CN102255873A - 基于有序点集像素无损压缩的矢量数据高效传输方法 - Google Patents

Abstract

本发明公开了基于有序点集像素无损压缩的矢量数据高效传输方法。光栅化图形设备的特性和矢量数据的可视化过程是有序点集像素无损压缩传输的基础。本发明构建了顶点像素等价的固定精度模型；通过模型与计算机中整数的二进制存储建立联系，给出了二进制条件下固定精度模型像素无损与二进制整数位数之间的关系，设计了顶点坐标二进制位的按需分配算法；基于上述算法建立了有序点集像素无损的高效的压缩编码/解码方案；基于有序点集的压缩编码技术，对OGC的简单要素模型进行改造，设计了符合GIS应用的矢量高效传输技术。本发明可应用于改造传统GIS的数据传输机制，在不影响用户交互和可视化效果的前提下，有效利用网络带宽，提高系统的响应能力。

Description

基于有序点集像素无损压缩的矢量数据高效传输方法

技术领域

本发明公开了一种基于有序点集像素无损压缩的矢量数据高效传输方法，能够用于地理信息系统领域矢量数据的高效传输。

背景技术

空间数据具有海量特征，各种现代化的数据采集手段的应用使得可用的空间数据量正在急剧增加，在可预见的将来，计算机处理能力与无限量的空间数据之间的矛盾将始终存在。为了提高系统的响应速度，在空间数据的组织、传输和可视化等环节寻找优化性能的技术和方法始终是GIS研究领域的核心课题。

GIS的矢量数据承担着空间分析和制图输出的双重任务，经典的矢量数据高效传输的研究认为，其是制图综合的逆过程，而制图综合技术本身尚未成熟，所以，矢量数据高效传输在几何化简、数据组织、拓扑关系维护等目标之间难以取得一致和平衡。现有的研究工作集中在几何数据的化简算法改进以及特定应用的渐进传输实验上，没有形成完整的解决方案，无法与主流的GIS软件架构进行有效融合。

针对GIS矢量数据高效传输研究所面临困难，本发明从一种新的视角研究矢量数据的高效传输问题。从GIS角度讲，空间数据质量的核心就是保证数据本身的精度和数据之间的逻辑正确性(USGS STDS)。矢量数据经过网络和计算机一系列的传输和处理过程，以“地图”的形式显示到输出设备上，“地图”的精度和逻辑一致性是数据传输和处理过程中各步骤的精度、逻辑一致性和完整性的最终体现。“地图”的正确性是地理数据蕴含的空间关系和空间分析结果正确表达的前提。

光栅技术在计算机显示输出领域取得了绝对优势，现代计算机的显示器、各种打印机和绘图仪都属于光栅设备，像素是它们共同的基础。因此，“地图”的最终输出结果，从本质上讲是显示输出设备上一系列像素的集合。追寻矢量数据可视化过程中这一最终决定因素，本发明公开了一种GIS矢量数据的像素无损高效传输的方法，所谓“像素无损”是指任何地理要素传输的低数据量版本与原始数据的光栅化结果在像素级相同，要素的像素无损保证了要素间拓扑关系在可视化级别与原始数据保持一致，可以有效地回避制图综合中复杂的拓扑关系保持计算问题。通过对矢量数据进行像素无损的压缩编码，实现矢量数据的几何简化、数据压缩、按需传输，综合提升系统的响应速度。

发明内容

本发明的目的是提供一种高效的矢量数据像素无损传输方法，能够做到低数据量版本与原始数据的光栅化结果在像素级相同，从而提升网络环境下系统的响应速度。

在光栅设备中，组成矢量图形的最小单位是像素，像素成为光栅图形的最小可分辨元素，像素也是光栅化时硬件和软件所能控制的最小单位，任何小于一个像素的差异在光栅设备上是不能区分的。

