CN111026938A - 时空大数据整合分析方法、装置、设备及存储介质 - Google Patents
时空大数据整合分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111026938A CN111026938A CN201911333417.9A CN201911333417A CN111026938A CN 111026938 A CN111026938 A CN 111026938A CN 201911333417 A CN201911333417 A CN 201911333417A CN 111026938 A CN111026938 A CN 111026938A
- Authority
- CN
- China
- Prior art keywords
- data
- integrated
- preset
- target
- spatio
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种时空大数据整合分析方法、装置、设备及存储介质，所述方法通过获取多渠道的时空数据；通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；获取所述整合时空信息中的地理空间数据；将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种时空大数据整合分析方法、装置、设备及存储介质。
背景技术
随着物联网和移动互联网的发展，时空数据在时间和空间上具有不同分辨率，关系极为复杂，来源于不同部门及层次的时空大数据不仅在数据格式、分类系统、空间尺度、数据模型、数据表达、时空参考、编码规范等方面存在不一致问题，还存在数据不连续、缺乏关联等不足。
发明内容
本发明的主要目的在于提供一种时空大数据整合分析方法、装置、设备及存储介质，旨在解决现有技术中数据处理流程中存在数据不连续且缺乏关联的技术问题。
为实现上述目的，本发明提供一种时空大数据整合分析方法，所述时空大数据整合分析方法包括以下步骤：
获取多渠道的时空数据；
通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；
获取所述整合时空信息中的地理空间数据；
将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；
根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
优选地，所述通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息，包括：
通过预设一体化数据模型对各渠道的时空数据进行处理，获得各渠道的时空数据对应的数据类型和数据语义；
对所述数据类型和数据语义进行统一关联和整合，获得整合时空信息。
优选地，所述获取所述整合时空信息中的地理空间数据，包括：
根据预设缓冲半径确定平头缓冲区，根据所述平头缓冲区确定预设空间范围；
将所述整合时空信息中处于所述预设空间范围内的要素数据作为比对对象数据；
根据预设空间索引从所述比对对象数据中选取最小外接矩形对应的目标对象数据，将所述目标对象数据作为地理空间数据。
优选地，所述将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果，包括：
从所述地理空间数据中获得目标地理编码、目标地物编码和目标地物名称；
将所述目标地理编码与预设知识库中的地理实体编码进行匹配，并生成第一匹配结果；
将所述目标地物编码与所述预设知识库中的地物关键编码进行匹配，并生成第二匹配结果；
将所述目标地物名称与所述预设知识库中的地物名称进行匹配，并生成第三匹配结果；
对所述第一匹配结果、所述第二匹配结果和所述第三匹配结果进行分析，输出分析结果。
优选地，所述根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，包括：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果都是匹配成功时，确定当前地理空间数据对应的要素为同名要素；
从所述整合时空信息中获得与所述同名要素对应的长度、面积、缓冲区以及各同名要素之间的相对空间夹角；
根据所述长度、所述面积、所述缓冲区和所述相对空间夹角确定各同名要素的空间重叠差异参数；
将所述空间重叠差异参数作为目标要素数据，并输出所述目标要素数据。
优选地，所述根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，包括：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果中有一项或两项匹配失败时，确定当前地理空间数据对应的要素为同源要素；
获取所述同源要素对应的实时数据变化参数；
将所述实时数据变化参数作为目标要素数据，并输出所述目标要素数据。
优选地，所述通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息之前，所述时空大数据整合分析方法还包括：
