CN114443914B - 元宇宙空间服务器的数据索引、查询方法及系统 - Google Patents

元宇宙空间服务器的数据索引、查询方法及系统 Download PDF

Info

Publication number
CN114443914B
CN114443914B CN202210372113.9A CN202210372113A CN114443914B CN 114443914 B CN114443914 B CN 114443914B CN 202210372113 A CN202210372113 A CN 202210372113A CN 114443914 B CN114443914 B CN 114443914B
Authority
CN
China
Prior art keywords
space
track data
server
space server
data
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
Application number
CN202210372113.9A
Other languages
English (en)
Other versions
CN114443914A (zh
Inventor
夏东
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.)
Hunan Vision Miracle Intelligent Technology Co ltd
Original Assignee
Hunan Vision Miracle Intelligent Technology Co ltd
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 Hunan Vision Miracle Intelligent Technology Co ltd filed Critical Hunan Vision Miracle Intelligent Technology Co ltd
Priority to CN202210372113.9A priority Critical patent/CN114443914B/zh
Publication of CN114443914A publication Critical patent/CN114443914A/zh
Application granted granted Critical
Publication of CN114443914B publication Critical patent/CN114443914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • 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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了元宇宙空间服务器的数据存储、索引、查询方法及系统，该存储方法通过空间服务器采集目标的轨迹数据，并将所述轨迹数据进行空间聚类，形成
Figure 971017DEST_PATH_IMAGE001
个聚类簇；将每个聚类簇对应的空间等分成
Figure 426269DEST_PATH_IMAGE002
份，每份成为一个细胞，每个聚类簇均有
Figure 326092DEST_PATH_IMAGE002
个细胞；空间服务器为每个涉及自身空间的细胞构建一块磁盘区域，将每个细胞对应的轨迹数据存储其对应的磁盘区域内。本发明利用空间聚类对目标轨迹数据进行存储，利用空间上的相近性实现了存储空间的节约，并且对下一步的索引构建提供了良好的设计基础。

Description

元宇宙空间服务器的数据索引、查询方法及系统
技术领域
本发明涉及元宇宙领域，尤其涉及元宇宙空间服务器的数据存储、索引、查询方法及系统。
背景技术
元宇宙中虚拟人物在场景中活动，会产生轨迹，回访时会调用轨迹数据。大型的元宇宙的场景空间都是各方独立开发，然后再拼接，那么一个巨型场景空间其实是由多个空间服务器共同运行支撑的。这就会涉及到一个虚拟人物会在不同的空间服务器中的留下大量轨迹，如何在不同的服务器中一致性的存储虚拟人物的轨迹，使得存储的轨迹便于查询，并节约存储空间这是元宇宙中分布式计算目前需要解决的问题。