空间数据的可视化过程隐含了从地理要素的几何数据向图形学的几何元素，地理要素的属性特性向图形学的绘图参数转换的过程，在这个过程中蕴含了GIS矢量数据与计算机图形学之间的几何同构性、语义转换性，形成了GIS矢量数据可视化的结果协同性。语义转换性是依赖几何同构特性，构成几何特征的顶点坐标是符号化的控制点，有序点集是线绘制和区域填充的骨架，本发明仅限于几何层次的顶点坐标和有序点集，不考虑因符号化过程导致的几何对象膨胀、缩小和位置偏移。

任何空间数据的可视化都是经过一系列转换变成像素的过程，讨论了二维和三维情况下顶点坐标向像素坐标的映射以及映射后的坐标之间的距离变化关系，分析了顶点坐标在可视化模型下通用的像素等价的条件。

矢量数据顶点坐标的整数化的固定精度模型基于以下两个事实：1)空间数据的坐标系是有一定范围的；2)空间数据有一定的精度标准，高于该精度的数据是没有意义的。建立了固定精度模型与像素等价之间的关系。考虑固定精度模型像素等价的条件，在可视化坐标变换T下，满足与

像素等价的条件是：对于坐标的最大缩放比为S’，在二维情况下需要的位数可以由公式

求的，INT表示整数。并不需要传递顶点坐标数值中的所有二进制位就可以达到像素等价的条件，而只需传递n位就可以满足像素无损。

在本发明公开了一种矢量的数据编码方式，将四个顶点作为一个聚集进行存储，能够有效地解决内存中数据位的浪费问题。将二进制压缩编码后的数据进行传输，根据固定精度模型，利用位数n和N位精度下分辨率，反算顶点坐标，可以实现像素无损的高效传输。

分析OGC定义的所有WKB类型的结构，WKB类型的表达实现了二进制结构与OGC简单要素规范的对应性。由定义的数据结构可知，矢量数据可以看成有序点集的集合。基于有序点集像素无损压缩方法能够实现GIS矢量数据高效传输。

本发明以矢量数据的用户交互体验为出发点，以全新的思路解决矢量数据传输过程中的两个核心问题：

(1)可视化时“质”的问题。传输低分辨率数据与原始数据的可视化结果在像素级别是相同的，即像素无损，也就是与原始数据同“质”的；

(2)传输时“量”的问题。建立以像素无损为基础矢量数据化简算法，有效控制网络传输的数据量。“像素无损”可以使传输的数据与原始数据在可视化结果上是等价的，间接保证了数据在视觉上的空间关系不变。

本发明具有重要的理论与工程实践意义，可以支持二维、三维GIS矢量数据传输与可视化效率，提升GIS产业的核心竞争力，有效缩小专业GIS企业与互联网公司的空间信息服务产品在用户交互体验上的差距。

附图说明

图1直线的光栅化图像

图2地理要素可视化的几何同构与语义转换

图3字节与比特的关系

图4二维有序点集在内存中连续布局

图5像素等价示意图

图6二维的固定精度模型

图7“位”需要的字节数

图8顶点编码图

图9顶点压缩后形成字节流

具体实施方式

下面结合实施例做进一步说明。

矢量数据可视化和图形设备的关系

矢量数据的可视化依赖于计算机图形学，图形设备的特性决定了可视化的质量与效果，现代计算机图形的关键是光栅技术，二维和三维的GIS矢量数据经过一系列的变换最终通过光栅化转换为屏幕上的栅格图像。

光栅本质上就是一个二维的颜色矩阵，矩阵中每一个元素称为像素(Pixel)，任何在光栅设备上显示的矢量图形都是由像素集合构成的一个近似表达，光栅技术利用了人的视觉系统存在的有限分辨率特性。图1是一条直线的在窗口系统中的光栅化示意图。矢量数据的可视化模型

矢量数据的可视化过程隐含了从地理要素的几何数据向图形学的几何元素，地理要素的属性特性向图形学的绘图参数转换的过程，在这个过程中蕴含了GIS矢量数据与计算机图形学之间的几何同构性、语义转换性，形成了GIS矢量数据可视化的结果协同性。

