CN110532341A - 空间信息时空大数据约束表达方法 - Google Patents

空间信息时空大数据约束表达方法 Download PDF

Info

Publication number
CN110532341A
CN110532341A CN201910826804.XA CN201910826804A CN110532341A CN 110532341 A CN110532341 A CN 110532341A CN 201910826804 A CN201910826804 A CN 201910826804A CN 110532341 A CN110532341 A CN 110532341A
Authority
CN
China
Prior art keywords
space
time
data
big data
time big
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910826804.XA
Other languages
English (en)
Other versions
CN110532341B (zh
Inventor
张雷
张春霞
杜德慧
刘彪
田波
袁庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Normal University
Original Assignee
East China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China Normal University filed Critical East China Normal University
Priority to CN201910826804.XA priority Critical patent/CN110532341B/zh
Publication of CN110532341A publication Critical patent/CN110532341A/zh
Application granted granted Critical
Publication of CN110532341B publication Critical patent/CN110532341B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开空间信息时空大数据约束表达方法，包括以下步骤：数据采集、构建矢量和栅格相兼容的数据结构、数据综合表达、数据修正、时空基准统一、时空大数据约束和时空大数据清洗与更新；本发明通过数据结构的归一融合来建立多维异构基本数据组织单元和以父子区域间拓扑关系为联系的组织体系，方便将分层和分幅两种时空数据的组织方式进行了综合表达，便于突显数据，且实现时空大数据内部的时间同步与空间基准统一，满足GNSS和物联网的空天地一体化融合，为高时间分辨率和高空间分辨率提供了理论支撑，同时，在时空大数据建模之前形成数据约束机制，便于去除偏差，提高精度。

Description

空间信息时空大数据约束表达方法
技术领域
本发明涉及数据约束表达方法领域，尤其涉及空间信息时空大数据约束表达方法。
背景技术
近年来，物联网、云计算、智慧城市、大数据和人工智能等技术与应用不断涌现，所产生的数据迫切需要精准分析与处理，同时，全球导航卫星系统、遥感卫星等不断成功发射，产生的时空大数据更加需要提升其融合模型的普适性与应用质量，把地球观测所产生的时空数据，再与公众媒体数据(例如城市摄像头、社交媒体、个人活动等)进行有效时空融合、高可信建模、大数据精化与面向领域的规模应用，已成为空间信息技术领域和大数据应用领域的共同热点，尤其是中国北斗卫星导航定位系统(GNSS)的全球组网、中国遥感卫星(RS)、地理信息技术(GIS)和智慧城市综合技术的日新月异，时空大数据得以更加丰富，也呈现出高空间分辨率、高时间分辨率、高光谱分辨率、高精准时空标识与多维属性等[1]，时空大数据所反映现实世界的多元性和复杂性以及时空数据的海量、异构、动态等特点，数据涵盖的几何、光谱、行为，以及语义关联等，对其进行建模、描述、评估与验证等多层次可视分析，成为感知、认知与控制客观世界数据形态的重要途径，
近几年，时空数据结构复杂且来源多样，整合、清洗和转换不同来源的时空数据对于时空大数据技术处理及其应用研究至关重要，现有的时空数据主要来源于GPS、遥感和传感器等设备，每种设备生成的数据格式和数据形式各不相同，时空数据也不再局限于传统的数据形式，尤其是互联网的蓬勃发展,在文字、音频和视频等多媒体数据中同样包含了丰富的时空数据，而时空数据总是在一定的时间与空间中产生和发生作用的，往往在结合环境(地理)要素的可视化表达时才突显，而且，只有在同一时间获得的数据进行集合与统一，时空大数据才具有研究和应用价值，同时，时空数据观测过程中存在着失真或丢失，在时空基准统一后，时间序列分析中仍会带来额外的误差，影响到时空大数据融合模型的精度，因此，本发明提出空间信息时空大数据约束表达方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明提出空间信息时空大数据约束表达方法，通过数据结构的归一融合来建立多维异构基本数据组织单元和以父子区域间拓扑关系为联系的组织体系，方便将分层和分幅两种时空数据的组织方式进行了综合表达，便于突显数据，且实现时空大数据内部的时间同步与空间基准统一，满足GNSS和物联网的空天地一体化融合，为高时间分辨率和高空间分辨率提供了理论支撑，同时，使时空大数据完成聚合、重组、转换、联合、安全与服务的数据约束，基于面向特定领域应用的质量控制下实现数据源匹配性交互与约束性应用数据输出，进而在时空大数据建模之前形成数据约束机制，便于去除偏差，提高精度。
