设计思路和原则、概念模型研究、逻辑模型设计优化、物理模型设计、模型测试与验证。在现有概念模型基础上进行了扩充,将数据逻辑模型分为汇总数据区、共享数据区数据。分别结合汇总数据区和共享数据区的特点,根据应用需要优化逻辑组织结构。针对网络和用户需要设计了物理模型。通过组织逻辑结构优化,大数据技术的应用,业务系统性能大大提升。通过原型系统验证了新模型的有效性。最后,不动产大数据模型满足国家不动产登记信息管理基础平台的应用需求,模型的建立为各省市的不动产大数据平台建设提供了参考和借鉴的价值。
刘天漪[9](2017)在《面向快速可视化的城市三维模型数据管理与组织研究》文中提出传统的二维GIS无法满足人们对三维空间信息的需求,特别是在城市规划、噪声分析等实际应用领域,二维GIS逐渐显现其局限性。随着人们对三维空间信息的需求日益增长,以及计算机技术和虚拟现实技术的飞速发展,三维GIS从理论走向应用。三维模型数据的组织和管理以及三维可视化都是三维GIS应用的重要功能,然而由于三维模型数据结构复杂、数据量大,往往造成传输和绘制困难,进而影响可视化效率。在可视化的过程中,调用合适的模型进行绘制可以解决上述问题,因此需要建立合理的三维模型组织结构和管理方式,以优化模型调用机制,加速三维模型的可视化过程。对于大规模的三维模型场景来说,这种方法效果更加明显。基于上述思想,本文以城市三维模型数据为例,为提高城市三维模型场景的可视化效率,在模型管理和组织方面进行了研究。首先,研究了常用的三维模型数据格式,总结分析了不同格式模型数据的异同点,得到了一般三维模型抽象结构;除此之外还提出了带纹理的城市三维模型简化算法,并利用该算法生成混合LOD模型。其次,提出了基于空间数据库城市的三维模型数据管理方法,并设计了三维模型管理数据库,实现了对城市三维模型的元数据和真实模型数据的管理。其中真实模型数据包括生产、交换模型源数据以及适合WebGL绘制的表现数据。采用这种数据库结构存储三维模型,从整体上将不同阶段、不同用途的三维模型统一管理起来。再次,提出了基于分层的城市三维全场景组织结构。该方法的思想源于LOD-R树,但又解决了以往LOD-R树通常用来描述单一模型对象或模型场景不完整的问题。该方法的优点在于,模型对象按需求分层级被调用,减小了传输压力和绘制压力,提高可视化效率。最后,为提高城市三维模型数据库在面向Web的快速可视化应用中的访问性能,提出了基于内存数据库的城市三维模型缓存管理方法。其主要思想是将预判的表现模型作为缓存数据,按层级存储在内存数据库中,再通过web服务发布到浏览器客户端。该方法既能实现对表现模型进行简单管理,又能解决调用模型数据时产生的I/O瓶颈。对比实验表明,采用该方法管理三维模型的表现数据,能够缩短模型数据的调用时间,加快模型可视化的速度。
喻凯[10](2017)在《基于搜索引擎的地理编码系统的设计与实现》文中进行了进一步梳理地理编码实现了包含地址语义的属性信息和空间信息的关联,通过正向地理编码可以将各部门的包含地址语义的非空间信息映射到地理空间,实现了城市管理数据的统一管理,同时可以利用空间分析知识对数据进行充分有效的数据挖掘,在智慧城市的建设中起到关键作用。逆向地理编码可以提供高效的邻近范围查询,是移动互联网的基础设施,是实现高效可用的LBS(基于位置的服务)应用的关键。当前可用的地理编码系统主要由GIS软件厂商和在线地图网站提供,其使用需要付费授权或者限制性的免费,同时需要接入互联网,增加了 GIS系统的建设成本,同时限制了 GIS系统的使用范围。针对这一问题,本文在深入研究了地理编码系统的关键原理和相关开源技术的基础上,提出了基于Elasticsearch开源搜索引擎的地理编码系统建设方案,并对其进行了设计和实现,以提供高效可用、免费离线的地理编码服务。本文首先对地理编码系统的关键原理进行了研究分析,探究了地理编码数据库的建库理论和常用技术,研究了正向地理编码中中文地址分词和地名地址匹配的理论和技术,重点分析了逆向地理编码中空间索引的相关理论;然后,本文对搜索引擎的相关原理进行了分析介绍,对当前的主流开源搜索引擎技术进行了研究对比,确定使用Elasticsearch搜索引擎来实现地名地址匹配功能,并对该引擎的空间数据支持做了研究探讨;再者,本文对研究的地理编码系统进行了需求分析,设计了基于Elasticsearch搜索引擎和Geohash空间索引的系统建设技术路线,对系统进行了总体设计、详细设计和数据结构设计。最后对系统进行了实现,同时对系统提供的功能进行了详细说明和演示。