从预设样本数据库中获得预设数量的多个目标样本数据；
从各目标样本数据中获得对应的分类分层结构和属性结构；
根据预设内容转换规则将所述分类分层结构和属性结构进行转换，并生成转换结果；
从所述转换结果中获得目标数据类型和目标数据语义；
构建各目标样本数据与目标数据类型及目标数据语义之间的关联映射关系；
根据所述关联映射关系建立预设一体化数据模型。
此外，为实现上述目的，本发明还提出一种时空大数据整合分析设备，所述时空大数据整合分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的时空大数据整合分析程序，所述时空大数据整合分析程序配置为实现如上文所述的时空大数据整合分析方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有时空大数据整合分析程序，所述时空大数据整合分析程序被处理器执行时实现如上文所述的时空大数据整合分析方法的步骤。
此外，为实现上述目的，本发明还提供一种时空大数据整合分析装置，所述时空大数据整合分析装置包括：
时空数据获取模块，用于获取多渠道的时空数据；
整合模块，用于通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；
地理数据获取模块，用于获取所述整合时空信息中的地理空间数据；
对比分析模块，用于将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；
输出模块，用于根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
本发明提出的时空大数据整合分析方法，通过获取多渠道的时空数据；通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；获取所述整合时空信息中的地理空间数据；将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的时空大数据整合分析设备结构示意图；
图2为本发明时空大数据整合分析方法第一实施例的流程示意图；
图3为本发明时空大数据整合分析方法第二实施例的流程示意图；
图4为本发明时空大数据整合分析方法第三实施例的流程示意图；
图5为本发明时空大数据整合分析装置第一实施例的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案主要是：本发明通过获取多渠道的时空数据；通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；获取所述整合时空信息中的地理空间数据；将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取，解决了现有技术中数据处理流程中存在数据不连续且缺乏关联的技术问题。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的时空大数据整合分析设备结构示意图。
如图1所示，该时空大数据整合分析设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的时空大数据整合分析设备结构并不构成对该时空大数据整合分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户端接口模块以及时空大数据整合分析程序。
本发明时空大数据整合分析设备通过处理器1001调用存储器1005中存储的时空大数据整合分析程序，并执行以下操作：
获取多渠道的时空数据；
通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；
获取所述整合时空信息中的地理空间数据；
将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；
根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
进一步地，处理器1001可以调用存储器1005中存储的时空大数据整合分析程序，还执行以下操作：
通过预设一体化数据模型对各渠道的时空数据进行处理，获得各渠道的时空数据对应的数据类型和数据语义；
对所述数据类型和数据语义进行统一关联和整合，获得整合时空信息。
进一步地，处理器1001可以调用存储器1005中存储的时空大数据整合分析程序，还执行以下操作：
根据预设缓冲半径确定平头缓冲区，根据所述平头缓冲区确定预设空间范围；
将所述整合时空信息中处于所述预设空间范围内的要素数据作为比对对象数据；
根据预设空间索引从所述比对对象数据中选取最小外接矩形对应的目标对象数据，将所述目标对象数据作为地理空间数据。
进一步地，处理器1001可以调用存储器1005中存储的时空大数据整合分析程序，还执行以下操作：
从所述地理空间数据中获得目标地理编码、目标地物编码和目标地物名称；
将所述目标地理编码与预设知识库中的地理实体编码进行匹配，并生成第一匹配结果；