几何同构性是指GIS的矢量数据与计算机图形学具有相同的几何学基础。矢量数据中的点、线、面，可以对应于图形学中的矢量点、线和面，其数据结构是相同的。计算机图形学中使用的笛卡尔坐标系与矢量数据采用的地理坐标系在数学形式上没有本质差别。在实现层次上，图形学坐标和空间坐标只是数据类型不同，各种坐标变换算法对于图形学坐标和地理坐标没有本质差别。几何同构性使得矢量数据的几何特征可以通过图形学“精确”地绘制出来。由于这种几何同构性，本文的后续研究将不再区别地理地理坐标和图形学坐标。

语义转换性是指表现地理要素在“数量”和“分类”差异的属性特征可以转换成为颜色、线型、填充图案等图形学中的绘图参数。虽然语义转换可能会导致几何特征在结构上出现改变，比如将较宽的道路用双线进行绘制，但是这种改变只是在绘制过程中进行的，并没有对几何特征本身进行更改；同时这种改变依赖于几何同构性，以地理坐标变换后形成的像素坐标为基础的。

图2是一个地理要素可视化过程，4个坐标构成一个多边形，经过坐标变换形成图形学坐标下的多边形结构，按照地理要素对应的符号，使用相应的线形和填充图案进行了绘制。

所以，语义转换性是依赖几何同构特性，构成几何特征的顶点坐标是符号化的控制点，有序点集是线绘制和区域填充的骨架，因此本发明仅限于几何层次的顶点坐标和有序点集，不考虑因符号化过程导致的几何对象膨胀、缩小和位置偏移。

结果协同性是几何同构性和语义转换性的必然结果，矢量数据经过可视化流程处理之后的光栅化图形在位置上保持地理要素本身固有的相对位置关系，在拓扑上保持一致性；通过颜色、线型以及填充等形成的视觉心理差异，能够反应矢量数据之间的“数量”和“分类”特性。

坐标精度问题

在计算机中，内存大小的单位是字节(byte)，它是内存分配的最小单位。一个字节由8个比特(bit)组成，一个比特代表一个二进制位。字节和比特的关系如图3所示。

内存布局是指数据在计算机内存中的组织结构，概念上的地理坐标必须映射为内存结构，使用确定的数据类型来定义，并占有一定的内存空间。按照维度，矢量数据的顶点包括二维和三维两种形式，二维的顶点坐标包括x和y两个分量，三维的顶点坐标包含x、y和z三个分量，使用类C语言的伪代码，其定义如下：

//二维点结构

struct point2d<T>

{

    Tx；

    Ty；

}

//三维点结构

struct point3d<T>

{

    Tx；

    Ty；

    Tz；

}

其中T是顶点坐标分量的数值类型，一般使用计算机硬件直接支持的数值类型。通常情况下顶点坐标的分量在内存中连续存放，而有序点集可以在内存中连续存储，也可以通过链表、双向链表等数据结构进行非连续存储，而连续存放的占用空间最少，读写最为迅速，因此比较通用。图4是一个二维有序点集在内存中连续存放的示意图。

一个顶点所占的内存是由其使用的数据类型决定的，二维顶点坐标所占的内存是2×sizeof(T)字节，三维顶点坐标所占的内存是3×sizeof(T)字节，其中sizeof()是取内存长度操作。在连续存放的情况下，一个有序点集占用的内存可以有PointCount×Dimension×sizeof(T)求出，PointCount是点的个数，Dimension是定顶点的维度。

计算机中数值以二进制方式表示，每种类型的字节长度是固定的，根据表示方法不同可以分为整数、定点数和浮点数。由于浮点数既可以表示整数也可以表示小数，其行为近似于实数，所以非常灵活，同时现代计算机中也有专门的硬件来支持浮点数的各种计算，所以GIS中各种算法通常使用浮点数实现，ESRI Shape和OGC WKB中的坐标存储也采用双精度浮点数。