二、基于空间数据库引擎的LineObject索引(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于空间数据库引擎的LineObject索引(论文提纲范文)
(1)基于多层Voronoi图索引的城市地质环境空间数据高效查询技术研究(论文提纲范文)
作者简历 |
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景 |
1.1.1 选题来源 |
1.1.2 选题意义 |
1.1.3 选题目的 |
1.2 拟解决的关键科学问题 |
1.3 主要研究内容和技术路线 |
1.4 主要创新点 |
1.5 论文的组织结构 |
第二章 国内外研究现状 |
2.1 城市地质环境空间数据的特点与管理技术 |
2.2 空间索引技术 |
2.3 空间查询技术 |
2.4 分布式空间数据库 |
2.5 存在问题分析 |
第三章 支持高效空间近邻查询的多层Voronoi图索引 |
3.1 问题概述 |
3.2 相关研究 |
3.2.1 kd-tree索引 |
3.2.2 R-tree索引 |
3.2.3 VoR-tree索引 |
3.2.4 Best-First Search算法 |
3.2.5 VR-kNN算法 |
3.3 提出的方法 |
3.3.1 Voronoi图与Delaunay三角网 |
3.3.2 MVD索引及其构建方法 |
3.3.3 基于MVD的最近邻查询方法 |
3.3.4 MVD的动态更新维护方法 |
3.3.5 算法流程 |
3.4 实验分析 |
3.4.1 实验环境与相关设定 |
3.4.2 通用实验结果分析 |
3.4.3 项目专题实验结果分析 |
3.5 本章小结 |
第四章 基于圆锥曲线判别法的空间反向近邻查询方法 |
4.1 问题概述 |
4.2 相关研究 |
4.2.1 Six-region算法 |
4.2.2 TPL算法 |
4.2.3 SLICE算法 |
4.2.4 VR-RkNN算法 |
4.3 提出的方法 |
4.3.1 圆锥曲线判别法 |
4.3.2 基于Voronoi图的候选集生成方法 |
4.3.3 算法流程 |
4.3.4 单色RkNN查询的实现 |
4.4 实验分析 |
4.4.1 实验环境与相关设定 |
4.4.2 通用实验结果分析 |
4.4.3 项目专题实验结果分析 |
4.5 本章小结 |
第五章 基于边界点识别的空间区域查询方法 |
5.1 问题概述 |
5.2 相关研究 |
5.2.1 Multi-step算法 |
5.2.2 Oracle Spatial PIP算法 |
5.3 提出的方法 |
5.3.1 空间数据点的分类 |
5.3.2 对内边界点的检索 |
5.3.3 对绝对内部点的检索 |
5.3.4 算法流程 |
5.4 实验分析 |
5.4.1 实验环境与相关设定 |
5.4.2 通用实验结果分析 |
5.4.3 项目专题实验结果分析 |
5.5 本章小结 |
第六章 城市地质环境空间数据引擎的建设与应用实践 |
6.1 原始数据分析与预处理 |
6.2 空间数据服务引擎总体架构 |
6.3 系统模型与实现 |
6.3.1 数据服务接口层 |
6.3.2 数据模型及业务逻辑层 |
6.3.3 数据持久化层 |
6.4 系统应用与实践 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 主要结论 |