将所述目标地物编码与所述预设知识库中的地物关键编码进行匹配，并生成第二匹配结果；
将所述目标地物名称与所述预设知识库中的地物名称进行匹配，并生成第三匹配结果；
对所述第一匹配结果、所述第二匹配结果和所述第三匹配结果进行分析，输出分析结果。
进一步地，处理器1001可以调用存储器1005中存储的时空大数据整合分析程序，还执行以下操作：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果都是匹配成功时，确定当前地理空间数据对应的要素为同名要素；
从所述整合时空信息中获得与所述同名要素对应的长度、面积、缓冲区以及各同名要素之间的相对空间夹角；
根据所述长度、所述面积、所述缓冲区和所述相对空间夹角确定各同名要素的空间重叠差异参数；
将所述空间重叠差异参数作为目标要素数据，并输出所述目标要素数据。
进一步地，处理器1001可以调用存储器1005中存储的时空大数据整合分析程序，还执行以下操作：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果中有一项或两项匹配失败时，确定当前地理空间数据对应的要素为同源要素；
获取所述同源要素对应的实时数据变化参数；
将所述实时数据变化参数作为目标要素数据，并输出所述目标要素数据。
进一步地，处理器1001可以调用存储器1005中存储的时空大数据整合分析程序，还执行以下操作：
从预设样本数据库中获得预设数量的多个目标样本数据；
从各目标样本数据中获得对应的分类分层结构和属性结构；
根据预设内容转换规则将所述分类分层结构和属性结构进行转换，并生成转换结果；
从所述转换结果中获得目标数据类型和目标数据语义；
构建各目标样本数据与目标数据类型及目标数据语义之间的关联映射关系；
根据所述关联映射关系建立预设一体化数据模型。
本实施例通过上述方案，通过获取多渠道的时空数据；通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；获取所述整合时空信息中的地理空间数据；将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取。
基于上述硬件结构，提出本发明时空大数据整合分析方法实施例。
参照图2，图2为本发明时空大数据整合分析方法第一实施例的流程示意图。
在第一实施例中，所述时空大数据整合分析方法包括以下步骤：
步骤S10、获取多渠道的时空数据。
需要说明的是，所述时空数据为在时间尺度和空间尺度上不同的数据的集合，通常为多种渠道的时空数据，即多种来源、多种尺度、多种种类、多种时相、多种动态的时空数据；在实际操作中，时空数据包括时间、空间及专题属性三维信息，时空数据涉及到各式各样的数据，如地球环境地物要素的数量、形状、纹理、空间分布特征、内在联系及规律等的数字、文本、图形和图像等，不仅具有明显的空间分布特征，而且具有数据量庞大、非线性以及时变等特征。
步骤S20、通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息。
可以理解的是，所述预设一体化数据模型为预先设置建立的数据模型，一般是通过对象、过程与事件的关联映射，可以建立预设一体化数据模型，所述预设一体化数据模型用于对所述时空数据进行关联和整合，实现多源异构数据的模型归一化，即对时空数据中的对象、过程、事件在空间、时间、语义等方面的关联关系进行整合，能够实现对文本、表格、图像、视频及空间信息等多类型时空数据的统一关联和整合。
步骤S30、获取所述整合时空信息中的地理空间数据。
应当理解的是，所述地理空间数据为所述整合时空信息中关于地理空间属性的数据，所述地理空间数据为带有空间坐标的数据，一般的包括资源、环境、经济和社会等领域的一切带有地理坐标的数据。
步骤S40、将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果。
可以理解的是，所述预设知识库为预先设置的用于存储不同地理空间数据的数据库，通过将所述地理空间数据与预设知识库中的预存地理空间数据进行对比，可以确定所述地理空间数据与预设知识库中的预存地理空间数据是否匹配，进而生成对应的分析结果。
进一步地，所述步骤S40包括以下步骤：
从所述地理空间数据中获得目标地理编码、目标地物编码和目标地物名称；
将所述目标地理编码与预设知识库中的地理实体编码进行匹配，并生成第一匹配结果；
将所述目标地物编码与所述预设知识库中的地物关键编码进行匹配，并生成第二匹配结果；
将所述目标地物名称与所述预设知识库中的地物名称进行匹配，并生成第三匹配结果；
对所述第一匹配结果、所述第二匹配结果和所述第三匹配结果进行分析，输出分析结果。
需要说明的是，所述预设知识库中存在预存地理空间数据，即地理实体编码、地物关键编码和地物名称等，通过将所述地理空间数据中的目标地理编码、目标地物编码和目标地物名称分别与所述地理实体编码、地物关键编码和地物名称进行匹配，可以确定对应待比对对象与比对对象是否为同名要素，具体的是通过对匹配结果进行分析，获得的分析结果确定。
步骤S50、根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