为了解决上述问题，本发明提出空间信息时空大数据约束表达方法，包括以下步骤：
步骤一：数据采集
从全球导航卫星系统GNSS、天地一体化遥感RS、三位地理信息系统3DGIS、物联网、计算机和通信中收集可度量和不可度量的具有时间关系与空间关系的数据，构成时空大数据，包括时间数据、空间数据、光谱数据、人文数据和社会数据；
步骤二：构建矢量和栅格相兼容的数据结构
针对时空大数据中GNSS数据存在整数倍的数学特征，以tM为可信建模的时间基准，融合RS数据、人文与社会数据等进行融合精度的建模，针对时空大数据多源的特征，对于不同更新速率的时间同步与配准，以及非整数倍配准精度，采用协方差不参与计算的融合精度模型，直接利用带权最小二乘曲线法来获得模型状态向量估计结果，在计算机数据处理中取分辨率为2j，假设Z和R分别表示整数和实数的集合，Vj是L2(R)的一个子时空数据集，即 为在为2j分辨率上逼近f(t)的线性投影算子，即f(t)∈L2(R)，由于时空大数据具有很强的空间与时间关联性，数据的多分辨率分析形成如下特性：(1)无损性：用分析算子将较高分辨率时空元数据fj映射为一个较低分辨率fj+1，而将时空大数据分解成一系列分辨率逐渐降低的空间{f0＝f，f1，f2；}，时空大数据由fj→fj+1的映射过程中所损失的信息由细节特征(yj，j＝0，1，2，…)来表示，反之，通过{f0＝f，f1，f2；}和(yj，j＝0，1，2，…)来重构原始的时空大数据，实现时空大数据的结构融合与无损表达，(2)伸缩性：假设是L2(R)的多分辨率分析，则存在着多尺度函数φ(x)∈L2(R)，它的伸缩系列函数定义为φj(x)＝2-jφ(2-jx)，j∈Z，平移伸缩系是Vj的规范正交基，在时空基准统一的前提下，建立时空大数据的表达点、线和面元数据拓扑关系，构建矢量和栅格相兼容的数据结构；
步骤三：数据综合表达
将步骤二中的数据结构归一融合建立多维异构基本数据组织单元和以父子区域间拓扑关系为联系的组织体系，将分层和分幅两种时空数据的组织方式进行综合表达；
步骤四：数据修正
将时空大数据按照一定的编码规则进行广播，使其具有一定的周期性，然后将时间、空间和属性数据按照解码规则在时空系统中相互耦合与自同步，实现自身系统的时空基准统一，同时，采用GNSS多模接收系统来监测时空大数据坐标系统的偏差，并播发给用户进行改正，或作为用户导航定位参数估计的先验信息进行修正；
步骤五：时空基准统一
建立完善的数学转换关系，消除相关误差：假设时空大数据中具有n个具有一定时空转换关系的子系统，它们的初始条件不尽为零，任取其中一个作为时空系统平台，分别复制其余的(n-1)个系统，在数学上单向耦合串联成一个响应子系统，其中一个时空系统平台(x0，y0，z0)以时空变量驱动所有的(n-1)个响应系统，当初始条件一样时，将原本n维的第i个子系统(xi，yi，zi，x′i，y′i，z′i，...)的时空数据降维为六维时空同步系统，实现时空大数据内部的时间同步与空间基准统一，满足GNSS和物联网的空天地一体化融合；
步骤六：时空大数据约束
在时空基准统一后，预先建立数据精化规则，对时空大数据的质量进行预控制，确保时间同步序列的时空数据可靠性与置信度，在数学与程序的研究范畴中，基于状态的方法描述，视时空大数据应用的系统动态方程不稳定，即线性关系中含有纯随机趋势，基于面向特定领域应用的质量控制下实现数据源匹配性交互与约束性应用数据输出，进而在时空大数据建模之前形成数据约束机制，假定在时空基准统一和归一融合后形成的数据序列x(t)，时间间隔t＝nτ(1≤n≤∞)，对于一般的τ和某个整数m(d≤m≤2d+1)，存在一个光滑映射f，它满足f[x(nτ)，…，x(n+m-1)τ]＝x((n+m)τ)n＝1，2，…，∞，其中，m就是时空数据的解析维度，在数据精化中，用于计算机的多分辨率分析，提出约束规则，即对于给定一个有限长时间序列x(nτ)来构造一个时空大数据精化函数使实现时空数据精化中的无限逼近约束，
步骤七：时空大数据清洗与更新
将时空大数据通过对地观测等技术手段来反映人类活动的时空规律，即时间变化趋势和空间分布规律，将时空大数据中对地观测现实世界的大数据进行时空的描述与表达，通过时间关系和空间关系将属性、功能及其关联封装在一起，描述观测大数据的采集、处理与应用，实现时空大数据的清洗与动态更新，利用观测实体识别把指向同一现实世界实体的时空元数据聚合、数据真值发现模块用来在冲突中寻找出时空元数据真实值，在时空大数据索引和清洗的中间过程中，将时空系统的观测实体识别和数据真值发现模块介入到交互中间件或连接模块之前，来设计和开发时空大数据的交互中间件或连接模块，对相关的文件与数据进行清洗，为数据精化和可信建模做质量控制，具体为：观察时空大数据的动态变化与更新，将时空大数据中分开处理的六维时空元数据集合、单一维的时空元数据聚合和观测实体识别合并成一次能处理的时空元数据集合，运行一遍，实现时空大数据的清洗及其所有时空大数据属性的解析。
