CN111814328A - 一种带有飞行区的时空数据立方体的建模与查询方法 - Google Patents
一种带有飞行区的时空数据立方体的建模与查询方法 Download PDFInfo
- Publication number
- CN111814328A CN111814328A CN202010643710.1A CN202010643710A CN111814328A CN 111814328 A CN111814328 A CN 111814328A CN 202010643710 A CN202010643710 A CN 202010643710A CN 111814328 A CN111814328 A CN 111814328A
- Authority
- CN
- China
- Prior art keywords
- data
- time
- space
- category
- nodes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000004220 aggregation Methods 0.000 claims abstract description 19
- 230000002776 aggregation Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 230000000903 blocking effect Effects 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000002360 preparation method Methods 0.000 claims description 12
- 230000000149 penetrating effect Effects 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000002452 interceptive effect Effects 0.000 abstract description 6
- 238000009826 distribution Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 4
- 238000005266 casting Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000000926 separation method Methods 0.000 abstract description 2
- 238000012800 visualization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种带有飞行区的时空数据立方体的建模与查询方法，给出一个拥有空间、类别与时间三种维度的时空数据立方体，其结构中使用共享节点方式减少内存，类别维度使用可增量的映射结构保存类别与类别节点的关系；在空间维度，使用射线投射算法判别节点是否处于查询区域内部，同时借助空间维度飞行区的设计，数据结构的高层次空间节点能够省略部分数据的缓存，减少建模时的计算量；而在查询过程中，分离空间节点的采集判断与数据聚集计算，结合多线程及其间的通讯技术。本发明能够借助ECharts实现交互式可视化分析系统，可以快速分析大规模时空数据集的数据分布。
Description
技术领域
本发明涉及可视化分析领域及计算机程序算法领域，特别是涉及一种时空数据预处理生成数据摘要的数据立方体结构的建模与查询方法，属于大数据预处理的交互式可视化分析领域。
背景技术
大数据时代，数据量飞速增长，如何从海量数据中快速挖掘出潜在信息成为现阶段数据库领域的重要挑战。近十几年可视化作为一个新兴学科被广泛研究，出现了大量可视化工具与显示方式，其标志性里程碑是从静态图形到交互式可视化的发展。
时空数据在互联网时代被大量的记录，通常也会带有特定类别，当数据积累后，可视化分析大数据特征与探索数据的时空分布与类别分布等操作在统计计算过程中非常耗时，因而需要能够实时分析的工具来进行优化。考虑到大数据分析过程中并不需要精确查询每个数据项的具体信息，可将数据在预处理后汇总到内存中，以提供即时交互式体验，称之为聚集可视化。若使用数据库语句聚合查询，将消耗大量时间，且不能很好的记录下来供下次查询使用，目前有Nanocubes、imMens、Hashedcubes等数据立方体的预处理工具，提供了构建与查询方法以及交互式可视化显示，能够支持大规模数据可视化分析在现代笔记本主存上运行，但均存在其局限性。