应当理解的是，通过所述分析结果可以确定所述地理空间数据中具有关联关系的要素，进而获得相互关联的要素对应的目标要素数据，从而输出所述目标要素数据，能够为开展多级数据快速融合奠定基础。
进一步地，所述步骤S50包括以下步骤：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果都是匹配成功时，确定当前地理空间数据对应的要素为同名要素；
从所述整合时空信息中获得与所述同名要素对应的长度、面积、缓冲区以及各同名要素之间的相对空间夹角；
根据所述长度、所述面积、所述缓冲区和所述相对空间夹角确定各同名要素的空间重叠差异参数；
将所述空间重叠差异参数作为目标要素数据，并输出所述目标要素数据。
需要说明的是，在所述分析结果为所述地理空间数据中的目标地理编码、目标地物编码和目标地物名称分别与所述地理实体编码、地物关键编码和地物名称都匹配成功时，可以确定当前地理空间数据对应的要素为同名要素，即待比对对象和比对对象为同名要素，此时可以同要素空间运算获得待比对对象和比对对象见的夹角，即各同名要素之间的相对空间夹角，通过从所述整合时空信息中获得与所述同名要素对应的长度、面积、缓冲区以及相对空间夹角可以计算出待比对对象和比对对象间的相似度，即各同名要素的空间重叠差异参数，进而可以将所述空间重叠差异参数作为目标要素数据并输出。
相应地，所述步骤S50包括以下步骤：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果中有一项或两项匹配失败时，确定当前地理空间数据对应的要素为同源要素；
获取所述同源要素对应的实时数据变化参数；
将所述实时数据变化参数作为目标要素数据，并输出所述目标要素数据。
应当理解的是，在所述第一匹配结果、所述第二匹配结果和所述第三匹配结果中有一项或两项匹配失败，即部分匹配失败时，确定当前地理空间数据对应的要素为同源要素，而在全部匹配失败时，则说明两个要素之间没有联系，为独立的要素；在确定了同源要素后，将所述实时数据变化参数作为目标要素数据并输出；可以获得其对应的实时数据变化参数，通过所述实时数据变化参数可以确定各同源要素之间的差异部分，进而判断出要素的变化情况，通过变化情况可以进行新增、删除或其他变化状态进行标记，从而完成数据更新，在实际操作中对于仅需属性增补的要素，可以在多源要素空间匹配基础上，建立属性融合方案，实现属性融合处理。
本实施例通过上述方案，通过获取多渠道的时空数据；通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；获取所述整合时空信息中的地理空间数据；将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取。
进一步地，图3为本发明时空大数据整合分析方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明时空大数据整合分析方法第二实施例，在本实施例中，所述步骤S20，具体包括以下步骤：
步骤S21、通过预设一体化数据模型对各渠道的时空数据进行处理，获得各渠道的时空数据对应的数据类型和数据语义。
可以理解的是，通过所述预设一体化数据模型，可以获得与所述时空数据对应的数据类型和数据语义，所述数据类型表明所述时空数据对应的数据分类类型，所述数据语义表明所述时空数据对应的语义。
步骤S22、对所述数据类型和数据语义进行统一关联和整合，获得整合时空信息。
应当理解的是，对所述时空数据对应的数据类型和数据语义进行统一维度或统一模式下的关联和整合，可以实现时空数据的有效管理和整合，即将关联和整合后的数据作为整合时空信息。
本实施例通过上述方案，通过预设一体化数据模型对各渠道的时空数据进行处理，获得各渠道的时空数据对应的数据类型和数据语义；对所述数据类型和数据语义进行统一关联和整合，获得整合时空信息，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取。
进一步地，图4为本发明时空大数据整合分析方法第三实施例的流程示意图，如图4所示，基于第二实施例提出本发明时空大数据整合分析方法第三实施例，在本实施例中，所述步骤S30具体包括以下步骤：
步骤S31、根据预设缓冲半径确定平头缓冲区，根据所述平头缓冲区确定预设空间范围。
需要说明的是，可以通过缓冲区确定比对范围，即确定预设空间范围，所述预设缓冲半径为预先设置的缓冲区的空间半径，通过所述预设缓冲半径可以确定对应的平头缓冲区，进而可以确定预设空间范围。
步骤S32、将所述整合时空信息中处于所述预设空间范围内的要素数据作为比对对象数据。
应当理解的是，在预设空间范围内的参考要素是潜在的比对对象，即所述整合时空信息中处于所述预设空间范围内的要素数据作为比对对象数据。
步骤S33、根据预设空间索引从所述比对对象数据中选取最小外接矩形对应的目标对象数据，将所述目标对象数据作为地理空间数据。
可以理解的是，所述预设空间索引为预先设置的空间索引，可以为格网索引或R树索引等，通过所述预设空间索引可以快速定位潜在的比对对象，即根据所述预设空间索引可以从所述比对对象数据中选取最小外接矩形对应的目标对象数据，从而将所述目标对象数据作为地理空间数据，通过预设空间索引可以缩小比对范围，提高效率。