7.2 研究展望 |
致谢 |
参考文献 |
(2)分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 增强现实技术 |
1.1.2 大数据特征 |
1.2 研究现状综述 |
1.2.1 户外增强现实技术 |
1.2.2 增强现实地图研究 |
1.2.3 相关研究进展分析 |
1.3 研究内容与技术路线 |
1.3.1 研究内容与关键问题 |
1.3.2 研究思路与技术路线 |
1.3.3 论文组织结构 |
第2章 空间社交媒体数据存储规范 |
2.1 大规模空间社交媒体数据存储方案 |
2.1.1 关系型空间数据存储方案 |
2.1.2 分布式NoSQL数据存储 |
2.2 空间社交媒体数据NoSQL表达 |
2.2.1 空间数据的JSON表达 |
2.2.2 社交媒体数据的空间描述 |
2.3 典型空间社交媒体数据存储规范 |
2.3.1 文本数据类型存储规范 |
2.3.2 图像数据类型存储规范 |
2.3.3 音频数据类型存储规范 |
2.3.4 视频数据类型存储规范 |
2.3.5 三维模型数据类型存储规范 |
第3章 基于稳态Z曲线的空间社交媒体数据分布式存储 |
3.1 稳态Z曲线的编码构建 |
3.1.1 分布式数据库分片键值选择 |
3.1.2 空间数据划分的稳态Z曲线构建 |
3.2 基于稳态Z曲线的常见空间查询 |
3.2.1 K最近邻查询 |
3.2.2 点线面空间查询 |
3.3 基于稳态Z曲线的负载均衡划分方法 |
3.3.1 负载均衡数据划分方法 |
3.3.2 实验结果对比分析 |
第4章 移动增强现实前端可视化空间构建 |
4.1 空间社交媒体可视化空间 |
4.1.1 移动增强现实坐标系统 |
4.1.2 移动增强现实前端可视化空间构建 |
4.1.3 移动增强现实三层可视化空间 |
4.2 基于卡尔曼滤波的球面三维注册 |
4.2.1 空间社交媒体数据的球面投影 |
4.2.2 基于卡尔曼滤波算法相机姿态修正 |
4.3 大规模社交图片检索时空耦合算法 |
4.3.1 基于图像自然特征的增强现实可视化空间 |
4.3.2 社交图片搜索的时空耦合算法原理描述 |
4.3.3 图像检索算法测试案例 |
第5章 空间社交媒体数据增强现实多级缓存机制 |
5.1 增强现实多级缓存架构 |
5.1.1 分布式高速读写与高并发访问问题 |
5.1.2 增强现实多级缓存架构体系 |
5.2 基于空间邻近性的增强现实缓存管理 |
5.2.1 常见缓存管理策略问题分析 |
5.2.2 基于空间邻近性的缓存预调度策略 |
5.2.3 增强现实缓存策略试验与分析 |
5.3 增强现实云端热点探测与缓存调度 |
5.3.1 局部热点数据探测与缓存调度 |
5.3.2 云端缓存命中率测试与分析 |
第6章 大规模空间社交媒体数据并行处理框架 |
6.1 大数据时代的计算特征 |
6.1.1 大数据技术 |
6.1.2 云计算技术 |
6.1.3 高性能计算 |
6.2 大规模空间社交媒体数据并行计算方法 |
6.2.1 并行计算算法代数假设 |
6.2.2 并行计算算法代数定义 |
6.2.3 并行计算算法代数运算谓词 |
6.3 大规模空间社交媒体数据并行计算架构 |
6.3.1 空间社交媒体数据并行计算框架 |
6.3.2 计算任务主从并行调度模式 |
6.3.3 空间社交媒体数据并行处理实例 |
第7章 原型系统设计与实现 |
7.1 移动增强现实原型系统 |
7.1.1 原型系统概述 |
7.1.2 前后端架构设计 |
7.2 原型系统空间界面交互设计 |
7.2.1 增强现实人机交互设计 |
7.2.2 空间社交媒体数据界面设计 |
7.3 原型系统增强现实可视化测试 |
7.3.1 增强现实可视化效果演示 |
7.3.2 原型系统性能测试 |
第8章 结论与展望 |
8.1 研究结论 |
8.2 研究创新点 |
8.3 前景展望 |