进一步改进在于：所述步骤一中，GNSS是瞬时的时空数据，直接获取地理信息，具有高精度的重要指标，遥感RS数据解译观测对象大小、形状及空间分布特点、属性特点和变化动态特点，是最直观的描述和时效性最强的数据集，地理信息GIS的数据结构支持图像处理、支持各种数据在不同分辨率上的分层融合。
进一步改进在于：所述步骤三中，不同尺度下同一时空研究对象的几何特征或属性特征为异构的，而在空间分辨率调整下的区域及其子区域之间的包含关系基于同一数据结构进行表达。
进一步改进在于：所述步骤四中，如果时间系统不一致，同样需采用多系统跟踪站进行监测和播发，或通过增加模型参数进行实时估计而修正。
进一步改进在于：所述步骤六中，将时空大数据进行聚合、重组、转换、联合、安全与服务的数据约束，进而在时空大数据建模之前形成数据约束机制。
进一步改进在于：所述步骤六中，将m和v分别表示时空大数据精化维数与时间序列延迟时间片，程序计算时空数据每一个符号序列出现的概率为P1，P2，…，Pk，相应的时空大数据时间序列x(t)，i＝1，2，…，n的k中时空数据不同符号序列就可以按照香农信息熵的形式来定义：将HP(m)用ln(m′)进行标准化处理，即0≤HP(m)≤HP(m)/ln(m′)≤1，HP值的大小表示时间序列x(t)的随机化程度，HP的值越小，说明时空大数据时间序列越规则，反之越接近随机，HP的变化反映并放大了时空大数据在精化过程中x(t)的数据细节变化。
进一步改进在于：所述步骤七中，时空大数据基于物联网、虚拟现实、空天地一体化观测等技术的支撑与保障，具有共享性和开放性。
本发明的有益效果为：本发明通过数据结构的归一融合来建立多维异构基本数据组织单元和以父子区域间拓扑关系为联系的组织体系，方便将分层和分幅两种时空数据的组织方式进行了综合表达，便于突显数据，且实现时空大数据内部的时间同步与空间基准统一，满足GNSS和物联网的空天地一体化融合，为高时间分辨率和高空间分辨率提供了理论支撑，同时，使时空大数据完成聚合、重组、转换、联合、安全与服务的数据约束，基于面向特定领域应用的质量控制下实现数据源匹配性交互与约束性应用数据输出，进而在时空大数据建模之前形成数据约束机制，便于去除偏差，提高精度，另外，将分开处理六维时空元数据集合、单一维的时空元数据聚合和观测实体识别合并成一次能处理的时空元数据集合，进而只运行一遍就能实现时空大数据的清洗及其所有时空大数据属性的解析，更加高效，综上，在理论体系保障的基础之上评估时空大数据不确定影响，对推动着空间信息产业中的高可信软件、系统平台起到积极的推动作用。
附图说明
图1为本发明的时空大数据的分层融合图；
图2为本发明的时空系统时间同步图；
图3为本发明的时空数据约束机制图；
图4为本发明的时空大数据清洗与更新图。
具体实施方式
为了使发明实现的技术手段、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
根据图1、2、3、4所示，本实施例提供了空间信息时空大数据约束表达方法，具体步骤如下：
步骤一：数据采集
从全球导航卫星系统GNSS、天地一体化遥感RS、三位地理信息系统3DGIS、物联网、计算机和通信中收集可度量和不可度量的具有时间关系与空间关系的数据，构成时空大数据，包括时间数据、空间数据、光谱数据、人文数据和社会数据，其中，GNSS是瞬时的时空数据，直接获取地理信息，具有高精度的重要指标，遥感RS数据解译观测对象大小、形状及空间分布特点、属性特点和变化动态特点，是最直观的描述和时效性最强的数据集，地理信息GIS的数据结构支持图像处理、支持各种数据在不同分辨率上的分层融合，如图1所示；
步骤二：构建矢量和栅格相兼容的数据结构
针对时空大数据中GNSS数据存在整数倍的数学特征，以tM为可信建模的时间基准，融合RS数据、人文与社会数据等进行融合精度的建模，针对时空大数据多源的特征，对于不同更新速率的时间同步与配准，以及非整数倍配准精度，采用协方差不参与计算的融合精度模型，直接利用带权最小二乘曲线法来获得模型状态向量估计结果，在计算机数据处理中取分辨率为2j，假设Z和R分别表示整数和实数的集合，Vj是L2(R)的一个子时空数据集，即 为在为2j分辨率上逼近f(t)的线性投影算子，即f(t)∈L2(R)，由于时空大数据具有很强的空间与时间关联性，数据的多分辨率分析形成如下特性：(1)无损性：用分析算子将较高分辨率时空元数据fj映射为一个较低分辨率fj+1，而将时空大数据分解成一系列分辨率逐渐降低的空间{f0＝f，f1，f2；}，时空大数据由fj→fj+1的映射过程中所损失的信息由细节特征(yj，j＝0，1，2，…)来表示，反之，通过{f0＝f，f1，f2；}和(yj，j＝0，1，2，…)来重构原始的时空大数据，实现时空大数据的结构融合与无损表达，(2)伸缩性：假设是L2(R)的多分辨率分析，则存在着多尺度函数φ(x)∈L2(R)，它的伸缩系列函数定义为φj(x)＝2-jφ(2-jx)，j∈Z，平移伸缩系是Vj的规范正交基，在时空基准统一的前提下，建立时空大数据的表达点、线和面元数据拓扑关系，构建矢量和栅格相兼容的数据结构；