本实施例通过上述方案，通过根据预设缓冲半径确定平头缓冲区，根据所述平头缓冲区确定预设空间范围；将所述整合时空信息中处于所述预设空间范围内的要素数据作为比对对象数据；根据预设空间索引从所述比对对象数据中选取最小外接矩形对应的目标对象数据，将所述目标对象数据作为地理空间数据，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取，缩小比对范围，提高比对效率。
基于上述时空大数据整合分析方法的实施例，本发明进一步提供一种时空大数据整合分析装置。
参照图5，图5为本发明时空大数据整合分析装置第一实施例的功能模块图。
本发明时空大数据整合分析装置第一实施例中，该时空大数据整合分析装置包括：
时空数据获取模块10，用于获取多渠道的时空数据。
需要说明的是，所述时空数据为在时间尺度和空间尺度上不同的数据的集合，通常为多种渠道的时空数据，即多种来源、多种尺度、多种种类、多种时相、多种动态的时空数据。
整合模块20，用于通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息。
可以理解的是，所述预设一体化数据模型为预先设置建立的数据模型，用于对所述时空数据进行关联和整合，实现多源异构数据的模型归一化，能够实现对文本、表格、图像、视频及空间信息等多类型时空数据的统一关联和整合。
地理数据获取模块30，用于获取所述整合时空信息中的地理空间数据。
应当理解的是，所述地理空间数据为所述整合时空信息中关于地理空间属性的数据。
对比分析模块40，用于将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果。
可以理解的是，所述预设知识库为预先设置的用于存储不同地理空间数据的数据库，通过将所述地理空间数据与预设知识库中的预存地理空间数据进行对比，可以确定所述地理空间数据与预设知识库中的预存地理空间数据是否匹配，进而生成对应的分析结果。
输出模块50，用于根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
应当理解的是，通过所述分析结果可以确定所述地理空间数据中具有关联关系的要素，进而获得相互关联的要素对应的目标要素数据，从而输出所述目标要素数据，能够为开展多级数据快速融合奠定基础。
其中，时空大数据整合分析装置的各个功能模块实现的步骤可参照本发明时空大数据整合分析方法的各个实施例，此处不再赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有时空大数据整合分析程序，所述时空大数据整合分析程序被处理器执行时实现如下操作：
获取多渠道的时空数据；
通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；
获取所述整合时空信息中的地理空间数据；
将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；
根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
进一步地，所述时空大数据整合分析程序被处理器执行时还实现如下操作：
通过预设一体化数据模型对各渠道的时空数据进行处理，获得各渠道的时空数据对应的数据类型和数据语义；
对所述数据类型和数据语义进行统一关联和整合，获得整合时空信息。
进一步地，所述时空大数据整合分析程序被处理器执行时还实现如下操作：
根据预设缓冲半径确定平头缓冲区，根据所述平头缓冲区确定预设空间范围；
将所述整合时空信息中处于所述预设空间范围内的要素数据作为比对对象数据；
根据预设空间索引从所述比对对象数据中选取最小外接矩形对应的目标对象数据，将所述目标对象数据作为地理空间数据。
进一步地，所述时空大数据整合分析程序被处理器执行时还实现如下操作：
从所述地理空间数据中获得目标地理编码、目标地物编码和目标地物名称；
将所述目标地理编码与预设知识库中的地理实体编码进行匹配，并生成第一匹配结果；
将所述目标地物编码与所述预设知识库中的地物关键编码进行匹配，并生成第二匹配结果；
将所述目标地物名称与所述预设知识库中的地物名称进行匹配，并生成第三匹配结果；
对所述第一匹配结果、所述第二匹配结果和所述第三匹配结果进行分析，输出分析结果。
进一步地，所述时空大数据整合分析程序被处理器执行时还实现如下操作：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果都是匹配成功时，确定当前地理空间数据对应的要素为同名要素；
从所述整合时空信息中获得与所述同名要素对应的长度、面积、缓冲区以及各同名要素之间的相对空间夹角；
根据所述长度、所述面积、所述缓冲区和所述相对空间夹角确定各同名要素的空间重叠差异参数；
将所述空间重叠差异参数作为目标要素数据，并输出所述目标要素数据。
进一步地，所述时空大数据整合分析程序被处理器执行时还实现如下操作：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果中有一项或两项匹配失败时，确定当前地理空间数据对应的要素为同源要素；