参考文献 |
已发表的研究成果 |
致谢 |
(3)面向多模态场景数据的多层次混合时空索引方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 索引机制 |
1.2.2 场景数据的索引方法 |
1.2.3 场景数据的存储管理方法 |
1.3 论文研究思路 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 研究技术路线 |
1.4 论文组织结构 |
第2章 多模态场景数据时空索引机制 |
2.1 多模态场景数据 |
2.1.1 场景数据的多模态特点 |
2.1.2 多模态场景数据的组织划分 |
2.2 多层次可视化任务需求 |
2.2.1 多层次可视化任务特点 |
2.2.2 可视化任务对场景数据组织的差异性需求 |
2.3 全局-局部协同的时空索引机制 |
2.4 本章小结 |
第3章 基于时空关系图的多层次混合时空索引方法 |
3.1 基于稀疏矩阵的时空关系图索引 |
3.1.1 时空关系图的定义 |
3.1.2 时空关系图的生成 |
3.1.3 基于稀疏矩阵的内存存储与操作 |
3.2 多层次混合时空索引方法结构及原理 |
3.2.1 总体结构 |
3.2.2 多层次混合时空索引工作原理 |
3.2.3 典型多模态场景数据局部索引组织方法 |
3.3 内外存索引更新与优化 |
3.3.1 内外存索引更新机制 |
3.3.2 时空关系图索引优化 |
3.4 时空关系图索引效率实验 |
3.4.1 实验数据与环境 |
3.4.2 索引的构建效率测试与分析 |
3.5 本章小结 |
第4章 基于微服务架构的场景数据组织管理引擎 |
4.1 场景数据引擎设计 |
4.1.1 场景数据引擎结构概述 |
4.1.2 场景数据引擎机制 |
4.2 场景数据多模型存储微服务 |
4.2.1 场景数据存储微服务设计 |
4.2.2 多模型数据存储与多模式数据视图 |
4.3 多样化场景数据查询 |
4.3.1 时空查询 |
4.3.2 模糊时空关系查询 |
4.4 本章小结 |
第5章 场景数据组织管理原型系统及实验分析 |
5.1 概述 |
5.1.1 系统需求 |
5.1.2 实验环境 |
5.1.3 测试数据集 |
5.2 原型系统设计与实现 |
5.2.1 原型系统设计 |
5.2.2 原型系统实现 |
5.3 实验测试与分析 |
5.3.1 基础框架数据组织管理实验 |
5.3.2 智能感知数据组织管理实验 |
5.3.3 关联关系数据组织管理实验 |
5.3.4 综合分析与讨论 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 工作总结 |
6.2 创新点 |
6.3 不足与展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
学术论文 |
发明专利 |
学术活动 |
科研项目 |
(4)基于地图编辑长事务模型的协同制图关键技术研究(论文提纲范文)
摘要 |
Abstract |
缩略词 |
第一章 绪论 |
1.1 研究目的 |
1.2 研究现状与问题 |
1.2.1 国内外研究现状 |
1.2.2 现有研究的不足 |
1.3 总体解决方案 |
1.3.1 总体研究思路 |
1.3.2 主要研究内容 |
1.4 本文的组织结构 |
1.5 本章小结 |
第二章 协同制图理论与方法 |
2.1 协同制图概念 |
2.1.1 协同制图的CSCW起源 |
2.1.2 协同制图相关概念 |
2.2 协同制图模型与方法 |
2.2.1 长事务模型 |
2.2.2 长事务并发控制方法 |
2.3 地图制图协同工作机制 |
2.3.1 工作组机制 |
2.3.2 基于任务划分的协同制图工作流 |
2.4 基于MELT的空间数据库更新机制 |
2.4.1 基于C/S架构的协同制图数据库更新 |