双精度浮点数和图形设备的矛盾

因为任何空间数据的可视化都是经过一系列转换变成像素的过程，因此光栅化技术和像素成为矢量数据可视化的最终决定性因素，任何小于一个像素的差异在输出设备上都是不可分辨的。

顶点无损压缩的原理

顶点像素等价

在矢量数据的绘制过程中，设两点间的距离为D(P₁，P₂)，坐标变换序列T将顶点坐标P变换为像素坐标P′，记为P′＝T(P)；存在比例系数S，对于任意两点P₁，P₂，使得D(P₁′，P₂′)≤S·D(P₁，P₂)成立。图5是矢量数据有序点集像素等价示意图。

光栅化图形学中像素坐标是整数。因此，对于任意点P，以及P的邻域U＝{p|D(P，p)＜ε}，假设点P经过一系列的坐标变换T映射到像素坐标系中某个像素的中心，及T上的缩放比例系数的上界S′，如果S′·D(P，p)＜0.5，即D(P，p)＜0.5/S′，D(P′，p′)≤0.5，P′、p′必然属于同一个像素，也就是满足条件

D(P，p)＜0.5/S′        公式3-11

所有点像素等价。

上述即是顶点坐标在可视化模型通用的像素等价的条件。

反过来，而对于确定的变换序列T，对于T上的缩放比例系数的上界S′，对于任意点p，总能找到对应的P，使得P满足条件：D(P，p)＜0.5/S′，且P对应的像素坐标P′是像素的中心。

顶点坐标的整数化的固定精度模型

矢量数据顶点坐标的整数化的固定精度模型基于以下两个事实：1)空间数据的坐标系是有一定范围的。如用经纬度表示全球矢量数据的坐标，则经度的范围为-180到180，纬度的范围为-90到90；2)空间数据有一定的精度标准，高于该精度的数据是没有意义的。

首先以X轴为基础，讨论整数化的固定精度模型：

设有数据序列X_n＝{x_i|x_i＞x_min，x_i∈R，i＝1..n}，x_min∈R。存在ε_x＞0，且ε_x∈R。

定义函数U(x)＝INT((x-x_min)/ε_x)，INT表示取整运算。

定义函数X′(u)＝x_min+u·ε_x，u∈I。

则对于任意x_i∈X_n，有

用FPM_x(x_min，ε_x)表示上述关系，称FPM_x(x_min，ε_x)为X_n的固定精度模型(FixedPrecision Model，FPM)。x_min为固定精度模型的下界，ε_x为固定精度模型的分辨率。。

由上述定义可知在FPM_x(x_min，ε_x)下，|x_i-x_i′|＜ε_x总成立，x_i′是x_i的在固定精度模型下满足分辨率ε_x的近似，是x_i在固定精度模型下的整数化，由

在固定精度模型下可以求得x_i′。

上述讨论是针对一维数据的，对于二维顶点坐标和三维顶点坐标，可以针对每个坐标轴分别建立精度模型。

对二维的顶点坐标集合

P_n＝{p_i(x_i，y_i)|x_i＞x_min，y_i＞y_min，x_i，y_i∈R，i＝1，2，..，n}，

定义P_n固定精度模型FPM_2d(x_min，ε_x，y_min，ε_y)，其中x_min，ε_x组成X轴的固定精度模型FPM_x(x_min，ε_x)，y_min，ε_y组成Y轴的固定精度模型FPM_y(y_min，ε_y)。

对于P_n中任意顶点坐标p_i(x_i，_i)应用精度模型FPM_2d(x_min，ε_x，y_min，ε_y)，相当于对x_i，y_i分别应用固定精度模型FPM_x(x_min，ε_x)和FPM_y(y_min，ε_y)。可以推出坐标点p_i(x_i，y_i)在固定精度模型下的近似p′_i(x′_i，y_i′)和整数化表达

考虑像素等价的结论：对于可视化过程T的最大缩放比例S′，对于点P(x，y)，任一点p(x，y)，若两点距离D(P，p)＜0.5/S′，则p与P映射到像素上的点P′，p′，满足D(P′，p′)＜0.5。