imMens使用Java处理数据结构，前端使用webGL渲染，但在数据结构预处理时便指定了空间分割密度，在交互过程中放大细节将得到粗糙的热力图；Nanocubes与Hashedcubes使用c++语言作预处理，具有良好的性能表现，但算法复杂且对二次开发不友好，并且Nanocubes的单个类别维度不支持256个以上的不同值，在特殊的空间多边形查询中出现与预期不一致的结果。
发明内容
为了降低Nanocubes数据结构预处理方案在构建过程中的耗时与内存消耗，修改单一类别维度不同值的数量上限，解决空间多边形查询在特殊场景下的结果与显示不匹配的问题，并提高数据立方体的可移植性，本发明一种带有飞行区的时空数据立方体建模与查询方法，能够借助ECharts实现交互式可视化分析系统，可以快速分析大规模时空数据集的数据分布。
本发明解决其技术问题所采用的技术方案是：
一种带有飞行区的时空数据立方体的建模与查询方法，所述方法包括以下步骤：
步骤一，数据准备，即对原始时空数据预加工，包括将一对多的映射关系转换为单行记录地理坐标、时间、类别值，转换时间为毫秒值，将数据按照时间排序；
步骤二，建模准备，即启动服务并读取配置文件中的各项配置，包括数据文件路径、数据结构空间维度的深度D、时间维度粒度参数Timespace；
步骤三，数据加载，即按行读取加工好的原始数据得到数据项，将原始时间根据Timespace生成新的时间值，将原始空间地理坐标转换成四分法编码值；
步骤四，数据建模，即构建时空数据立方体的数据结构；
步骤五，模型固化，即将模型数据结构中的无用资源释放；
步骤六，参数准备，即获取对数据结构查询的各个维度的条件，包括空间维度查询多边形的有序顶点集、类别维度多选的数据集合、时间维度起止范围、查询深度；
步骤七，查询准备，即整理查询条件，包括规范查询深度为介于飞行区N与空间维度的深度D之间，转换查询多边形的有序顶点集为二维平面多边形模型，用于射线投影算法；
步骤八，数据查询，即对数据结构进行数据收集；
步骤九，返回数据，即返回空间维度坐标及其计数值集合、类别维度类别及其计数值集合、时间维度时间及其计数值集合。
进一步，所述步骤三中，空间维度四分法编码的方式为将地图作为一个区块，并将每一个区块平均分为四个子区块，分别编码为[0，1，2，3]，以此递推，第二层便有00、01…32、33共16个不同编码值，第n层具有2n个不同编码值。
再进一步，所述步骤四中，构建时空数据立方体数据结构的过程为：
步骤4.1：根据数据项的四分法编码值深入四叉树，若没有对应子节点则创建；
步骤4.2：自底向上遍历空间节点，若空间节点位于飞行区内则返回，否则深入其包含的类别节点；
步骤4.3：在类别节点中根据数据项的类别得到并深入时间节点，若无对应时间节点则创建，若该类别节点包含两种及以上不同的类别，则再深入其直接包含的时间节点；
步骤4.4：在时间节点中根据数据项的时间找到对应计数并加1，若无则添加并将计数赋值为1，且总计数加1；
步骤4.5：经过步骤4.1至步骤4.4的执行，一个数据项对应的时空数据立方体数据结构便构建完成，再读取下一个数据项或返回。
更进一步，所述步骤八中，对数据结构进行数据收集的过程为：
步骤8.1：创建阻塞队列，开启新线程用于聚集符合条件的结果；
步骤8.2：获得最小且能完全包含目标空间搜索区域的空间节点Nx；
步骤8.3：从Nx开始深度遍历空间节点，并在指定的多个层级使用射线投影算法判断当前空间节点是否在目标查询多边形区域内部，不在内部则可跳过遍历其子空间节点；
步骤8.4：判断层级为查询深度的空间节点是否在目标查询区域内，符合条件则将其类别节点添加至阻塞队列；
步骤8.5：等待聚集线程的计算结束，返回其计算结果；
更进一步，所述步骤8.1中，聚集线程执行数据收集的过程为：
步骤8.1.1：等待阻塞队列添加元素的通知，若有则取出一个类别节点；
步骤8.1.2：取出该类别节点符合查询条件中类别范围的所有时间节点；
步骤8.1.3：获取该时间节点符合查询条件中时间范围的所有时间及其计数值集合，添加至时间及其计数值的集合中，计算其总计数值，添加至类别及其计数值的集合中；
步骤8.1.4：计算该类别节点所在空间节点的经纬度与总计数，添加至坐标及其计数值的集合中；
步骤8.1.5：得到包含空间维度坐标及其计数值的集合、类别维度类别及其计数值的集合、时间维度时间及其计数值的集合，通知主线程聚集计算结束。
本发明的技术构思为：本发明给出一个拥有空间、类别与时间三种维度的时空数据立方体，其结构中使用共享节点方式减少内存，类别维度使用可增量的映射结构保存类别与类别节点的关系；在空间维度，使用射线投影算法判别节点是否处于查询区域内部，同时借助空间维度飞行区的设计，数据结构的高层次空间节点能够省略部分数据的缓存，减少建模时的计算量；而在查询过程中，分离空间节点的采集判断与数据聚集计算，结合多线程及其间的通讯技术。