获取所述同源要素对应的实时数据变化参数；
将所述实时数据变化参数作为目标要素数据，并输出所述目标要素数据。
进一步地，所述时空大数据整合分析程序被处理器执行时还实现如下操作：
从预设样本数据库中获得预设数量的多个目标样本数据；
从各目标样本数据中获得对应的分类分层结构和属性结构；
根据预设内容转换规则将所述分类分层结构和属性结构进行转换，并生成转换结果；
从所述转换结果中获得目标数据类型和目标数据语义；
构建各目标样本数据与目标数据类型及目标数据语义之间的关联映射关系；
根据所述关联映射关系建立预设一体化数据模型。
本实施例通过上述方案，通过获取多渠道的时空数据；通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；获取所述整合时空信息中的地理空间数据；将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，能够通过时空大数据的对比和整合实现时空大数据的一体化存储和管理，减少了时空数据的噪声，实现了时空数据的高效检索和自动化信息提取。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种时空大数据整合分析方法，其特征在于，所述时空大数据整合分析方法包括：
获取多渠道的时空数据；
通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；
获取所述整合时空信息中的地理空间数据；
将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；
根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
2.如权利要求1所述的时空大数据整合分析方法，其特征在于，所述通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息，包括：
通过预设一体化数据模型对各渠道的时空数据进行处理，获得各渠道的时空数据对应的数据类型和数据语义；
对所述数据类型和数据语义进行统一关联和整合，获得整合时空信息。
3.如权利要求2所述的时空大数据整合分析方法，其特征在于，所述获取所述整合时空信息中的地理空间数据，包括：
根据预设缓冲半径确定平头缓冲区，根据所述平头缓冲区确定预设空间范围；
将所述整合时空信息中处于所述预设空间范围内的要素数据作为比对对象数据；
根据预设空间索引从所述比对对象数据中选取最小外接矩形对应的目标对象数据，将所述目标对象数据作为地理空间数据。
4.如权利要求3所述的时空大数据整合分析方法，其特征在于，所述将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果，包括：
从所述地理空间数据中获得目标地理编码、目标地物编码和目标地物名称；
将所述目标地理编码与预设知识库中的地理实体编码进行匹配，并生成第一匹配结果；
将所述目标地物编码与所述预设知识库中的地物关键编码进行匹配，并生成第二匹配结果；
将所述目标地物名称与所述预设知识库中的地物名称进行匹配，并生成第三匹配结果；
对所述第一匹配结果、所述第二匹配结果和所述第三匹配结果进行分析，输出分析结果。
5.如权利要求4所述的时空大数据整合分析方法，其特征在于，所述根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，包括：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果都是匹配成功时，确定当前地理空间数据对应的要素为同名要素；
从所述整合时空信息中获得与所述同名要素对应的长度、面积、缓冲区以及各同名要素之间的相对空间夹角；
根据所述长度、所述面积、所述缓冲区和所述相对空间夹角确定各同名要素的空间重叠差异参数；
将所述空间重叠差异参数作为目标要素数据，并输出所述目标要素数据。
6.如权利要求4所述的时空大数据整合分析方法，其特征在于，所述根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据，包括：
在所述分析结果为所述第一匹配结果、所述第二匹配结果和所述第三匹配结果中有一项或两项匹配失败时，确定当前地理空间数据对应的要素为同源要素；
获取所述同源要素对应的实时数据变化参数；
将所述实时数据变化参数作为目标要素数据，并输出所述目标要素数据。
7.如权利要求1-6中任一项所述的时空大数据整合分析方法，其特征在于，所述通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息之前，所述时空大数据整合分析方法还包括：
从预设样本数据库中获得预设数量的多个目标样本数据；
从各目标样本数据中获得对应的分类分层结构和属性结构；
根据预设内容转换规则将所述分类分层结构和属性结构进行转换，并生成转换结果；
从所述转换结果中获得目标数据类型和目标数据语义；
构建各目标样本数据与目标数据类型及目标数据语义之间的关联映射关系；