2.4.2 基于B/S架构的协同制图数据库更新 |
2.5 协同制图中存在的技术问题 |
2.5.1 基于空间数据的协同制图事务效率问题 |
2.5.2 协同制图长事务并发处理复杂度问题 |
2.5.3 协同制图地图同步显示问题 |
2.5.4 传统GIS长事务核心问题 |
2.5.5 研究难点 |
2.6 本章小结 |
第三章 MELT模型构建 |
3.1 基于地图文档状态及变化的MET存储模型 |
3.1.1 虚拟内存的MET存储模型 |
3.1.2 普通内存的MET存储模型 |
3.1.3 基于地图文档状态备份与变化的MET模型 |
3.2 地图文档模型定义 |
3.2.1 基于虚拟内存的地图文档模型变量定义 |
3.2.2 文档状态信息在虚拟内存中统一存储 |
3.2.3 地图文档中MET三元组模型 |
3.2.4 基于地图文档的MELT模型 |
3.3 OLE对象的编辑事务支持 |
3.4 基于MELT模型的I/O操作 |
3.5 本章小结 |
第四章 基于MELT的协同制图关键技术及解决方案 |
4.1 协同制图事务组织与调度技术 |
4.2 协同制图长事务并发处理技术 |
4.2.1 协同制图MET串行化协议 |
4.2.2 相交事务并发处理方法 |
4.2.3 协同制图中自动事务与用户长事务 |
4.3 基于MELT的GRCP自动处理方法 |
4.3.1 几种典型的GRCP问题 |
4.3.2 GRCP模型及其扩展 |
4.3.3 几种典型GRCP方法 |
4.3.4 其他GRCP技术体制设计 |
4.4 协同制图多客户端同步显示技术 |
4.5 本章小结 |
第五章 基于MELT的协同制图实验 |
5.1 集中式协同制图实验平台的构建 |
5.2 基于MELT的地图文档多源数据集成 |
5.3 地图要素编辑 |
5.3.1 地图要素编辑功能划分 |
5.3.2 地图编辑处理功能模块架构 |
5.3.3 地图要素编辑处理的工作流程 |
5.3.4 地图要素编辑测试 |
5.4 GRCP的地图编辑 |
5.4.1 GRCP的地图编辑功能 |
5.4.2 GRCP测试 |
5.5 基于地图文档的MELT模型实验 |
5.5.1 基于MELT模型的事务管理能力测试 |
5.5.2 面向协同制图的MELT并发处理实验 |
5.5.3 基于协同制图工作组的多客户端地图同步显示实验 |
5.6 本章小结 |
第六章 结论 |
6.1 总结 |
6.2 创新点 |
6.3 应用前景与展望 |
6.3.1 应用前景 |
6.3.2 研究展望 |
致谢 |
参考文献 |
作者简历 |
(5)基于MySQL的矢量数据访问引擎设计与实现(论文提纲范文)
0 引言 |
1 空间数据库访问引擎概述 |
2 VSDE关键技术 |
2.1 开发平台 |
2.2 开源库 |
2.2.1 OGR简单要素库 |
2.2.2 My SQL C API |
2.3 字符集 |
3 VSDE设计与实现 |
3.1 技术路线 |
3.2 VSDE系统测试 |
4 结束语 |
(6)高效时空大数据服务若干关键技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关技术研究 |
1.3 论文研究内容 |
1.4 论文的组织与安排 |
2 基于微服务的时空大数据服务架构研究 |
2.1 相关研究及存在问题 |
2.2 高效时空大数据服务API网关 |
2.3 时空大数据服务进程间通信协议 |
2.4 实验与验证 |
2.5 本章小结 |
3 时空大数据存储检索策略优化 |
3.1 相关研究及存在问题 |
3.2 时空大数据存储架构与索引策略 |
3.3 时空大数据存储模型与快速检索 |
3.4 实验与验证 |
3.5 本章小结 |
4 时空大数据的快速空间匹配 |
4.1 相关研究及存在问题 |
4.2 典型专题数据空间属性一致性处理 |
4.3 地名地址基因及地名地址提取 |
4.4 实验与验证 |
4.5 本章小结 |