本发明的有益效果表现在：(1)本发明的设计在数据立方体的空间维度引入飞行区，减少本该存储数据的节点数量，从而减少内存的占用并且减少建模时的计算量；(2)本发明的设计在空间维度的多边形查询中使用射线投影算法判断阶段是否处于内部，避免判断失误；(3)空间维度多边形查询时，在指定空间树的层级上执行射线投影算法剔除不处于查询区域内的空间节点，减少计算量，提高查询效率；(4)本发明在查询过程将空间条件的判断与数据聚集计算分离，使用多线程提高计算效率，较少查询耗时；(5)本发明实现了时空数据立方体的数据预处理，缓存摘要数据，提供了数据增量式加载与简单的查询方法，对用户友好。
附图说明
图1是样例数据的位置分布与数据类型及四分法分割两层地理空间的示意图，其中，(a)表示样例数据的经纬坐标和数据得的类别，(b)表示第一层空间树，(c)表示第二层空间树。
图2是样例数据构建时空数据立方体数据结构的过程示意图。
图3是空间维度查询的射线投影算法示意图。
图4是查询过程的流程图。
具体实施方式
下面结合附图对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
参考图1～图4，一种带有飞行区的时空数据立方体的建模与查询方法，所述方法包括建模过程与查询过程，
所述建模过程包括步骤一至步骤五，如下：
步骤一，数据准备，即对原始时空数据预加工，得到图1中O1至O6的有序数据集，包含经纬度坐标、设备类型、时间；
步骤二，建模准备，即启动服务并读取配置文件中的各项配置，包括数据文件路径、数据结构空间维度的深度D、时间维度粒度参数Timespace；
步骤三，数据加载，即按行读取加工好的原始数据得到数据项O1至O6，将原始时间根据Timespace生成新的时间值，将原始空间地理坐标转换成四分法编码值，如图1的空间分割编码方式；
步骤四，数据建模，即构建时空数据立方体的数据结构，如图2所示加载步骤；
步骤五，模型固化，即将模型数据结构中的无用资源释放；
所述查询过程包括步骤六至步骤九，如下：
步骤六，参数准备，即获取对数据结构查询的各个维度的条件，包括空间维度查询多边形的有序顶点集、类别维度多选的数据集合、时间维度起止范围、查询深度；
步骤七，查询准备，即整理查询条件，包括规范查询深度为介于飞行区N与空间维度的深度D之间，转换查询多边形的有序顶点集为二维平面多边形模型，用于射线投影算法；
步骤八，数据查询，即对数据结构进行数据收集；
步骤九，返回数据，即返回空间维度坐标及其计数值集合、类别维度类别及其计数值集合、时间维度时间及其计数值集合。
进一步，所述步骤三中，空间维度四分法编码的方式为将地图作为一个区块，并将每一个区块平均分为四个子区块，分别编码为[0，1，2，3]，以此递推，第二层便有00、01…32、33共16个不同编码值，第n层具有2n个不同编码值。
再进一步，所述步骤四中，构建时空数据立方体数据结构的过程为：
步骤4.1：根据数据项的四分法编码值深入四叉树，若没有对应子节点则创建；
步骤4.2：自底向上遍历空间节点，若空间节点位于飞行区内则返回，否则深入其包含的类别节点；
步骤4.3：在类别节点中根据数据项的类别得到并深入时间节点，若无对应时间节点则创建，若该类别节点包含两种及以上不同的类别，则再深入其直接包含的时间节点；
步骤4.4：在时间节点中根据数据项的时间找到对应计数并加1，若无则添加并将计数赋值为1，且总计数加1；
步骤4.5：经过步骤4.1至步骤4.4的执行，一个数据项对应的时空数据立方体数据结构便构建完成，再读取下一个数据项或返回。
更进一步，所述步骤八中，对数据结构进行数据收集的过程为：
步骤8.1：创建阻塞队列，开启新线程用于聚集符合条件的结果；
步骤8.2：获得最小且能完全包含目标空间搜索区域的空间节点Nx；
步骤8.3：从Nx开始深度遍历空间节点，并在指定的多个层级使用射线投影算法判断当前空间节点是否在目标查询多边形区域内部，不在内部则可跳过遍历其子空间节点；
步骤8.4：判断层级为查询深度的空间节点是否在目标查询区域内，符合条件则将其类别节点添加至阻塞队列；
步骤8.5：等待聚集线程的计算结束，返回其计算结果。
更进一步，所述步骤8.1中，聚集线程执行数据收集的过程为：
步骤8.1.1：等待阻塞队列添加元素的通知，若有则取出一个类别节点；
步骤8.1.2：取出该类别节点符合查询条件中类别范围的所有时间节点；
步骤8.1.3：获取该时间节点符合查询条件中时间范围的所有时间及其计数值集合，添加至时间及其计数值的集合中，计算其总计数值，添加至类别及其计数值的集合中；