根据所述关联映射关系建立预设一体化数据模型。
8.一种时空大数据整合分析装置，其特征在于，所述时空大数据整合分析装置包括：
时空数据获取模块，用于获取多渠道的时空数据；
整合模块，用于通过预设一体化数据模型对各渠道的时空数据进行统一关联和整合，获得整合时空信息；
地理数据获取模块，用于获取所述整合时空信息中的地理空间数据；
对比分析模块，用于将所述地理空间数据与预设知识库中的预存地理空间数据进行对比并分析，生成分析结果；
输出模块，用于根据所述分析结果确定所述地理空间数据中相互关联的要素，从所述整合时空信息中获得与所述要素对应的目标要素数据，并输出所述目标要素数据。
9.一种时空大数据整合分析设备，其特征在于，所述时空大数据整合分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的时空大数据整合分析程序，所述时空大数据整合分析程序配置为实现如权利要求1-7中任一项所述的时空大数据整合分析方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有时空大数据整合分析程序，所述时空大数据整合分析程序被处理器执行时实现如权利要求1-7中任一项所述的时空大数据整合分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911333417.9A CN111026938B (zh) | 2019-12-20 | 2019-12-20 | 时空大数据整合分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911333417.9A CN111026938B (zh) | 2019-12-20 | 2019-12-20 | 时空大数据整合分析方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111026938A true CN111026938A (zh) | 2020-04-17 |
| CN111026938B CN111026938B (zh) | 2023-03-24 |
Family
ID=70212527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911333417.9A Active CN111026938B (zh) | 2019-12-20 | 2019-12-20 | 时空大数据整合分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111026938B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112925799A (zh) * | 2021-02-08 | 2021-06-08 | 中国科学院地理科学与资源研究所 | 一种地理空间模型自动数据匹配方法、装置及电子设备 |
| CN114547229A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
| CN116719898A (zh) * | 2023-08-10 | 2023-09-08 | 山东省国土测绘院 | 基于多源异构数据的地理实体生成方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231642A (zh) * | 2007-08-27 | 2008-07-30 | 中国测绘科学研究院 | 时空数据库管理方法及其系统 |
| CN102023983A (zh) * | 2009-09-11 | 2011-04-20 | 首都师范大学 | 统计时空数据库及其管理方法 |
| WO2018076930A1 (zh) * | 2016-10-24 | 2018-05-03 | 北京亚控科技发展有限公司 | 一种基于时空数据库的对数据对象的检索方法 |
| CN108573039A (zh) * | 2018-04-04 | 2018-09-25 | 烟台海颐软件股份有限公司 | 一种基于多源时空数据组配的目标辨识方法与系统 |
| CN109144966A (zh) * | 2018-07-06 | 2019-01-04 | 航天星图科技（北京）有限公司 | 一种海量时空数据的高效组织与管理方法 |
| CN109145173A (zh) * | 2018-07-26 | 2019-01-04 | 浙江省测绘科学技术研究院 | 一种基于相似度的矢量要素变化比对方法 |
-
2019
- 2019-12-20 CN CN201911333417.9A patent/CN111026938B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231642A (zh) * | 2007-08-27 | 2008-07-30 | 中国测绘科学研究院 | 时空数据库管理方法及其系统 |
| CN102023983A (zh) * | 2009-09-11 | 2011-04-20 | 首都师范大学 | 统计时空数据库及其管理方法 |