步骤三：数据综合表达
将步骤二中的数据结构归一融合建立多维异构基本数据组织单元和以父子区域间拓扑关系为联系的组织体系，将分层和分幅两种时空数据的组织方式进行综合表达，其中，不同尺度下同一时空研究对象的几何特征或属性特征为异构的，而在空间分辨率调整下的区域及其子区域之间的包含关系基于同一数据结构进行表达；
步骤四：数据修正
将时空大数据按照一定的编码规则进行广播，使其具有一定的周期性，然后将时间、空间和属性数据按照解码规则在时空系统中相互耦合与自同步，实现自身系统的时空基准统一，同时，采用GNSS多模接收系统来监测时空大数据坐标系统的偏差，并播发给用户进行改正，或作为用户导航定位参数估计的先验信息进行修正，如果时间系统不一致，同样需采用多系统跟踪站进行监测和播发，或通过增加模型参数进行实时估计而修正；
步骤五：时空基准统一
建立完善的数学转换关系，消除相关误差：假设时空大数据中具有n个具有一定时空转换关系的子系统，它们的初始条件不尽为零，任取其中一个作为时空系统平台，分别复制其余的(n-1)个系统，在数学上单向耦合串联成一个响应子系统，如图2所示，其中一个时空系统平台(x0，y0，z0)以时空变量驱动所有的(n-1)个响应系统，当初始条件一样时，将原本n维的第i个子系统(xi，yi，zi，x′i，y′i，z′i，...)的时空数据降维为六维时空同步系统，实现时空大数据内部的时间同步与空间基准统一，满足GNSS和物联网的空天地一体化融合；
步骤六：时空大数据约束
在时空基准统一后，预先建立数据精化规则，对时空大数据的质量进行预控制，确保时间同步序列的时空数据可靠性与置信度，在数学与程序的研究范畴中，基于状态的方法描述，视时空大数据应用的系统动态方程不稳定，即线性关系中含有纯随机趋势，基于面向特定领域应用的质量控制下实现数据源匹配性交互与约束性应用数据输出，将时空大数据进行聚合、重组、转换、联合、安全与服务的数据约束，进而在时空大数据建模之前形成数据约束机制，如图3所示，假定在时空基准统一和归一融合后形成的数据序列x(t)，时间间隔t＝nτ(1≤n≤∞)，对于一般的τ和某个整数m(d≤m≤2d+1)，存在一个光滑映射f，它满足f[x(nτ)，…，x(n+m-1)τ]＝x((n+m)τ)n＝1，2，…，∞，其中，m就是时空数据的解析维度，在数据精化中，用于计算机的多分辨率分析，提出约束规则，即对于给定一个有限长时间序列x(nτ)来构造一个时空大数据精化函数使实现时空数据精化中的无限逼近约束，然后，将m和v分别表示时空大数据精化维数与时间序列延迟时间片，程序计算时空数据每一个符号序列出现的概率为P1，P2，…，Pk，相应的时空大数据时间序列x(t)，i＝1，2…，n的k中时空数据不同符号序列就可以按照香农信息熵的形式来定义：
将HP(m)用ln(m′)进行标准化处理，即0≤HP(m)≤HP(m)/ln(m′)≤1，HP值的大小表示时间序列x(t)的随机化程度，HP的值越小，说明时空大数据时间序列越规则，反之越接近随机，HP的变化反映并放大了时空大数据在精化过程中x(t)的数据细节变化；
步骤七：时空大数据清洗与更新
将时空大数据通过对地观测等技术手段来反映人类活动的时空规律，即时间变化趋势和空间分布规律，时空大数据基于物联网、虚拟现实、空天地一体化观测等技术的支撑与保障，具有共享性和开放性，将时空大数据中对地观测现实世界的大数据进行时空的描述与表达，通过时间关系和空间关系将属性、功能及其关联封装在一起，描述观测大数据的采集、处理与应用，实现时空大数据的清洗与动态更新，如图4所示，利用观测实体识别把指向同一现实世界实体的时空元数据聚合、数据真值发现模块用来在冲突中寻找出时空元数据真实值，在时空大数据索引和清洗的中间过程中，将时空系统的观测实体识别和数据真值发现模块介入到交互中间件或连接模块之前，来设计和开发时空大数据的交互中间件或连接模块，对相关的文件与数据进行清洗，为数据精化和可信建模做质量控制，具体为：观察时空大数据的动态变化与更新，将时空大数据中分开处理的六维时空元数据集合、单一维的时空元数据聚合和观测实体识别合并成一次能处理的时空元数据集合，运行一遍，实现时空大数据的清洗及其所有时空大数据属性的解析。
本发明通过数据结构的归一融合来建立多维异构基本数据组织单元和以父子区域间拓扑关系为联系的组织体系，方便将分层和分幅两种时空数据的组织方式进行了综合表达，便于突显数据，且实现时空大数据内部的时间同步与空间基准统一，满足GNSS和物联网的空天地一体化融合，为高时间分辨率和高空间分辨率提供了理论支撑，同时，使时空大数据完成聚合、重组、转换、联合、安全与服务的数据约束，基于面向特定领域应用的质量控制下实现数据源匹配性交互与约束性应用数据输出，进而在时空大数据建模之前形成数据约束机制，便于去除偏差，提高精度，另外，将分开处理六维时空元数据集合、单一维的时空元数据聚合和观测实体识别合并成一次能处理的时空元数据集合，进而只运行一遍就能实现时空大数据的清洗及其所有时空大数据属性的解析，更加高效，综上，在理论体系保障的基础之上评估时空大数据不确定影响，对推动着空间信息产业中的高可信软件、系统平台起到积极的推动作用。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.空间信息时空大数据约束表达方法，其特征在于：包括以下步骤：