步骤8.1.4：计算该类别节点所在空间节点的经纬度与总计数，添加至坐标及其计数值的集合中；
步骤8.1.5：得到包含空间维度坐标及其计数值的集合、类别维度类别及其计数值的集合、时间维度时间及其计数值的集合，通知主线程聚集计算结束。
本实施例中，构建数据加载O1至O6的四分法编码后为表1：
| 数据项 | 四分法编码 | 类别 |
| O<sub>1</sub> | 13010 | A |
| O<sub>2</sub> | 13012 | I |
| O<sub>3</sub> | 13010 | A |
| O<sub>4</sub> | 31303 | A |
| O<sub>5</sub> | 13012 | A |
| O<sub>6</sub> | 13223 | I |
表1
数据建模的过程如下：
步骤1：加载数据项O1，生成编码对应的空间树节点与类别节点，将此数据项加入该类别节点；
步骤2：加载数据项O2，在第五层创建新的空间树节点，创建类别节点，将此数据项加入其中；到第四层时，创建直属类别节点并使用共享时间节点，在该类别节点中创建直属时间节点，将此数据项加入其中；
步骤3：加载数据项O3，在第五层找到对应的类别节点，将此数据相添加至其时间节点中；在第四层同样找到对应的类别节点，将此数据相添加至其时间节点中；
步骤4：加载数据项O4，生成编码对应的空间树节点与类别节点，将此数据项加入第五层四叉树节点的类别节点，及其时间节点；由于第一层节点位于飞行区内，故跳过创建第一层节点的直属类别节点；
步骤5：加载数据项O5，在第五层添加对应类别节点，并将此数据相加入其时间节点，在创建其直属时间节点；在第四层的数据项类别对应的类别节点中，拷贝共享时间节点并将此数据项加入；在第四层的直属类别节点的直属时间节点中加入此数据项；
步骤6：加载数据项O6，生成编码对应的第四第五层空间树节点与第五层直属类别节点，时间节点；在第三层创建直属类别节点，并引用共享节点，在将此数据项加入直属类别节点与对应类别的类别节点；
数据查询过程如下：
步骤1：拟定取查询多边形有序顶点坐标分别为[81.563525,7.253277]、[120.492206,22.243575]、[155.667837,-39.956617]、[109.453828,-40.63282]，查询深度为4，类别条件为A，时间维度无条件；
步骤2：创建阻塞队列，开启新线程用于聚集符合条件的结果；
步骤3：获得最小且能完全包含目标空间搜索区域的空间节点Nx，计算得出Nx为第一层空间节点；
步骤4：从Nx开始深度遍历空间节点，并在指定的多个层级使用射线投影算法判断当前空间节点是否在目标查询多边形区域内部，不在内部则可跳过遍历其子空间节点，因此跳过编码为0，2，10，11，32，33等空间节点的子节点；
步骤5：判断层级为查询深度的空间节点是否在目标查询区域内，符合条件则将其类别节点添加至阻塞队列，在第四层判断得出O4和O6所在的空间节点(分别记作
)处于查询区域内，将添加至阻塞队列；
步骤6：通知聚集线程“节点收集结束”，等待聚集线程的计算结束，返回其计算结果，即O4；
更进一步，所述步骤2中，聚集线程执行数据收集的过程为：
步骤2.1：等待阻塞队列添加元素的通知，若有则取出一个类别节点，依次取出
和
步骤2.2：取出
中类别为A的所有时间节点D1；
步骤2.2.1：获取D1符合查询条件中时间范围的所有时间及其计数值集合，添加至时间及其计数值的集合中，计算其总计数值为1，添加至类别及其计数值的集合中；
步骤2.2.2：计算该类别节点所在空间节点的经纬度与总计数，添加至坐标及其计数值的集合中；
步骤2.2.3：得到包含空间维度坐标及其计数值的集合、类别维度类别及其计数值的集合、时间维度时间及其计数值的集合；
步骤2.3：取出
中类别为A的所有时间节点，查询为空，无需聚集计算；
步骤2.4：若收到通知“节点收集结束”，且阻塞队列为空则通知主线程聚集结束；
最终得到数据项为O4的统计结果。
经过上述步骤的操作，即可实现用于带有飞行区的时空数据立方体的构建与查询方法。
Claims (5)
1.一种带有飞行区的时空数据立方体的建模与查询方法，其特征在于，所述方法包括以下步骤：
步骤一，数据准备，即对原始时空数据预加工，包括将一对多的映射关系转换为单行记录地理坐标、时间、类别值，转换时间为毫秒值，将数据按照时间排序；
步骤二，建模准备，即启动服务并读取配置文件中的各项配置，包括数据文件路径、数据结构空间维度的深度D、时间维度粒度参数Timespace；
步骤三，数据加载，即按行读取加工好的原始数据得到数据项，将原始时间根据Timespace生成新的时间值，将原始空间地理坐标转换成四分法编码值；
步骤四，数据建模，即构建时空数据立方体的数据结构；