联系上述固定精度模型的讨论，二维的固定精度模型，p_i(x_i，y_i)在PM_2d(x_min，ε_x，y_min，ε_y)下的近似p′_i(x_i，y_i′)，有

可视化坐标变换T的最大缩放比S′，若使得则必有D(p^T，p′^T)＜0.5成立。此时可以用整数化坐标在固定精度模型FPM_2d(x_min，ε_x，y_min，ε_y)解算p′_i(x′_i，y_i′，原始坐标p_i(x_i，y_i)可以用整数化坐标

来表示，且在坐标变换T下p′_i(x′_i，y_i′)与p_i(x_i，y_i)是像素等价的。

三维情况可得类似结果，当

时满足像素等价。

对于二维数据来讲，固定精度模型一个二维网格，称为精度网格，X和Y方向的网格间距分别是ε_x，ε_y，网格的起点坐标是(x_min，y_min)。图6是二维情况下固定精度模型的示意图，所有经过固定精度模型FPM_2d(x_min，ε_x，y_min，ε_y)处理过的顶点都映射到距离最近网格节点上。特别的，若ε_x＝ε_y＝ε，记二维固定精度模型为FPM_2d(x_min，y_min，ε)，网格单元是正方形的。后续仅讨论FPM_2d(x_min，y_min，ε)形式的固定精度模型。

在固定精度模型下，使用整数表示地理坐标是可行的。考虑极端情况，地球的半径大于6400公里，其赤道周长约为40212公里，也就是40212000米。对32为无符号整数，其最大值为4294967295，0212000/4294967295＜0.01米。如果以(0，0)点位固定精度模型的起点，以0.01米为精度模型的分辨率，则可以用32位无符号整数表示任意(0，0)到(40212000，40212000)之间的坐标，且满足分辨率0.01，这个精度能够满足绝大部分应用。像素无损的最小数据位数计算

在二维顶点坐标下N位精度下分辨率为Ex_N＝(b_x-a_x)/2^N，Ey_N＝(b_y-a_y)/2^N表达，a_x，b_x和a_y，b_y分别是X和Y坐标上的范围，记为FPM_2d ^N(a_x，b_x，a_y，b_y)。

若d＝b_x-a_x＝b_y-a_y＝ε·2^N，则精度网格单元是正方型的，且b_x＝a_x+d^N，b_y＝a_y+d^N，模型的最高分辨率E_N＝Ex_N＝Ey_N＝ε，可以记为FPM_2d ^N(a_x，a_y，d)。

三维情况下有FPM_3d ^N(a_x，a_y，a_z，d)的形式。后续讨论的渐进式精度模型均指FPM_2d ^N(a_x，a_y，d)或FPM_3d ^N(a_x，a_y，a_z，d)，简记为FPM_2d，FPM_3d，简称FPM。

对于顶点坐标p，经过固定精度模型FPM处理，得到整数化的坐标

是最高分辨率E_N下的整数化表达，在满足一定误差要求下，p可以用代替。整数化坐标

是分辨率E_n下的p整数化，其中n＜N。

考虑固定精度模型像素等价的条件，在可视化坐标变换T下，满足

与

像素等价的条件是：对于坐标的最大缩放比为S’，在二维情况下需要的位数可以由公式

求的，INT表示整数。

上述结论的意义在于，如果

与

像素等价且n＜N，也就是不需要传递

中所有的二进制位，就可以在可视化坐标变换T下实现

与

像素等价。

在二进制位的级别上，数据量小于也就是

是

的低数据量版本，且在T下是像素无损的。

矢量数据压缩与编码

在FPM模型下，如果要传输的位数为n，就能保证像素无损。在计算机中，内存大小的单位是字节(byte)，它是内存分配的最小单位。需要n不能被8的整除，即使余数为1，也需要新开辟一个字节。如图7所示，如果n的位数为9，则需要开辟2个字节(16位)的存储空间，才能存储一个数据，这样就会造成将近多于一倍的数据存储量，数据量的膨胀，不利于空间数据的网络传输。为此本发明设计一种新的矢量的数据编码方式。