步骤一：数据采集
从全球导航卫星系统GNSS、天地一体化遥感RS、三位地理信息系统3DGIS、物联网、计算机和通信中收集可度量和不可度量的具有时间关系与空间关系的数据，构成时空大数据，包括时间数据、空间数据、光谱数据、人文数据和社会数据；
步骤二：构建矢量和栅格相兼容的数据结构
针对时空大数据中GNSS数据存在整数倍的数学特征，以tM为可信建模的时间基准，融合RS数据、人文与社会数据等进行融合精度的建模，针对时空大数据多源的特征，对于不同更新速率的时间同步与配准，以及非整数倍配准精度，采用协方差不参与计算的融合精度模型，直接利用带权最小二乘曲线法来获得模型状态向量估计结果，在计算机数据处理中取分辨率为2j，假设Z和R分别表示整数和实数的集合，Vj是L2R的一个子时空数据集，即 为在为2j分辨率上逼近f(t)的线性投影算子，即f(t)∈L2(R)，由于时空大数据具有很强的空间与时间关联性，数据的多分辨率分析形成如下特性：(1)无损性：用分析算子将较高分辨率时空元数据fj映射为一个较低分辨率fj+1，而将时空大数据f分解成一系列分辨率逐渐降低的空间{f0＝f，f1，f2，}，时空大数据由的映射过程中所损失的信息由细节特征(yj，j＝0，1，2，…)来表示，反之，通过{f0＝f，f1，f2，}和(yj，j＝0，1，2，…)来重构原始的时空大数据，实现时空大数据的结构融合与无损表达，(2)伸缩性：假设是L2(R)的多分辨率分析，则存在着多尺度函数φ(x)∈L2(R)，它的伸缩系列函数定义为Φj(x)＝2-jΦ(2-jx)，j∈Z，平移伸缩系是Vj的规范正交基，在时空基准统一的前提下，建立时空大数据的表达点、线和面元数据拓扑关系，构建矢量和栅格相兼容的数据结构；
步骤三：数据综合表达
将步骤二中的数据结构归一融合建立多维异构基本数据组织单元和以父子区域间拓扑关系为联系的组织体系，将分层和分幅两种时空数据的组织方式进行综合表达；
步骤四：数据修正
将时空大数据按照一定的编码规则进行广播，使其具有一定的周期性，然后将时间、空间和属性数据按照解码规则在时空系统中相互耦合与自同步，实现自身系统的时空基准统一，同时，采用GNSS多模接收系统来监测时空大数据坐标系统的偏差，并播发给用户进行改正，或作为用户导航定位参数估计的先验信息进行修正；
步骤五：时空基准统一
建立完善的数学转换关系，消除相关误差：假设时空大数据中具有n个具有一定时空转换关系的子系统，它们的初始条件不尽为零，任取其中一个作为时空系统平台，分别复制其余的(n-1)个系统，在数学上单向耦合串联成一个响应子系统，其中一个时空系统平台(x0，y0，z0)以时空变量驱动所有的(n-1)个响应系统，当初始条件一样时，将原本n维的第i个子系统(xi，yi，zi，x′i，y′i，z′i，...)的时空数据降维为六维时空同步系统，实现时空大数据内部的时间同步与空间基准统一，满足GNSS和物联网的空天地一体化融合；
步骤六：时空大数据约束
在时空基准统一后，预先建立数据精化规则，对时空大数据的质量进行预控制，确保时间同步序列的时空数据可靠性与置信度，在数学与程序的研究范畴中，基于状态的方法描述，视时空大数据应用的系统动态方程不稳定，即线性关系中含有纯随机趋势，基于面向特定领域应用的质量控制下实现数据源匹配性交互与约束性应用数据输出，进而在时空大数据建模之前形成数据约束机制，假定在时空基准统一和归一融合后形成的数据序列x(t)，时间间隔t＝nτ(1≤n≤∞)，对于一般的τ和某个整数m(d≤m≤2d+1)，存在一个光滑映射f，它满足f[x(nτ)，…，x(n+m-1)τ]＝x((n+m)τ)n＝1，2，…，∞，其中，m就是时空数据的解析维度，在数据精化中，用于计算机的多分辨率分析，提出约束规则，即对于给定一个有限长时间序列x(nτ)来构造一个时空大数据精化函数使实现时空数据精化中的无限逼近约束，
步骤七：时空大数据清洗与更新
将时空大数据通过对地观测等技术手段来反映人类活动的时空规律，即时间变化趋势和空间分布规律，将时空大数据中对地观测现实世界的大数据进行时空的描述与表达，通过时间关系和空间关系将属性、功能及其关联封装在一起，描述观测大数据的采集、处理与应用，实现时空大数据的清洗与动态更新，利用观测实体识别把指向同一现实世界实体的时空元数据聚合、数据真值发现模块用来在冲突中寻找出时空元数据真实值，在时空大数据索引和清洗的中间过程中，将时空系统的观测实体识别和数据真值发现模块介入到交互中间件或连接模块之前，来设计和开发时空大数据的交互中间件或连接模块，对相关的文件与数据进行清洗，为数据精化和可信建模做质量控制，具体为：观察时空大数据的动态变化与更新，将时空大数据中分开处理的六维时空元数据集合、单一维的时空元数据聚合和观测实体识别合并成一次能处理的时空元数据集合，运行一遍，实现时空大数据的清洗及其所有时空大数据属性的解析。