步骤五，模型固化，即将模型数据结构中的无用资源释放；
步骤六，参数准备，即获取对数据结构查询的各个维度的条件，包括空间维度查询多边形的有序顶点集、类别维度多选的数据集合、时间维度起止范围、查询深度；
步骤七，查询准备，即整理查询条件，包括规范查询深度为介于飞行区N与空间维度的深度D之间，转换查询多边形的有序顶点集为二维平面多边形模型，用于射线投影算法；
步骤八，数据查询，即对数据结构进行数据收集；
步骤九，返回数据，即返回空间维度坐标及其计数值集合、类别维度类别及其计数值集合、时间维度时间及其计数值集合。
2.如权利要求1所述的一种带有飞行区的时空数据立方体的建模与查询方法，其特征在于，所述步骤三中，空间维度四分法编码的方式为将地图作为一个区块，并将每一个区块平均分为四个子区块，分别编码为[0，1，2，3]，以此递推，第二层便有00、01…32、33共16个不同编码值，第n层具有2n个不同编码值。
3.如权利要求1或2所述的一种带有飞行区的时空数据立方体的建模与查询方法，其特征在于，所述步骤四中，构建时空数据立方体数据结构的过程为：
步骤4.1：根据数据项的四分法编码值深入四叉树，若没有对应子节点则创建；
步骤4.2：自底向上遍历空间节点，若空间节点位于飞行区内则返回，否则深入其包含的类别节点；
步骤4.3：在类别节点中根据数据项的类别得到并深入时间节点，若无对应时间节点则创建，若该类别节点包含两种及以上不同的类别，则再深入其直接包含的时间节点；
步骤4.4：在时间节点中根据数据项的时间找到对应计数并加1，若无则添加并将计数赋值为1，且总计数加1；
步骤4.5：经过步骤4.1至步骤4.4的执行，一个数据项对应的时空数据立方体数据结构便构建完成，再读取下一个数据项或返回。
4.如权利要求1或2所述的一种带有飞行区的时空数据立方体的建模与查询方法，其特征在于，所述步骤八中，对数据结构进行数据收集的过程为：
步骤8.1：创建阻塞队列，开启新线程用于聚集符合条件的结果；
步骤8.2：获得最小且能完全包含目标空间搜索区域的空间节点Nx；
步骤8.3：从Nx开始深度遍历空间节点，并在指定的多个层级使用射线投影算法判断当前空间节点是否在目标查询多边形区域内部，不在内部则可跳过遍历其子空间节点；
步骤8.4：判断层级为查询深度的空间节点是否在目标查询区域内，符合条件则将其类别节点添加至阻塞队列；
步骤8.5：等待聚集线程的计算结束，返回其计算结果。
5.如权利要求4所述的一种带有飞行区的时空数据立方体的建模与查询方法，其特征在于，所述步骤8.1中，聚集线程执行数据收集的过程为：
步骤8.1.1：等待阻塞队列添加元素的通知，若有则取出一个类别节点；
步骤8.1.2：取出该类别节点符合查询条件中类别范围的所有时间节点；
步骤8.1.3：获取该时间节点符合查询条件中时间范围的所有时间及其计数值集合，添加至时间及其计数值的集合中，计算其总计数值，添加至类别及其计数值的集合中；
步骤8.1.4：计算该类别节点所在空间节点的经纬度与总计数，添加至坐标及其计数值的集合中；
步骤8.1.5：得到包含空间维度坐标及其计数值的集合、类别维度类别及其计数值的集合、时间维度时间及其计数值的集合，通知主线程聚集计算结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010643710.1A CN111814328B (zh) | 2020-07-07 | 2020-07-07 | 一种带有飞行区的时空数据立方体的建模与查询方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010643710.1A CN111814328B (zh) | 2020-07-07 | 2020-07-07 | 一种带有飞行区的时空数据立方体的建模与查询方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111814328A true CN111814328A (zh) | 2020-10-23 |
| CN111814328B CN111814328B (zh) | 2024-06-18 |
Family