发明内容
本发明提供了元宇宙空间服务器的数据存储方法、索引方法及查询方法，用于解决现有的元宇宙空间服务器存储方法占用存储空间大，且不便于索引、查询的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种元宇宙空间服务器的数据存储方法，包括以下步骤：
空间服务器采集目标的轨迹数据，并将所述轨迹数据进行空间聚类，形成
Figure 413112DEST_PATH_IMAGE001
个聚类簇；
将每个聚类簇对应的空间等分成
Figure 481562DEST_PATH_IMAGE002
份，每份成为一个细胞，每个聚类簇均有
Figure 620419DEST_PATH_IMAGE002
个细胞；
空间服务器为每个涉及自身空间的细胞构建一块磁盘区域，将每个细胞对应的轨迹数据存储其对应的磁盘区域内。
优选的，还包括以下步骤：
当空间服务器采集到目标新的轨迹数据时，查询新的轨迹数据所对应的细胞，并将新的轨迹数据存储到其对应细胞的磁盘区域内；
空间服务器实时统计每个细胞内的轨迹数据量，将每个细胞内的轨迹数据量与其对应的标定阈值Y进行比较，当存在任一细胞A内的轨迹数据量超过标定阈值Y时，将所述细胞A分裂成两个新细胞，并分别为两个新细胞构建磁盘区域，将两个新细胞对应的轨迹数据存储至其对应的磁盘区域内。
优选的，还包括以下步骤：
空间服务器实时统计其对应空间下的轨迹数据量，并将所述轨迹数据量与其对应的阈值W进行比较，当所述轨迹数据量大于所述阈值W时，空间服务器将其内的轨迹数据量重新进行空间聚类，并将重新空间聚类后得到的聚类簇对应的空间重新划分细胞，并分别为重新划分的细胞重新构建磁盘区域，将每个重新划分的细胞对应的轨迹数据存储其对应的磁盘区域内。
优选的，将所述轨迹数据进行空间聚类通过DBSCAN聚类算法实现。
优选的，每个空间服务器采集的轨迹数据，为其空间坐标系下的轨迹数据；将所述轨迹数据进行空间聚类前，还包括以下步骤：
将所述元宇宙的多个空间服务器对应的空间拼接成一个完整空间，构建所述完整空间的坐标系，并定位所述完整空间的坐标系原点；
根据所述完整空间的坐标系原点及每个空间服务器的坐标系原点之间的关系，将每个空间服务器采集的轨迹数据的坐标转换至所述完整空间的坐标系下。
优选的，所述完整空间的坐标系原点为完整空间的中心点，根据所述完整空间的坐标系原点及每个空间服务器的坐标系原点之间的关系，将每个空间服务器采集的轨迹数据的坐标转换至所述完整空间的坐标系下，包括以下步骤：
根据完整空间的坐标系原点，计算每个空间服务器的坐标系原点在所述完整空间的换算坐标
Figure 141531DEST_PATH_IMAGE003
；
将每个空间服务器采集的轨迹数据加上与其对应的换算坐标
Figure 391246DEST_PATH_IMAGE003
，得到每个空间服务器采集的轨迹数据在所述完整空间坐标系下的坐标。
一种元宇宙空间服务器的数据索引方法，所述空间服务器中存储的每条轨迹数据表示为
Figure 812738DEST_PATH_IMAGE004
，其中，
Figure 122497DEST_PATH_IMAGE005
代表该目标的唯一标识，
Figure 193221DEST_PATH_IMAGE006
代表目标在
Figure 184311DEST_PATH_IMAGE007
时刻的空间坐标；所述数据索引方法，包括以下步骤：
采用包围盒算法将空间服务器中的每个细胞及其轨迹数据进行包围，形成每个细胞的包围盒；
利用R树空间索引对所有的包围盒进行索引，R树的叶节点包含包围盒，每个包围盒具体包含了目标的轨迹数据；
构建轨迹数据的倒排索引IF，IF的根节点是目标的ID号，ID号接下来的节点就是包含该ID的所有R树叶节点，并且叶节点按照该ID的轨迹时间进行排序。
优选的，所述包围盒算法为最小包围立方体算法。
一种元宇宙空间服务器的数据查询方法，包括以下步骤：
设查询条件
Figure 24091DEST_PATH_IMAGE008
，
Figure 504751DEST_PATH_IMAGE009
代表查询的空间立方体，
Figure 734875DEST_PATH_IMAGE010
代表开始时间和结束时间，
Figure 591972DEST_PATH_IMAGE011
代表目标的标识，查询条件意思为在
Figure 286259DEST_PATH_IMAGE010