2.根据权利要求1所述的空间信息时空大数据约束表达方法，其特征在于：所述步骤一中，GNSS是瞬时的时空数据，直接获取地理信息，具有高精度的重要指标，遥感RS数据解译观测对象大小、形状及空间分布特点、属性特点和变化动态特点，是最直观的描述和时效性最强的数据集，地理信息GIS的数据结构支持图像处理、支持各种数据在不同分辨率上的分层融合。
3.根据权利要求1所述的空间信息时空大数据约束表达方法，其特征在于：所述步骤三中，不同尺度下同一时空研究对象的几何特征或属性特征为异构的，而在空间分辨率调整下的区域及其子区域之间的包含关系基于同一数据结构进行表达。
4.根据权利要求1所述的空间信息时空大数据约束表达方法，其特征在于：所述步骤四中，如果时间系统不一致，同样需采用多系统跟踪站进行监测和播发，或通过增加模型参数进行实时估计而修正。
5.根据权利要求1所述的空间信息时空大数据约束表达方法，其特征在于：所述步骤六中，将时空大数据进行聚合、重组、转换、联合、安全与服务的数据约束，进而在时空大数据建模之前形成数据约束机制。
6.根据权利要求1所述的空间信息时空大数据约束表达方法，其特征在于：所述步骤六中，将m和v分别表示时空大数据精化维数与时间序列延迟时间片，程序计算时空数据每一个符号序列出现的概率为P1，P2，…，Pk，相应的时空大数据时间序列x(t)，1＝1，2，…，n的k中时空数据不同符号序列就可以按照香农信息熵的形式来定义：将HP(m)用ln(m′)进行标准化处理，即0≤HP(m)≤HP(m)/ln(m′)≤1，HP值的大小表示时间序列x(t)的随机化程度，HP的值越小，说明时空大数据时间序列越规则，反之越接近随机，HP的变化反映并放大了时空大数据在精化过程中x(t)的数据细节变化。
7.根据权利要求1所述的空间信息时空大数据约束表达方法，其特征在于：所述步骤七中，时空大数据基于物联网、虚拟现实、空天地一体化观测等技术的支撑与保障，具有共享性和开放性。
CN201910826804.XA 2019-09-03 2019-09-03 空间信息时空大数据约束表达方法 Active CN110532341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910826804.XA CN110532341B (zh) 2019-09-03 2019-09-03 空间信息时空大数据约束表达方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910826804.XA CN110532341B (zh) 2019-09-03 2019-09-03 空间信息时空大数据约束表达方法

Publications (2)

Publication Number Publication Date
CN110532341A true CN110532341A (zh) 2019-12-03
CN110532341B CN110532341B (zh) 2020-11-03

Family

ID=68666283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910826804.XA Active CN110532341B (zh) 2019-09-03 2019-09-03 空间信息时空大数据约束表达方法

Country Status (1)

Country Link
CN (1) CN110532341B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112463910A (zh) * 2020-12-17 2021-03-09 福州物联网开放实验室有限公司 物联网多维度数据融合系统及方法
CN113032513A (zh) * 2021-05-21 2021-06-25 北京数字政通科技股份有限公司 一种针对空间地理数据的切片方法及渲染方法
CN113626493A (zh) * 2021-07-22 2021-11-09 北京东方通科技股份有限公司 一种时空数据多维查询方法及系统
CN115204269A (zh) * 2022-06-15 2022-10-18 南通市测绘院有限公司 一种基于时空基准的城市治理数据融合方法及系统
CN116362316A (zh) * 2023-05-29 2023-06-30 成都阿加犀智能科技有限公司 一种模型转换方法、装置、存储介质及电子设备
CN116389229A (zh) * 2023-06-07 2023-07-04 南京科羿康光电设备有限公司 基于rs485总线的自愈环网络系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8073196B2 (en) * 2006-10-16 2011-12-06 University Of Southern California Detection and tracking of moving objects from a moving platform in presence of strong parallax