ID=72841779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010643710.1A Active CN111814328B (zh) | 2020-07-07 | 2020-07-07 | 一种带有飞行区的时空数据立方体的建模与查询方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111814328B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220718A (zh) * | 2021-05-19 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 数据查询方法、装置、电子设备以及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010023390A1 (en) * | 1999-06-28 | 2001-09-20 | Min-Chung Gia | Path planning, terrain avoidance and situation awareness system for general aviation |
| US20030126143A1 (en) * | 2001-06-12 | 2003-07-03 | Nicholas Roussopoulos | Dwarf cube architecture for reducing storage sizes of multidimensional data |
| CN105426491A (zh) * | 2015-11-23 | 2016-03-23 | 武汉大学 | 一种时空地理大数据的检索方法及系统 |
| CN107423368A (zh) * | 2017-06-29 | 2017-12-01 | 中国测绘科学研究院 | 一种非关系数据库中的时空数据索引方法 |
| CN109284338A (zh) * | 2018-10-25 | 2019-01-29 | 南京航空航天大学 | 一种基于混合索引的卫星遥感大数据优化查询方法 |
| CN110321353A (zh) * | 2019-07-08 | 2019-10-11 | 中国地质大学（武汉） | 一种基于半分解策略的多维空间数据索引方法 |
| CN111367913A (zh) * | 2020-03-03 | 2020-07-03 | 青岛大学 | 一种面向全空间的数据模型的建模方法 |
-
2020
- 2020-07-07 CN CN202010643710.1A patent/CN111814328B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010023390A1 (en) * | 1999-06-28 | 2001-09-20 | Min-Chung Gia | Path planning, terrain avoidance and situation awareness system for general aviation |
| US20030126143A1 (en) * | 2001-06-12 | 2003-07-03 | Nicholas Roussopoulos | Dwarf cube architecture for reducing storage sizes of multidimensional data |
| CN105426491A (zh) * | 2015-11-23 | 2016-03-23 | 武汉大学 | 一种时空地理大数据的检索方法及系统 |
| CN107423368A (zh) * | 2017-06-29 | 2017-12-01 | 中国测绘科学研究院 | 一种非关系数据库中的时空数据索引方法 |
| CN109284338A (zh) * | 2018-10-25 | 2019-01-29 | 南京航空航天大学 | 一种基于混合索引的卫星遥感大数据优化查询方法 |
| CN110321353A (zh) * | 2019-07-08 | 2019-10-11 | 中国地质大学（武汉） | 一种基于半分解策略的多维空间数据索引方法 |
| CN111367913A (zh) * | 2020-03-03 | 2020-07-03 | 青岛大学 | 一种面向全空间的数据模型的建模方法 |
Non-Patent Citations (3)
| Title |
|---|
| 廖巍;景宁;钟志农;陈宏盛;: "面向移动对象的高效预测范围聚集查询方法", 计算机研究与发展, no. 06, 15 June 2007 (2007-06-15) * |
| 柳建平, 杨晓宇, 岳丽华, 赵振西: "一种基于R*-tree的时空索引", 计算机工程, no. 14, 20 July 2003 (2003-07-20) * |