时间段内，在空间
Figure 875503DEST_PATH_IMAGE009
内，查询目标
Figure 920820DEST_PATH_IMAGE011
的轨迹点。
S1：将
Figure 316029DEST_PATH_IMAGE009
作为查询条件检索构建好的R树，获得结果叶节点集合LS；
S2：将LS中的叶节点与倒排索引IF中以
Figure 301040DEST_PATH_IMAGE011
为根的所有的叶节点做交集，得到结果集LSR；
S3：将LSR中的每个包围盒的时间与
Figure 389082DEST_PATH_IMAGE010
求交，结果为空的包围盒丢弃；
S4：将剩余的包围盒中按照时间顺序取出
Figure 656115DEST_PATH_IMAGE011
的轨迹点，即为查询结果。
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明具有以下有益效果：
1、本发明中的元宇宙空间服务器的数据存储方法及系统，利用空间聚类对目标（如虚拟人物）轨迹数据（即轨迹点）进行存储，利用空间上的相近性实现了存储空间的节约，并且对下一步的索引构建提供了良好的设计基础，此外，本发明中的数据索引、查询方法及系统，针对轨迹的索引，结合R树和倒排索引，利用R树对空间点的索引能力和利用倒排索引对虚拟人物标识的索引，将两者很好的结合起来。在查询时首先利用R树检索到候选结果集，然后利用倒排索引精筛，实现了快速的查询效果。
2、在优选方案中，本发明对各个空间服务器中的轨迹数据进行归一化后在进行存储，能进一步提高查询效率，此外，本发明在元宇宙多场景拼接实现中的对虚拟人物轨迹进行处理，能为多场景空间服务器共同提供场景奠定了技术基础。此外，本发明设计了多场景服务器虚拟人物轨迹的模型，该模型阐述了虚拟人物在多场景空间的运动本质。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明中的分布式多场景空间服务器轨迹模型；
图2是本发明的元宇宙空间服务器的数据存储方法。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一：
如图2所示，本实施中公开了一种元宇宙空间服务器的数据存储方法，包括以下步骤：
空间服务器采集目标的轨迹数据，并将所述轨迹数据进行空间聚类，形成
Figure 527119DEST_PATH_IMAGE001
个聚类簇；
将每个聚类簇对应的空间等分成
Figure 195998DEST_PATH_IMAGE002
份，每份成为一个细胞，每个聚类簇均有
Figure 392624DEST_PATH_IMAGE002
个细胞；
空间服务器为每个涉及自身空间的细胞构建一块磁盘区域，将每个细胞对应的轨迹数据存储其对应的磁盘区域内。
此外，在本实施例中，还公开了一种元宇宙空间服务器的数据索引方法，所述空间服务器中存储的每条轨迹数据表示为
Figure 881374DEST_PATH_IMAGE004
，其中，
Figure 883965DEST_PATH_IMAGE005
代表该目标的唯一标识，
Figure 345034DEST_PATH_IMAGE006
代表目标在
Figure 509299DEST_PATH_IMAGE007
时刻的空间坐标；所述数据索引方法，包括以下步骤：
采用包围盒算法将空间服务器中的每个细胞及其轨迹数据进行包围，形成每个细胞的包围盒；
利用R树空间索引对所有的包围盒进行索引，R树的叶节点包含包围盒，每个包围盒具体包含了目标的轨迹数据；
构建轨迹数据的倒排索引IF，IF的根节点是目标的ID号，ID号接下来的节点就是包含该ID的所有R树叶节点，并且叶节点按照该ID的轨迹时间进行排序。
此外，在本实施例中，还公开了一种元宇宙空间服务器的数据查询方法，包括以下步骤：
设查询条件
Figure 750924DEST_PATH_IMAGE008
，
Figure 727845DEST_PATH_IMAGE009
代表查询的空间立方体，
Figure 105737DEST_PATH_IMAGE010
代表开始时间和结束时间，
Figure 706483DEST_PATH_IMAGE011
代表目标的标识，查询条件意思为在
Figure 107508DEST_PATH_IMAGE010
时间段内，在空间
Figure 451902DEST_PATH_IMAGE009