US8458109B2 (en) * 2009-05-27 2013-06-04 Yin Zhang Method and apparatus for spatio-temporal compressive sensing
CN103198137A (zh) * 2013-04-15 2013-07-10 武汉大学 一种多源异构遥感数据系统的访问协议转换方法及系统
US8892221B2 (en) * 2007-09-18 2014-11-18 Groundswell Technologies, Inc. Integrated resource monitoring system with interactive logic control for well water extraction
CN105046648A (zh) * 2015-06-25 2015-11-11 北京师范大学 一种构建高时空遥感数据的方法
CN105117965A (zh) * 2015-09-22 2015-12-02 中国科学院上海高等研究院 一种历史文化信息数据的管理方法、管理系统、及服务端
CN105550190A (zh) * 2015-06-26 2016-05-04 许昌学院 面向知识图谱的跨媒体检索系统
CN106844585A (zh) * 2017-01-10 2017-06-13 广东精规划信息科技股份有限公司 一种基于多源物联网位置感知的时空关系分析系统
CN104866462B (zh) * 2015-05-08 2017-12-26 同济大学 一种地图综合相邻空间要素的拓扑关系纠正方法
CN107566383A (zh) * 2017-09-12 2018-01-09 南京师范大学 一种有限网络带宽约束下的高维时空场数据实时传输方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8073196B2 (en) * 2006-10-16 2011-12-06 University Of Southern California Detection and tracking of moving objects from a moving platform in presence of strong parallax
US8892221B2 (en) * 2007-09-18 2014-11-18 Groundswell Technologies, Inc. Integrated resource monitoring system with interactive logic control for well water extraction
US8458109B2 (en) * 2009-05-27 2013-06-04 Yin Zhang Method and apparatus for spatio-temporal compressive sensing
CN103198137A (zh) * 2013-04-15 2013-07-10 武汉大学 一种多源异构遥感数据系统的访问协议转换方法及系统
CN104866462B (zh) * 2015-05-08 2017-12-26 同济大学 一种地图综合相邻空间要素的拓扑关系纠正方法
CN105046648A (zh) * 2015-06-25 2015-11-11 北京师范大学 一种构建高时空遥感数据的方法
CN105550190A (zh) * 2015-06-26 2016-05-04 许昌学院 面向知识图谱的跨媒体检索系统
CN105117965A (zh) * 2015-09-22 2015-12-02 中国科学院上海高等研究院 一种历史文化信息数据的管理方法、管理系统、及服务端
CN106844585A (zh) * 2017-01-10 2017-06-13 广东精规划信息科技股份有限公司 一种基于多源物联网位置感知的时空关系分析系统
CN107566383A (zh) * 2017-09-12 2018-01-09 南京师范大学 一种有限网络带宽约束下的高维时空场数据实时传输方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张雷: ""聋人基于工作记忆表征的视觉注意捕获研究"", 《中国博士学位论文全文数据库 医药卫生科技辑》 *
李德仁: ""论时空大数据及其应用"", 《卫星应用》 *
袁庆: ""基于XML和FLEX的河口海岸数据服务平台"", 《测绘与空间地理信息》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112463910A (zh) * 2020-12-17 2021-03-09 福州物联网开放实验室有限公司 物联网多维度数据融合系统及方法
CN113032513A (zh) * 2021-05-21 2021-06-25 北京数字政通科技股份有限公司 一种针对空间地理数据的切片方法及渲染方法