有序点集中存在大量的顶点数据，本发明将四个顶点作为一个聚集进行存储，能够有效地解决内存中数据位的浪费问题。图8以n的位数为9进行说明。各取P1、P2、P3和P4顶点的X、Y坐标的第1位，组成一个字节，如图虚线框中的总共8位组成一个字节；然后，顺序取其它位形成新字节；编码完毕，四个顶点总共形成9个字节。如果有序点集中点的个数不能被4整除，也就是可能存在最后剩余1个、2个或者3个顶点的情况，将字节中其它位用0补齐，在进行二进制编码的开始时，预留一个字节记录剩余点的情况。整个存储的结构如图9所示。

通过有序点集的压缩存储，理想的情况下，能将数据量减半。传输到客户端后，根据传输的位数n和分辨率E_n，将字节流进行解码，形成满足像素无损的数据，并进行显示。解码的过程如下：

(1)判断传输过来的字节流的总长度nByteCount；

(2)计算字节流中，聚集的个数nCollection＝(nByteCount-1)/n。

(3)读取第一个字节，并将二进制解码成十进制，表示有序点集中点的个数整除4的余数nRemain。

(4)循环读取字节流，每次读取n个。对n个字节进行解码，分别取n个字节中的第m位(1≤m≤8)，按顺序排位形成一个二进制编码的字节，转换成十进制，形成一个数据。

(5)读取所有的字节流。最后一个字节流中，只对nRemain个顶点进行解码。

(6)将解码得到的数据乘以分辨率E_n，就能恢复得到像素无损的低数据量版本。有序点集GIS数据结构

从实际应用的范围来看，OGC简单要素规范是对GIS领域常用要素模型的一种最合适概括，因而被广泛接受，大多数商业GIS平台都提供了对该规范的支持开源GIS软件的几何模型大多直接使用OGC简单要素规范。

矢量数据的存储有二进制和文本两种基本方法，二进制和文本编码各自有其适用的领域。二进制编码关注编码、传输和解析的高效，文本编码具有更好的可读性和跨平台互操作性。相同内容的矢量数据，文本编码的数据量远比二进编码大，考虑矢量数据的海量特征，如果用文本进行编码，无疑使其数据量更加庞大，所以本发明设计了二进制矢量数据编码方案。

OGC在简单要素规范的基础上定义了WKB(Well Known Binary)和WKT(Well KnownText)两种编码交换格式，WKT是基于文本的编码格式，WKB是基于二进制的编码数据格式，可以将OGC简单要素规范的几何类型序列化成字节流。WKB使用1字节无符号整数(byte)、4字节无符号整数(uint32)以及8字节双精度数(double，IEEE-754格式)进行编码。

本发明将以WKB为参照，建立基于本文的研究成果的矢量数据的渐进式传输的二进制结构。首先对WKB格式进行简单介绍，其次定义PPM+模型对应的几何类型二进制编码。下面的定义使用类C语言作为伪代码的描述语言。

WKB定义了6种几何类型，每个类型对应了一个编号，其枚举定义如下。

enum wkbGeometryType{

   wkbPoint＝1，wkbLineString＝2，wkbPolygon＝3，

    wkbMultiPoint＝4，wkbMultiLineString＝5，wkbMultiPolygon＝6

}；

不同的计算机平台上数值的字节顺序有所不同，比如Intel平台上所用的数据是大字头表示方法，而Motorola平台上所用的数据是小字头表示。WKB定义了其枚举定义。

enum wkbByteOrder{

   wkbXDR＝0，//大字头

   wkbNDR＝1//小字头

}；

WKB中Point和LinearRing两个构造单元用来定义线和多边形，其定义如下：

struct Point{

         double x；

         double y；

}；

struct LinearRing{

         uint32numPoints；

         Point points[numPoints]；

}；

Point定义了一个坐标点，LinearRing定义了一个由有序点集构成的封闭环，WKB定义的wkbPoint、wkbLineString、wkbPolygon等基本几何类型都可以由上述Point和LinearRing的组合给出，而复合几何类型wkbMultiPoint、wkbMultiLineString、wkbMultiPolygon则基本类型组合而成，伪代码如下：