内，查询目标
Figure 949879DEST_PATH_IMAGE011
的轨迹点。
S1：将
Figure 393630DEST_PATH_IMAGE009
作为查询条件检索构建好的R树，获得结果叶节点集合LS；
S2：将LS中的叶节点与倒排索引IF中以
Figure 609848DEST_PATH_IMAGE011
为根的所有的叶节点做交集，得到结果集LSR；
S3：将LSR中的每个包围盒的时间与
Figure 492353DEST_PATH_IMAGE010
求交，结果为空的包围盒丢弃；
S4：将剩余的包围盒中按照时间顺序取出
Figure 782520DEST_PATH_IMAGE011
的轨迹点，即为查询结果。
此外，在本实施例中，还公开了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明中的元宇宙空间服务器的数据存储方法及系统，利用空间聚类对目标轨迹数据（即虚拟人物的轨迹点）进行存储，利用空间上的相近性实现了存储空间的节约，并且对下一步的索引构建提供了良好的设计基础，此外，本发明中的数据索引、查询方法及系统，针对轨迹的索引，结合R树和倒排索引，利用R树对空间点的索引能力和利用倒排索引对虚拟人物标识的索引，将两者很好的结合起来。在查询时首先利用R树检索到候选结果集，然后利用倒排索引精筛，实现了快速的查询效果。
实施例二：
实施例二是实施例一的优选实施例，其与实施例一的不同之处，对元宇宙空间服务器的数据存储方法、索引方法及查询方法的具体步骤进行了介绍，具体包括以下步骤：
本实施例中，目标为虚拟人物，采集的目标轨迹数据为虚拟人物的轨迹点，即本发明主要面向元宇宙中跨不同场景空间服务器存储和索引大量虚拟人物的轨迹。
第一，如何跨场景空间服务器存储虚拟人物的轨迹；
第二，如何跨场景空间服务器索引虚拟人物的轨迹；
第三，如何通过索引查询虚拟人物轨迹；
如图1所示，用户在戴着VR/AR眼镜以虚拟人物在元宇宙场景中漫游时，在每个场景都会留下轨迹，虚拟人物从一个场景空间进入另一个空间服务器S的场景空间后，空间服务器S会检测到该虚拟人物对应的VR/AR眼镜，因此该虚拟人物在新的场景空间里的轨迹由对应的空间服务器S进行存储。那么针对某位虚拟人物U，U的轨迹会跨多个空间服务器进行存储。
一、数据存储：
设每个服务器的场景空间为三维空间，当服务器与用户的VR/AR眼镜进行通信时就表明该用户在元宇宙的虚拟人物就进入了该服务器所对应的场景空间。虚拟人物在场景空间中位置定时由服务器探测并采集，形式为
Figure 459489DEST_PATH_IMAGE004
，其中
Figure 897424DEST_PATH_IMAGE005
代表该虚拟人物的唯一标识，
Figure 19838DEST_PATH_IMAGE006
代表虚拟人物在
Figure 226829DEST_PATH_IMAGE007
时刻的空间坐标，并且
Figure 340278DEST_PATH_IMAGE012
是相对于该服务器的空间场景而言的。
1、归一化：
由于不同的空间服务器采集的轨迹点的坐标系不同，每个场景空间服务器都使用了自己的空间坐标原点，这样的话，即使相同的
Figure 203192DEST_PATH_IMAGE012
所代表的空间坐标也是不同的，为了在不同的服务器中一致性的存储虚拟人物的轨迹，需存储轨迹点之前，需要对不同空间服务器采集的轨迹点进行归一化，其中，归一化方法如下：
S11：按照空间逻辑将各个服务器提供的场景空间进行拼接形成该元宇宙完整的空间场景；
S12：将整个完整空间的中心点设为原点，即
Figure 427500DEST_PATH_IMAGE013
；
S13：根据整个空间的原点，计算每个服务器场景空间的原始原点
Figure 754576DEST_PATH_IMAGE014
在新的完整空间下的坐标
Figure 976610DEST_PATH_IMAGE003
；
S14：将每个原始空间位置
Figure 61240DEST_PATH_IMAGE015
与相应的
Figure 89239DEST_PATH_IMAGE003
相加，即
Figure 730478DEST_PATH_IMAGE016
，所得即为
Figure 185730DEST_PATH_IMAGE015
在整个完整空间的坐标
Figure 85553DEST_PATH_IMAGE017