5 时序影像瓦片金字塔快速构建 |
5.1 相关研究及存在问题 |
5.2 时序影像瓦片切分策略 |
5.3 构建并行策略优化 |
5.4 实验与验证 |
5.5 本章小结 |
6 时空大数据平台构建及应用 |
6.1 平台体系框架 |
6.2 关键技术接入 |
6.3 功能介绍 |
6.4 应用案例 |
6.5 本章小结 |
7 总结与展望 |
7.1 研究成果 |
7.2 下一步工作 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(7)基于ArcEngine及Oracle技术的地下空间数据管理功能研究与开发(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外地下空间发展现状 |
1.2.1 国外地下空间开发与应用研究现状 |
1.2.2 国内地下空间开发与应用研究现状 |
1.3 空间数据管理现状 |
1.3.1 空间数据库发展现状 |
1.3.2 地下空间数据库构建方法概述 |
1.3.3 地下空间数据管理系统构建方案概述 |
1.4 研究内容及技术路线 |
1.4.1 研究内容 |
1.4.2 论文组织结构 |
第二章 地下空间建筑物数据采集与处理 |
2.1 地下空间数据采集精度标准 |
2.2 地下空间数据采集 |
2.3 地下空间数据处理 |
2.3.1 地下空间数据处理原则 |
2.3.2 地下空间数据处理内容 |
2.4 成果图编绘 |
2.4.1 地下空间设施符号分类 |
2.4.2 图上要素表示 |
2.5 成果质量检查 |
2.6 本章小结 |
第三章 系统理论基础与关键技术 |
3.1.数据库关键技术 |
3.1.1 Geodatabase空间数据模型技术 |
3.1.2 Arc SDE空间数据引擎技术 |
3.1.3 Oracle 11g技术 |
3.2 系统关键技术 |
3.2.1 组件式GIS基本思想 |
3.2.2 Arc Engine组件技术 |
3.2.3 Query Interface接口跳转技术 |
3.2.4 ADO数据库访问技术 |
3.3 本章小结 |
第四章 地下空间建筑物数据库设计 |
4.1 地下空间建筑物数据特点及分层 |
4.1.1 地下空间数据特点 |
4.1.2 地下空间数据分层 |
4.2 地下空间数据库总体设计 |
4.3 城市地下空间数据库概念设计 |
4.4 城市地下空间数据库逻辑设计 |
4.4.1 空间位置分区 |
4.4.2 地下空间数据逻辑分层 |
4.4.3 地下空间数据逻辑结构表 |
4.5 城市地下空间数据库物理设计 |
4.5.1 设计任务 |
4.5.2 设计步骤 |
4.5.3 地下空间数据库物理结构图 |
4.6 城市地下空间元数据库设计 |
4.6.1 元数据库 |
4.6.2 元数据管理模式 |
4.6.3 地下空间建筑物元数据存储结构 |
4.7 本章小结 |
第五章 地下空间数据管理系统构建 |
5.1 系统技术路线与总体结构 |
5.1.1 系统需求分析 |
5.1.2 系统运行环境配置 |
5.1.3 开发环境搭建 |
5.1.4 系统总体结构 |
5.2 系统接口 |
5.2.1 系统插件接口 |
5.2.2 系统工具接口 |
5.2.3 地图文档接口 |
5.2.4 图层管理接口 |
5.2.5 图层空间参考接口 |
5.2.6 空间入库接口 |
5.2.7 空间数据查询接口 |
5.3 用户登陆模块 |
5.3.1 用户登陆模块设计 |
5.3.2 用户登陆模块实现 |
5.4 数据入库模块 |
5.5 数据操作及管理模块 |
5.5.1 图层管理及显示 |
5.5.2 空间数据操作 |
5.6 数据质量检查模块 |
5.7 本章小结 |
第六章 结论与展望 |
6.1 研究工作总结 |
6.2 不足与展望 |
致谢 |
参考文献 |
附录 |