| WO2018076930A1 (zh) * | 2016-10-24 | 2018-05-03 | 北京亚控科技发展有限公司 | 一种基于时空数据库的对数据对象的检索方法 |
| CN108573039A (zh) * | 2018-04-04 | 2018-09-25 | 烟台海颐软件股份有限公司 | 一种基于多源时空数据组配的目标辨识方法与系统 |
| CN109144966A (zh) * | 2018-07-06 | 2019-01-04 | 航天星图科技（北京）有限公司 | 一种海量时空数据的高效组织与管理方法 |
| CN109145173A (zh) * | 2018-07-26 | 2019-01-04 | 浙江省测绘科学技术研究院 | 一种基于相似度的矢量要素变化比对方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112925799A (zh) * | 2021-02-08 | 2021-06-08 | 中国科学院地理科学与资源研究所 | 一种地理空间模型自动数据匹配方法、装置及电子设备 |
| CN114547229A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
| CN116719898A (zh) * | 2023-08-10 | 2023-09-08 | 山东省国土测绘院 | 基于多源异构数据的地理实体生成方法及系统 |
| CN116719898B (zh) * | 2023-08-10 | 2024-05-31 | 山东省国土测绘院 | 基于多源异构数据的地理实体生成方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111026938B (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112115198B (zh) | 一种城市遥感智能服务平台 | |
| CN111026938B (zh) | 时空大数据整合分析方法、装置、设备及存储介质 | |
| CN109344223B (zh) | 一种基于云计算技术的建筑信息模型管理系统及方法 | |
| KR101925165B1 (ko) | 외부 데이터 소스로부터의 데이터를 이용한 데이터베이스 쿼리 응답의 강화 기법 | |
| CN112882974B (zh) | 一种json数据转换方法、装置、计算机设备和存储介质 | |
| CN110990390B (zh) | 数据协同处理方法、装置、计算机设备和存储介质 | |
| CN109951846A (zh) | 无线网络识别方法、装置、存储介质及计算机设备 | |
| CN111061756B (zh) | 数据平台、数据处理方法及电子设备 | |
| CN112148820B (zh) | 一种基于深度学习的水下地形数据识别和服务方法及系统 | |
| CN111652381A (zh) | 数据集贡献度评估方法、装置、设备及可读存储介质 | |
| CN102156739A (zh) | 海量闪电数据的gis平台处理方法 | |
| US20160154781A1 (en) | Semantic Modeling of Geographic Information in Business Intelligence | |
| CN110442703B (zh) | 基于知识图谱的信息推荐方法、装置和计算机设备 | |
| CN116257877A (zh) | 一种面向隐私计算的数据分类分级方法 | |
| CN110602049A (zh) | 数据传输方法、服务器及存储介质 | |
| CN113821296A (zh) | 可视化界面生成方法、电子设备及存储介质 | |
| CN117971314A (zh) | 基于大语言模型的业务执行方法及装置、存储介质、设备 | |
| CN114154081A (zh) | 宽带报装业务处理方法及网络设备 | |
| CN112069236A (zh) | 关联文件的展示方法、装置、设备及存储介质 | |
| CN111949845A (zh) | 处理测绘信息的方法、装置、计算机设备和存储介质 | |
| CN113722337B (zh) | 业务数据确定方法、装置、设备及存储介质 | |
| CN106528644B (zh) | 一种遥感数据的检索方法及装置 | |
| CN113505844A (zh) | 标签生成方法、装置、设备、存储介质及程序产品 | |
| Mou et al. | Visflow: A visual database integration and workflow querying system | |
| CN109460700B (zh) | 一种面向作物分类的遥感数据处理方法及装置 |
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 |