CN113032513B (zh) * 2021-05-21 2021-08-24 北京数字政通科技股份有限公司 一种针对空间地理数据的切片方法及渲染方法
CN113626493A (zh) * 2021-07-22 2021-11-09 北京东方通科技股份有限公司 一种时空数据多维查询方法及系统
CN113626493B (zh) * 2021-07-22 2022-03-15 北京东方通科技股份有限公司 一种时空数据多维查询方法及系统
CN115204269A (zh) * 2022-06-15 2022-10-18 南通市测绘院有限公司 一种基于时空基准的城市治理数据融合方法及系统
CN115204269B (zh) * 2022-06-15 2024-03-12 南通市测绘院有限公司 一种基于时空基准的城市治理数据融合方法及系统
CN116362316A (zh) * 2023-05-29 2023-06-30 成都阿加犀智能科技有限公司 一种模型转换方法、装置、存储介质及电子设备
CN116362316B (zh) * 2023-05-29 2023-12-12 成都阿加犀智能科技有限公司 一种模型转换方法、装置、存储介质及电子设备
CN116389229A (zh) * 2023-06-07 2023-07-04 南京科羿康光电设备有限公司 基于rs485总线的自愈环网络系统
CN116389229B (zh) * 2023-06-07 2023-08-15 南京科羿康光电设备有限公司 基于rs485总线的自愈环网络系统

Also Published As

Publication number Publication date
CN110532341B (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN110532341A (zh) 空间信息时空大数据约束表达方法
KR102636381B1 (ko) 제품 결함 검출 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램
CN117056867B (zh) 一种可用于数字孪生的多源异构数据融合方法及系统
CN100347930C (zh) 一种电力数据采集与监控系统及装置
CN112148708B (zh) 面向电网规划的可视化应用系统
CN116384020A (zh) 一种融合多维语义信息的数字孪生变电站空间布局方法
CN108021766A (zh) 一种数字城市中建筑的虚拟现实场景生成方法及装置
CN110532340B (zh) 空间信息时空元数据构建方法
CN110660125B (zh) 用于电力配网系统的三维建模装置
Yun et al. Research on intelligent fault diagnosis of power acquisition based on knowledge graph
CN117033669B (zh) 一种基于知识图谱的分析系统生成方法、装置及电子设备
CN111245945A (zh) 基于浮标与无人机监控的海上溢油监管系统
CN108228900B (zh) 基于分层结构的电力设备多光谱数据中心模型建立方法
Zhou et al. Towards Vision-Language Geo-Foundation Model: A Survey
CN114494830A (zh) 一种多源信息光伏地图生成方法及装置
Saeed et al. Automatic integration and querying of semantic rich heterogeneous data: Laying the foundations for semantic web of things
CN109997123A (zh) 用于改进空间-时间数据管理的方法、系统和装置
Lei et al. Recent advances in multi-modal 3D scene understanding: A comprehensive survey and evaluation
CN116071559A (zh) 一种基于多维感知数据的数字孪生体自动化构建方法
CN115169448A (zh) 一种基于深度学习的三维描述生成和视觉定位的统一方法
CN115272666A (zh) 在线点云语义分割方法、装置、存储介质及电子设备
Mao et al. The Use of Digital Image Art under Visual Sensing Technology for Art Education
AU2021100763A4 (en) Expression method of spatio-temporal data constraint refinement and formalization
CN109631874A (zh) 在三维电子航道图上叠加实时数据流的方法
CN117994416B (zh) 数据与知识协同的公路隧道火灾环境孪生建模方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant