CN114218215B - 一种大规模gis数据的优化渲染方法 - Google Patents
一种大规模gis数据的优化渲染方法 Download PDFInfo
- Publication number
- CN114218215B CN114218215B CN202111539048.6A CN202111539048A CN114218215B CN 114218215 B CN114218215 B CN 114218215B CN 202111539048 A CN202111539048 A CN 202111539048A CN 114218215 B CN114218215 B CN 114218215B
- Authority
- CN
- China
- Prior art keywords
- data
- search
- module
- gis
- tree
- 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.)
- Active
Links
- 238000009877 rendering Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012217 deletion Methods 0.000 claims description 7
- 230000037430 deletion Effects 0.000 claims description 7
- 238000003780 insertion Methods 0.000 claims description 7
- 230000037431 insertion Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 238000012800 visualization Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2272—Management thereof
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种大规模GIS数据的优化渲染方法,包括以下步骤:步骤一,建立GIS数据的优化渲染系统;步骤二,输入查询信息;步骤三,空间范围比较;步骤四,迭代操作;步骤五,获取完整信息;所述步骤一中,构建R‑tree空间索引算法的方法为:基于显示模块所显示的坐标数据,通过算法生成模块自动构建R‑tree空间索引算法,显示模块内的坐标数据为处理器从GIS数据库内调用的数据,本发明相较于现有的GIS数据的优化渲染方法,通过利用R‑tree空间索引算法进行GIS数据优化渲染,优化后的数据不会重叠,可视化效果好,本发明可以减少GIS数据的处理量,提高了数据处理效率和渲染性能,同时减轻了浏览器的渲染压力,避免浏览器卡顿。
Description
技术领域
本发明涉及GIS数据处理技术领域,具体为一种大规模GIS数据的优化渲染方法。
背景技术
GIS数据是地理空间数据,用于为空间分析、环境预测与模拟、可视化技术等提供数据支持;在GIS数据处理方面,现有的技术方案是按地图层级仅筛选出部分坐标点进行渲染,该技术一般是使用循环遍历所有数据点与点之间的距离,距离太近的点只显示一个点,这样可实现按地图层级仅筛选出部分坐标点进行渲染,可视化的效果好,但当数据集很大时,这种方法因循环所有数据点,效率极其低下而无实用性;同时在GIS数据量大时,现有技术方案会造成数据重叠,进而造成可视化无效果,而且大量数据会造成浏览器卡顿。
发明内容
本发明的目的在于提供一种大规模GIS数据的优化渲染方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种大规模GIS数据的优化渲染方法,包括以下步骤:步骤一,建立GIS数据的优化渲染系统;步骤二,输入查询信息;步骤三,空间范围比较;步骤四,迭代操作;步骤五,获取完整信息;
其中在上述步骤一中,首先建立GIS数据的优化渲染系统,构建R-tree空间索引算法;
其中在上述步骤二中,初始化GIS数据的优化渲染系统,运行R-tree空间索引算法,输入搜索信息,根据所输入的信息形成的搜索矩形;
其中在上述步骤三中,利用R-tree空间索引算法,将步骤二中所生成的搜索矩形依次与R-tree根结点进行比较,若根结点所包含的空间范围与搜索矩形有重叠,则依次与该根节点内的子节点进行比较,若子结点所包含的空间范围与搜索矩形有重叠,则根据该子结点的指向往下一层遍历;
其中在上述步骤四中,R-tree空间索引算法重复执行空间范围比较操作,直到检索到与搜索矩形有重叠的最小边界矩形,则该最小边界矩形对应的空间范围包含有符合搜索条件的记录,此时获取该最小边界矩形的序号;
其中在上述步骤五中,根据步骤四中所得到的序号,在GIS数据库中获取该序号对应的完整信息,并将查询结果返回用户。
优选的,所述步骤一中,GIS数据的优化渲染系统包括数据输入模块、显示模块、存储模块和处理器,存储模块内存储有GIS数据库和系统程序,系统程序包括算法生成模块、搜索模块、条目插入模块和条目删除模块;其中,存储模块与处理器建立数据连接,处理器与显示模块建立数据连接,处理器与数据输入模块建立数据连接;搜索模块用于接入搜索矩形;条目插入模块用于插入新的记录条目,条目删除模块用于删除条目,二者用于更新R-tree空间索引算法。
优选的,所述步骤一中,构建R-tree空间索引算法的方法为:基于显示模块所显示的坐标数据,通过算法生成模块自动构建R-tree空间索引算法,显示模块内的坐标数据为处理器从GIS数据库内调用的数据。
优选的,所述步骤一中,构建R-tree空间索引算法的原理:GIS数据库中的每个数据都可简化为现实空间内的一个坐标点,由处理器调用,经显示模块显示,算法生成模块对显示模块内的n个坐标点进行划分,使其平均分布在m个矩形框中,该矩形框即为根节点,则每个矩形框中的数据为n/m个,再将每个矩形框内的数据进行划分,使其平均分布在m个更小的矩形框中,该矩形框即为子节点,重复该过程,使最后每个矩形框包含的点不超过m个,则最后得到的矩形框即为最小边界矩形,建立最小边界矩形序号对应的索引数据库,索引数据库与GIS数据库建立映射关系,如此便得到了R-tree。
优选的,所述步骤二中,搜索矩形的生成原理:通过输入模块输入搜索信息,处理器获取输入搜索信息的空间限定,即经纬度的上下限,然后根据经纬度上下限的四个数值,生成查询矩形。
优选的,所述步骤三中,若所有根结点所包含的空间范围与搜索矩形均无重叠部分,则直接返回用户搜索结果为无。
与现有技术相比,本发明的有益效果是:本发明相较于现有的GIS数据的优化渲染方法,通过利用R-tree空间索引算法进行GIS数据优化渲染,优化后的数据不会重叠,可视化效果好,本发明可以减少GIS数据的处理量,提高了数据处理效率和渲染性能,同时减轻了浏览器的渲染压力,避免浏览器卡顿。
附图说明
图1为本发明试验例2的结果图;
图2为本发明构建R-tree空间索引算法的原理示意图;
图3为本发明的方法流程图;
图4为本发明的系统流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-4,本发明提供的一种技术方案:
实施例:
一种大规模GIS数据的优化渲染方法,包括以下步骤:步骤一,建立GIS数据的优化渲染系统;步骤二,输入查询信息;步骤三,空间范围比较;步骤四,迭代操作;步骤五,获取完整信息;
其中在上述步骤一中,首先建立GIS数据的优化渲染系统,构建R-tree空间索引算法,GIS数据的优化渲染系统包括数据输入模块、显示模块、存储模块和处理器,存储模块内存储有GIS数据库和系统程序,系统程序包括算法生成模块、搜索模块、条目插入模块和条目删除模块;其中,存储模块与处理器建立数据连接,处理器与显示模块建立数据连接,处理器与数据输入模块建立数据连接;搜索模块用于接入搜索矩形;条目插入模块用于插入新的记录条目,条目删除模块用于删除条目,二者用于更新R-tree空间索引算法;构建R-tree空间索引算法的方法为:基于显示模块所显示的坐标数据,通过算法生成模块自动构建R-tree空间索引算法,显示模块内的坐标数据为处理器从GIS数据库内调用的数据;构建R-tree空间索引算法的原理(见图2):GIS数据库中的每个数据都可简化为现实空间内的一个坐标点,由处理器调用,经显示模块显示,算法生成模块对显示模块内的n个坐标点进行划分,使其平均分布在m个矩形框中,该矩形框即为根节点,则每个矩形框中的数据为n/m个,再将每个矩形框内的数据进行划分,使其平均分布在m个更小的矩形框中,该矩形框即为子节点,重复该过程,使最后每个矩形框包含的点不超过m个,则最后得到的矩形框即为最小边界矩形,建立最小边界矩形序号对应的索引数据库,索引数据库与GIS数据库建立映射关系,如此便得到了R-tree;
其中在上述步骤二中,初始化GIS数据的优化渲染系统,运行R-tree空间索引算法,输入搜索信息,根据所输入的信息形成的搜索矩形;搜索矩形的生成原理:通过输入模块输入搜索信息,处理器获取输入搜索信息的空间限定,即经纬度的上下限,然后根据经纬度上下限的四个数值,生成查询矩形;
其中在上述步骤三中,利用R-tree空间索引算法,将步骤二中所生成的搜索矩形依次与R-tree根结点进行比较,若根结点所包含的空间范围与搜索矩形有重叠,则依次与该根节点内的子节点进行比较,若子结点所包含的空间范围与搜索矩形有重叠,则根据该子结点的指向往下一层遍历;若所有根结点所包含的空间范围与搜索矩形均无重叠部分,则直接返回用户搜索结果为无;
其中在上述步骤四中,R-tree空间索引算法重复执行空间范围比较操作,直到检索到与搜索矩形有重叠的最小边界矩形,则该最小边界矩形对应的空间范围包含有符合搜索条件的记录,此时获取该最小边界矩形的序号;
其中在上述步骤五中,根据步骤四中所得到的序号,在GIS数据库中获取该序号对应的完整信息,并将查询结果返回用户。
试验例1:
通过生成0.01%面积的随机均匀分布的矩形并将其设置maxEntries为16,完成了以下示例性能测试,在Retina Macbook Pro 15上使用Node.js v6.2.2执行,具体测试项目见下表:
试验例2:运用实施例中的GIS数据的优化渲染系统对大规模GIS气象数据进行优化,结果见图1。
基于上述,本发明的优点在于,该发明利用R-tree空间索引算法进行数据优化,无需循环遍历所有数据点,减少了数据处理量,提高了数据处理效率,适用于大规模GIS数据的优化渲染,本发明采用R-tree空间索引算法稀疏显示坐标点数,数据不重叠,可视化效果好,渲染性能成倍提高,使得浏览器渲染毫无压力,无卡顿现象。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (4)
1.一种大规模GIS数据的优化渲染方法,包括以下步骤:步骤一,建立GIS数据的优化渲染系统;步骤二,输入查询信息;步骤三,空间范围比较;步骤四,迭代操作;步骤五,获取完整信息;其特征在于:
其中在上述步骤一中,首先建立GIS数据的优化渲染系统,构建R-tree空间索引算法,构建R-tree空间索引算法的方法为:基于显示模块所显示的坐标数据,通过算法生成模块自动构建R-tree空间索引算法,显示模块内的坐标数据为处理器从GIS数据库内调用的数据;构建R-tree空间索引算法的原理:GIS数据库中的每个数据都可简化为现实空间内的一个坐标点,由处理器调用,经显示模块显示,算法生成模块对显示模块内的n个坐标点进行划分,使其平均分布在m个矩形框中,该矩形框即为根结点,则每个矩形框中的数据为n/m个,再将每个矩形框内的数据进行划分,使其平均分布在m个更小的矩形框中,该矩形框即为子结点,重复该过程,使最后每个矩形框包含的点不超过m个,则最后得到的矩形框即为最小边界矩形,建立最小边界矩形序号对应的索引数据库,索引数据库与GIS数据库建立映射关系,如此便得到了R-tree;
其中在上述步骤二中,初始化GIS数据的优化渲染系统,运行R-tree空间索引算法,输入搜索信息,根据所输入的信息形成的搜索矩形;
其中在上述步骤三中,利用R-tree空间索引算法,将步骤二中所生成的搜索矩形依次与R-tree根结点进行比较,若根结点所包含的空间范围与搜索矩形有重叠,则依次与该根结点内的子结点进行比较,若子结点所包含的空间范围与搜索矩形有重叠,则根据该子结点的指向往下一层遍历;
其中在上述步骤四中,R-tree空间索引算法重复执行空间范围比较操作,直到检索到与搜索矩形有重叠的最小边界矩形,则该最小边界矩形对应的空间范围包含有符合搜索条件的记录,此时获取该最小边界矩形的序号;
其中在上述步骤五中,根据步骤四中所得到的序号,在GIS数据库中获取该序号对应的完整信息,并将查询结果返回用户。
2.根据权利要求1所述的一种大规模GIS数据的优化渲染方法,其特征在于:所述步骤一中,GIS数据的优化渲染系统包括数据输入模块、显示模块、存储模块和处理器,存储模块内存储有GIS数据库和系统程序,系统程序包括算法生成模块、搜索模块、条目插入模块和条目删除模块;其中,存储模块与处理器建立数据连接,处理器与显示模块建立数据连接,处理器与数据输入模块建立数据连接;搜索模块用于接入搜索矩形;条目插入模块用于插入新的记录条目,条目删除模块用于删除条目,二者用于更新R-tree空间索引算法。
3.根据权利要求1所述的一种大规模GIS数据的优化渲染方法,其特征在于:所述步骤二中,搜索矩形的生成原理:通过输入模块输入搜索信息,处理器获取输入搜索信息的空间限定,即经纬度的上下限,然后根据经纬度上下限的四个数值,生成查询矩形。
4.根据权利要求1所述的一种大规模GIS数据的优化渲染方法,其特征在于:所述步骤三中,若所有根结点所包含的空间范围与搜索矩形均无重叠部分,则直接返回用户搜索结果为无。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111539048.6A CN114218215B (zh) | 2021-12-15 | 2021-12-15 | 一种大规模gis数据的优化渲染方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111539048.6A CN114218215B (zh) | 2021-12-15 | 2021-12-15 | 一种大规模gis数据的优化渲染方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114218215A CN114218215A (zh) | 2022-03-22 |
CN114218215B true CN114218215B (zh) | 2023-04-14 |