(8)不动产大数据的数据模型研究与应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 不动产登记研究现状 |
1.2.2 数据模型的研究现状 |
1.2.3 不动产数据模型现状 |
1.3 研究内容及技术路线 |
1.4 本章小结 |
2 不动产数据特征 |
2.1 数据来源 |
2.2 数据种类 |
2.3 数据量估算 |
2.4 数据特点 |
2.5 本章小结 |
3 空间数据管理技术 |
3.1 文件系统 |
3.2 文件与关系型数据库混合管理系统 |
3.3 空间数据库引擎 |
3.4 对象关系型空间数据库管理系统 |
3.5 大数据管理技术 |
3.5.1 大数据处理技术 |
3.5.2 大数据存储技术 |
3.5.3 大数据查询技术 |
3.6 本章小结 |
4 不动产大数据模型设计与验证 |
4.1 数据建模流程 |
4.2 设计思路和原则 |
4.2.1 关系型与非关系型数据库有机集成 |
4.2.2 ETL与ElasticSearch提升查询效率 |
4.3 不动产大数据的概念模型 |
4.3.1 业务概念模型 |
4.3.2 数据概念模型 |
4.4 汇总数据区数据组织与存储逻辑模型 |
4.4.1 属性库数据组织与存储设计 |
4.4.2 空间库数据组织与存储设计 |
4.4.3 权利人属性表的拆分 |
4.4.4 地图切片数据组织与存储设计 |
4.5 共享数据区数据组织与存储逻辑模型 |
4.5.1 存量数据抽取建库 |
4.5.2 增量数据抽取建库 |
4.5.3 ES查询模型构建 |
4.6 不动产大数据的物理模型 |
4.6.1 不动产业务内网物理模型 |
4.6.2 不动产业务外网物理模型 |
4.7 原型设计与模型验证测试 |
4.7.1 原型系统设计 |
4.7.2 测试软硬件环境 |
4.7.3 发证统计测试 |
4.7.4 查询性能测试 |
4.8 本章小结 |
5 总结和展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(9)面向快速可视化的城市三维模型数据管理与组织研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景 |
1.2 国内外研究现状 |
1.2.1 三维空间数据模型 |
1.2.2 三维模型的构建 |
1.2.3 三维模型存储管理 |
1.2.4 三维模型索引结构 |
1.3 本文研究内容 |
1.4 全文组织框架 |
第二章 三维模型数据预处理 |
2.1 常用三维模型数据格式及其转换 |
2.1.1 三维模型数据格式与一般结构 |
2.1.2 数据格式的并行转换 |
2.2 LOD模型简化算法 |
2.2.1 网格简化算法 |
2.2.2 基于顶点聚类的多纹理模型简化算法 |
2.2.3 混合LOD模型 |
2.2.4 实验与结果分析 |
第三章 基于空间数据库的城市三维模型管理方法 |
3.1 空间数据库的特点 |
3.2 城市三维模型数据库设计 |
3.2.1 数据库组织结构 |
3.2.2 元数据库设计 |
3.2.3 模型对象表结构设计 |
3.3 城市三维模型数据库的实现 |
3.3.1 模型数据入库模块 |
3.3.2 模型数据查询模块 |
3.3.3 模型数据导出模块 |
第四章 基于分层的城市三维模型全场景组织方式 |
4.1 LOD-R树技术 |
4.2 城市三维建筑物全场景的分层结构 |
4.2.1 全场景分层三维瓦片结构 |
4.2.2 全场景分层瓦片自动生成算法 |
4.2.3 全场景分层瓦片结构具体实现 |
4.2.4 全场景分层瓦片文件组织与索引 |
4.3 实验与结果分析 |
第五章 基于内存数据库的城市三维模型管理方法 |
5.1 redis内存数据库 |
5.2 三维模型缓存预判策略 |
5.3 基于分级结构的多条件key的设计 |
5.4 城市三维模型缓存管理系统 |
5.4.1 三维可视化引擎 |
5.4.2 系统功能设计 |