struct WKBPoint{

byte byteOrder；

uint32 wkb Type＝wkbPoint；

Point point；

 }；

struct WKBLineString{

byte byteOrder；

uint32 wkbType＝wkbLineString；

uint32 numPoints；

Point points[numPoints]；

}；

struct WKBPolygon{

    byte byteOrder；

    uint32 wkbType＝wkbPolygon；

    uint32 numRings；

    LinearRing rings[numRings]；

}

struct WKBMultiPoint{

    byte byteOrder；

    uint32 wkbType＝wkbMultiPoint；

    uint32 numWKBPoints；

    WKBPoint WKBPoints[numWKBPoints]；

}

struct WKBMultiLineString{

    byte byteOrder；

    uint32 wkbType＝wkbMultiLineString；

    uint32 numWKBLineStrings；

    WKBLineString WKBLineStrings[numWKBLineStrings]；

}

struct WKBMultiPolygon{

   byte byteOrder；

   uint32 wkbType＝wkbMultiLineString；

   uint32 numWKBPolygons；

   WKBLineString WKBPolygons[numWKBPolygons]；

}

上述是OGC定义的所有WKB类型的结构，WKB类型的表达实现了二进制结构与OGC简单要素规范的对应性。由以上定义的数据结构可知，矢量数据可以看成有序点集的集合。基于有序点集像素无损压缩方法能够实现GIS矢量数据高效传输。

Claims (9)

1.基于有序点集像素无损压缩的矢量数据高效传输方法，其特征是，该方法包括下列步骤：进行图形设备光栅化图形的特性和矢量数据的可视化；分析顶点像素等价和矢量数据顶点坐标的整数化固定精度模型，计算有序点集像素无损压缩需要的位数n；进行矢量数据的压缩与编码，并基于固定精度模型反算顶点坐标，分析GIS的数据结构，实现GIS矢量数据高效传输。

2.按权利要求1所述的矢量数据高效传输方法，其特征是，以WKB为参照，建立矢量数据的二进制结构。

3.按权利要求1所述的矢量数据高效传输方法，其特征是，点以坐标的方式表示，由点组成有序点集。

4.按权利要求1所述的矢量数据高效传输方法，其特征是，GIS矢量数据与计算机图形学之间的几何同构性、语义转换性，形成了GIS矢量数据可视化的结果协同性；所述的几何同构性是指GIS的矢量数据与计算机图形学具有相同的几何学基础；所述的语义转换性是指地理要素在“数量”和“分类”差异的属性特征转换成为颜色、线型、填充图案图形学中的绘图参数；所述的结果协同性在于矢量数据集经过可视化流程处理之后的光栅化图形在位置上保持地理要素本身固有的相对位置关系，在拓扑上保持一致性。

5.按权利要求1所述的矢量数据高效传输方法，其特征是，所述的顶点像素等价是指存在两个坐标不同的矢量数据，经过相同的可视化过程，光栅化后具有相同的栅格图像。

6.按权利要求4所述的矢量数据高效传输方法，其特征是，所述的像素无损压缩是指通过化简算法，得到地理要素对应的低数据量版本，且与原始数据是像素等价的。

7.按权利要求6所述的矢量数据高效传输方法，其特征是，所述的化简算法是指在固定精度模型下，使用整数表示坐标。

8.按权利要求7所述的矢量数据高效传输方法，其特征是，所述的固定精度模型像素等价的条件，是在可视化坐标变换下，满足像素等价的条件是：对于坐标的最大缩放比为S’，在二维情况下需要的位数可以由公式

求的，INT表示整数。

9.按权利要求2所述的矢量数据高效传输方法，其特征是，所述的矢量数据二进制结构是将矢量数据看成有序点集的集合。

Images