Family
ID=80702753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111539048.6A Active CN114218215B (zh) | 2021-12-15 | 2021-12-15 | 一种大规模gis数据的优化渲染方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218215B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252605B1 (en) * | 1997-08-01 | 2001-06-26 | Garmin Corporation | System and method for packing spatial data in an R-tree |
CN101587487A (zh) * | 2009-04-22 | 2009-11-25 | 北京四方继保自动化股份有限公司 | 一种电网图形动态分布索引的实现方法 |
CN103714080A (zh) * | 2012-09-29 | 2014-04-09 | 北京百度网讯科技有限公司 | 基于空间索引结构树提供空间对象搜索结果的方法和设备 |
CN106874415A (zh) * | 2017-01-23 | 2017-06-20 | 国网山东省电力公司电力科学研究院 | 基于gis系统的环境敏感区数据库构建方法及服务器 |
CN106933833A (zh) * | 2015-12-30 | 2017-07-07 | 中国科学院沈阳自动化研究所 | 一种基于空间索引技术的位置信息快速查询方法 |
CN108629240A (zh) * | 2017-03-22 | 2018-10-09 | 腾讯科技(深圳)有限公司 | 一种区域划分方法及装置 |
CN108664306A (zh) * | 2018-05-08 | 2018-10-16 | 广东亿迅科技有限公司 | 基于canvas与R树空间的浏览器矢量图形渲染方法及装置 |
CN110502599A (zh) * | 2019-08-23 | 2019-11-26 | 腾讯科技(深圳)有限公司 | 地图数据的查询方法、装置和计算机可读存储介质 |
CN112765405A (zh) * | 2019-10-21 | 2021-05-07 | 千寻位置网络有限公司 | 空间数据搜索结果的聚类和查询的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100620125B1 (ko) * | 2005-07-18 | 2006-09-06 | 인하대학교 산학협력단 | 공간 데이터 웨어하우스에서 부분 색인 전송을 이용한 색인재구성 시스템 및 방법 |
-
2021
- 2021-12-15 CN CN202111539048.6A patent/CN114218215B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252605B1 (en) * | 1997-08-01 | 2001-06-26 | Garmin Corporation | System and method for packing spatial data in an R-tree |
CN101587487A (zh) * | 2009-04-22 | 2009-11-25 | 北京四方继保自动化股份有限公司 | 一种电网图形动态分布索引的实现方法 |
CN103714080A (zh) * | 2012-09-29 | 2014-04-09 | 北京百度网讯科技有限公司 | 基于空间索引结构树提供空间对象搜索结果的方法和设备 |
CN106933833A (zh) * | 2015-12-30 | 2017-07-07 | 中国科学院沈阳自动化研究所 | 一种基于空间索引技术的位置信息快速查询方法 |
CN106874415A (zh) * | 2017-01-23 | 2017-06-20 | 国网山东省电力公司电力科学研究院 | 基于gis系统的环境敏感区数据库构建方法及服务器 |
CN108629240A (zh) * | 2017-03-22 | 2018-10-09 | 腾讯科技(深圳)有限公司 | 一种区域划分方法及装置 |
CN108664306A (zh) * | 2018-05-08 | 2018-10-16 | 广东亿迅科技有限公司 | 基于canvas与R树空间的浏览器矢量图形渲染方法及装置 |
CN110502599A (zh) * | 2019-08-23 | 2019-11-26 | 腾讯科技(深圳)有限公司 | 地图数据的查询方法、装置和计算机可读存储介质 |