| 申金鑫;吴烨;陈荦;景宁;: "面向空间在线分析的并行近似聚集查询", 计算机科学与探索, no. 10, 16 October 2017 (2017-10-16) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220718A (zh) * | 2021-05-19 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 数据查询方法、装置、电子设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111814328B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110442444B (zh) | 一种面向海量遥感影像的并行数据访问方法与系统 | |
| CN110199273B (zh) | 用于在多维数据库环境中的一次扫描中进行加载、聚合和批量计算的系统和方法 | |
| JP6032467B2 (ja) | 時空間データ管理システム、時空間データ管理方法、及びそのプログラム | |
| US7373353B2 (en) | Reducing index size for multi-level grid indexes | |
| US10049134B2 (en) | Method and system for processing queries over datasets stored using hierarchical data structures | |
| US20140052711A1 (en) | Constructing multidimensional histograms for complex spatial geometry objects | |
| AU2018253470A1 (en) | Device and method for extracting terrain boundary | |
| US20140370920A1 (en) | Systems and methods for generating and employing an index associating geographic locations with geographic objects | |
| Chen et al. | HiSpatialCluster: A novel high‐performance software tool for clustering massive spatial points | |
| CN110705606A (zh) | 一种基于Spark分布式内存计算的空间K均值聚类方法 | |
| CN117216038A (zh) | 资产数据管理系统 | |
| CN115687517A (zh) | 时空数据的存储方法、装置、数据库引擎和存储介质 | |
| CN113722415B (zh) | 点云数据的处理方法、装置、电子设备及存储介质 | |
| CN115495429A (zh) | 一种基于Hadoop集群的海量空间数据质检方法和系统 | |
| CN111814328A (zh) | 一种带有飞行区的时空数据立方体的建模与查询方法 | |
| CN116860905A (zh) | 一种城市信息模型的空间单元编码生成方法 | |
| CN115145930A (zh) | 基于树状层次索引的gis矢量数据层次编码方法及装置 | |
| CN117271820A (zh) | 一种矢量建筑三维景观指数统计方法、系统及设备 | |
| Winter et al. | Geoblocks: A query-cache accelerated data structure for spatial aggregation over polygons | |
| Guo et al. | A visualization platform for spatio-temporal data: a data intensive computation framework | |
| CN109522292B (zh) | 基于电网标准统一信息模型的数据处理装置和方法 | |
| CN108256058A (zh) | 一种基于微型计算平台的实时响应大媒体近邻检索方法 | |
| CN115098610A (zh) | 块数据管理系统 | |
| CN114637929A (zh) | 一种基于ElasticSearch的轨迹碰撞方法 | |
| CN110197528B (zh) | 一种地质体存储、可视化和交互方法及系统 |
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 |