。
2、基于聚类的存储方法
在本实施例中，轨迹的存储方法采用基于聚类的存储方法，该方法具体为：
设每个空间服务器都采集到了虚拟人物的轨迹信息，每个轨迹点表示为
Figure 589346DEST_PATH_IMAGE004
，其中
Figure 625436DEST_PATH_IMAGE012
是归一化的坐标。
S21：预先假设聚类数量为
Figure 251589DEST_PATH_IMAGE001
，对当前现有的轨迹点进行DBSCAN聚类操作，形成
Figure 310812DEST_PATH_IMAGE001
个聚类；
S22：针对每个聚类，将每个聚类的空间等分为
Figure 680613DEST_PATH_IMAGE002
份，即总共有
Figure 836788DEST_PATH_IMAGE018
份，每份成为一个细胞；
S23：场景空间服务器针对涉及自身的细胞，为每个细胞构建一块磁盘区域
Figure 571526DEST_PATH_IMAGE019
，并将细胞中的
Figure 180362DEST_PATH_IMAGE004
存入
Figure 88275DEST_PATH_IMAGE019
；
S24：针对跨场景空间服务器的细胞，如细胞A跨服务器S和R，那么S和R分别各存储一份A；
S25：当某服务器T新采集到虚拟人物的轨迹点L后，T判断L所在的细胞，并将L存储入对应的细胞中；
S26：当一个细胞中的轨迹点数量超过阈值Y，细胞发生分裂，变为2个细胞；
S27：当整个空间的轨迹点超过阈值W，重新进行DBSCAN聚类操作，聚类完成后继续S22。
3、基于倒排和R树的虚拟人物轨迹索引
S31：针对“（1）基于聚类的存储方法”中所产生的细胞，利用最小包围立方体MBB（Minimum Bounding Box）将每个细胞进行包围，形成包围盒CMBB；
S32：利用R树空间索引对所有的包围盒CMBB进行索引，R树的叶节点包含包围盒CMBB，每个包围盒CMBB具体包含了虚拟人物的轨迹点；
S33：构建倒排索引IF，IF的根节点是虚拟人物的ID号，ID号接下来的节点就是包含该ID的所有R树叶节点，并且叶节点按照该ID的轨迹时间进行排序。
4、基于虚拟人物轨迹索引的查询算法
设查询条件
Figure 535175DEST_PATH_IMAGE008
，
Figure 503131DEST_PATH_IMAGE009
代表查询的空间立方体，
Figure 599263DEST_PATH_IMAGE010
代表开始时间和结束时间，
Figure 248550DEST_PATH_IMAGE011
代表虚拟人物的标识，查询条件意思为在
Figure 379317DEST_PATH_IMAGE010
时间段内，在空间
Figure 518174DEST_PATH_IMAGE009
内，查询虚拟人物
Figure 773706DEST_PATH_IMAGE011
的轨迹点。
S41：将
Figure 289001DEST_PATH_IMAGE009
作为查询条件检索构建好的R树，获得结果叶节点集合LS；
S42：将LS中的叶节点与倒排索引IF中以
Figure 274275DEST_PATH_IMAGE011
为根的所有的叶节点做交集，得到结果集LSR；
S43：将LSR中的每个包围盒CMBB的时间与
Figure 521716DEST_PATH_IMAGE010
求交，结果为空的包围盒CMBB丢弃；
S44：将剩余的包围盒CMBB中按照时间顺序取出
Figure 326861DEST_PATH_IMAGE011
的轨迹点，即为查询结果。
本发明具有以下优点：
（1）本发明是元宇宙多场景拼接实现中的对虚拟人物轨迹处理的发明，为多场景空间服务器共同提供场景奠定了技术基础。
（2）设计了多场景服务器虚拟人物轨迹的模型，该模型阐述了虚拟人物在多场景空间的运动本质。
（3）本发明设计了利用聚类对虚拟人物轨迹点进行存储，利用空间上的相近性实现了存储空间的节约，并且对下一步的索引构建提供了良好的设计基础。
（4）本发明设计了针对轨迹的索引，结合R树和倒排索引，利用R树对空间点的索引能力和利用倒排索引对虚拟人物标识的索引，将两者很好的结合起来。在查询时首先利用R树检索到候选结果集，然后利用倒排索引精筛，实现了快速的查询效果。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种元宇宙空间服务器的数据索引方法，其特征在于，所述空间服务器用于采集目标的轨迹数据，并将所述轨迹数据进行空间聚类，形成