CN112765405A (zh) * | 2019-10-21 | 2021-05-07 | 千寻位置网络有限公司 | 空间数据搜索结果的聚类和查询的方法及系统 |
Non-Patent Citations (2)
Title |
---|
Wei Zhang等.An optimized query index method based on R-tree.《2011 fourth international joint conference on computational sciences and optimization》.2011,1-8页. * |
李晔.GIS空间数据快速检索技术研究及应用.《中国优秀硕士学位论文全文数据库 工程科技II辑》.2006,C042-87. * |
Also Published As
Publication number | Publication date |
---|---|
CN114218215A (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Van Oosterom | The GAP-tree, an approach to ‘on-the-fly’map generalization of an area partitioning | |
CN107545046B (zh) | 一种多源异构数据的融合方法及装置 | |
CN112035433B (zh) | 将bim模型转为支持大体量分级加载gis模型的方法 | |
US10268735B1 (en) | Graph based resolution of matching items in data sources | |
CN106649805B (zh) | 一种高效的Web应用跨浏览器布局兼容性检测系统及方法 | |
CN110647607A (zh) | 一种基于图片识别的poi数据的验证方法和装置 | |
CN111858613B (zh) | 一种业务数据的检索方法 | |
CN113178004A (zh) | 一种基于超核八叉树海量点云显示方法 | |
JP2554446B2 (ja) | 実体関連図を記憶及び表示するための方法並びにコンピュータ・システム | |
US5692171A (en) | Method of extracting statistical profiles, and use of the statistics created by the method | |
CN114218215B (zh) | 一种大规模gis数据的优化渲染方法 | |
Hamdi et al. | A pattern growth-based approach for mining spatiotemporal co-occurrence patterns | |
CN114116948B (zh) | 地理矢量数据空间缓冲区分析方法、装置、设备及介质 | |
CN115952252A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN116091715A (zh) | 一种基于三维gis引擎的poi点聚合方法 | |
CN115344576A (zh) | 一种数据空间查询方法、装置、电子设备及存储介质 | |
KR20220099745A (ko) | 지리공간 블록체인 데이터 검색을 위한 공간 분할 기반의 트리 인덱싱 및 질의어 처리 방법 및 장치 | |
CN112966041A (zh) | 数据处理方法、装置、设备及存储介质 | |
Bianchi et al. | On the performance and use of spatial OLAP tools | |
Jones et al. | Triangulated spatial models and neighbourhood search: an experimental comparison with quadtrees | |
Alvanides et al. | Zone Design as a Spatial Analysis | |
Noik | Dynamic Fisheye Views: Combining Dynamic Queries and Mapping with Database View Definition | |
CN117807176B (zh) | 一种基于二维网格化的知识库索引构建方法、装置及设备 | |
CN112130836B (zh) | 基于json文件生成多级联动组件的方法 | |
CN118779395A (zh) | 一种基于WebGIS开发框架和库的GIS数据处理方法及系统 |
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 |