5.4.3 系统结构设计 |
5.5 实验与结果分析 |
第六章 总结与展望 |
6.1 全文工作总结 |
6.2 未来工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(10)基于搜索引擎的地理编码系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究和应用现状 |
1.2.1 研究现状 |
1.2.2 应用现状 |
1.3 研究目的与意义 |
1.4 研究内容 |
1.5 论文结构安排 |
第二章 地理编码系统的关键原理 |
2.1 地理编码数据库的建库特点 |
2.1.1 标准地名地址模型 |
2.1.2 空间数据库技术 |
2.2 正向地理编码原理 |
2.2.1 中文分词基本原理 |
2.2.2 开源中文分词器 |
2.2.3 地名地址匹配原理 |
2.3 逆向地理编码原理 |
2.3.1 基于距离过滤的逆向地理编码 |
2.3.2 基于空间索引的逆向地理编码 |
第三章 搜索引擎的关键原理 |
3.1 倒排索引 |
3.2 开源搜索引擎技术的分析与比较 |
3.2.1 Lucene |
3.2.2 Solr |
3.2.3 Elasticsearch |
3.2.4 搜索引擎选型分析 |
3.3 Elasticsearch对空间数据的支持 |
3.3.1 支持的空间数据类型 |
3.3.2 支持的空间数据操作 |
3.3.3 对Geohash空间索引的支持 |
3.3.4 对邻近查询的支持 |
第四章 系统分析与设计 |
4.1 需求分析 |
4.1.1 总体目标 |
4.1.2 详细需求 |
4.2 设计原则 |
4.3 系统技术路线 |
4.4 总体架构设计 |
4.4.1 应用层 |
4.4.2 服务层 |
4.4.3 数据层 |
4.5 系统数据流 |
4.6 模块详细设计 |
4.6.1 数据处理模块 |
4.6.2 功能服务模块 |
4.7 数据结构设计 |
4.7.1 地理编码数据库表设计 |
4.7.2 Elasticsearch引擎文档结构设计 |
第五章 系统实现 |
5.1 开发环境 |
5.2 系统部署 |
5.2.1 部署环境 |
5.2.2 部署过程 |
5.3 功能展示 |
5.3.1 服务功能展示 |
5.3.2 原型应用系统功能展示 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
四、基于空间数据库引擎的LineObject索引(论文参考文献)
- [1]基于多层Voronoi图索引的城市地质环境空间数据高效查询技术研究[D]. 李旸. 中国地质大学, 2021(02)
- [2]分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究[D]. 张帅. 南京大学, 2020(10)
- [3]面向多模态场景数据的多层次混合时空索引方法[D]. 冯斌. 西南交通大学, 2019(06)
- [4]基于地图编辑长事务模型的协同制图关键技术研究[D]. 何列松. 战略支援部队信息工程大学, 2020(02)
- [5]基于MySQL的矢量数据访问引擎设计与实现[J]. 赵硕,范俊甫,孙永进,王开放. 测绘与空间地理信息, 2019(09)
- [6]高效时空大数据服务若干关键技术研究[D]. 孙伟. 山东科技大学, 2019(02)
- [7]基于ArcEngine及Oracle技术的地下空间数据管理功能研究与开发[D]. 梁晨. 昆明理工大学, 2019(04)
- [8]不动产大数据的数据模型研究与应用[D]. 李德亮. 兰州交通大学, 2019(04)
- [9]面向快速可视化的城市三维模型数据管理与组织研究[D]. 刘天漪. 国防科技大学, 2017(02)
- [10]基于搜索引擎的地理编码系统的设计与实现[D]. 喻凯. 武汉大学, 2017(06)