Figure 372141DEST_PATH_IMAGE001
个聚类簇；将每个聚类簇对应的空间等分成
Figure 656492DEST_PATH_IMAGE002
份，每份成为一个细胞，每个聚类簇均有
Figure 528674DEST_PATH_IMAGE002
个细胞；空间服务器为每个涉及自身空间的细胞构建一块磁盘区域，将每个细胞对应的轨迹数据存储其对应的磁盘区域内；所述空间服务器中存储的每条轨迹数据表示为
Figure DEST_PATH_IMAGE003
，其中，
Figure 291094DEST_PATH_IMAGE004
代表目标的唯一标识，
Figure 410360DEST_PATH_IMAGE005
代表目标在
Figure 865612DEST_PATH_IMAGE006
时刻的空间坐标；所述数据索引方法，包括以下步骤：
采用包围盒算法将空间服务器中的每个细胞及其轨迹数据进行包围，形成每个细胞的包围盒；
利用R树空间索引对所有的包围盒进行索引，R树的叶节点包含包围盒，每个包围盒具体包含了目标的轨迹数据；
构建轨迹数据的倒排索引IF，IF的根节点是目标的ID号，ID号接下来的节点就是包含该ID的所有R树叶节点，并且叶节点按照该ID的轨迹时间进行排序。
2.根据权利要求1所述的元宇宙空间服务器的数据索引方法，其特征在于，所述包围盒算法为最小包围立方体算法。
3.根据权利要求1所述的元宇宙空间服务器的数据索引方法，其特征在于，所述空间服务器还执行以下步骤：
当空间服务器采集到目标新的轨迹数据时，查询新的轨迹数据所对应的细胞，并将新的轨迹数据存储到其对应细胞的磁盘区域内；
空间服务器实时统计每个细胞内的轨迹数据量，将每个细胞内的轨迹数据量与其对应的标定阈值Y进行比较，当存在任一细胞A内的轨迹数据量超过标定阈值Y时，将所述细胞A分裂成两个新细胞，并分别为两个新细胞构建磁盘区域，将两个新细胞对应的轨迹数据存储至其对应的磁盘区域内。
4.根据权利要求3所述的元宇宙空间服务器的数据索引方法，其特征在于，所述空间服务器还执行以下步骤：
空间服务器实时统计其对应空间下的轨迹数据量，并将所述轨迹数据量与其对应的阈值W进行比较，当所述轨迹数据量大于所述阈值W时，空间服务器将其内的轨迹数据量重新进行空间聚类，并将重新空间聚类后得到的聚类簇对应的空间重新划分细胞，并分别为重新划分的细胞重新构建磁盘区域，将每个重新划分的细胞对应的轨迹数据存储其对应的磁盘区域内。
5.根据权利要求1-4中任一项所述的元宇宙空间服务器的数据索引方法，其特征在于，将所述轨迹数据进行空间聚类通过DBSCAN聚类算法实现。
6.根据权利要求1所述的元宇宙空间服务器的数据索引方法，其特征在于，每个空间服务器采集的轨迹数据，为其空间坐标系下的轨迹数据；将所述轨迹数据进行空间聚类前，还执行以下步骤：
将所述元宇宙的多个空间服务器对应的空间拼接成一个完整空间，构建所述完整空间的坐标系，并定位所述完整空间的坐标系原点；
根据所述完整空间的坐标系原点及每个空间服务器的坐标系原点之间的关系，将每个空间服务器采集的轨迹数据的坐标转换至所述完整空间的坐标系下。
7.根据权利要求6所述的元宇宙空间服务器的数据索引方法，其特征在于，所述完整空间的坐标系原点为完整空间的中心点，根据所述完整空间的坐标系原点及每个空间服务器的坐标系原点之间的关系，将每个空间服务器采集的轨迹数据的坐标转换至所述完整空间的坐标系下，包括以下步骤：
根据完整空间的坐标系原点，计算每个空间服务器的坐标系原点在所述完整空间的换算坐标
Figure 765435DEST_PATH_IMAGE007
；
将每个空间服务器采集的轨迹数据加上与其对应的换算坐标
Figure 269228DEST_PATH_IMAGE007
，得到每个空间服务器采集的轨迹数据在所述完整空间坐标系下的坐标。
8.一种元宇宙空间服务器的数据查询方法，其特征在于，应用于采用权利要求1-7中任一项所述数据索引方法的空间服务器中，包括以下步骤：
设查询条件
Figure 305318DEST_PATH_IMAGE008
，
Figure 931471DEST_PATH_IMAGE009
代表查询的空间立方体，
Figure 256273DEST_PATH_IMAGE010
代表开始时间和结束时间，
Figure 360495DEST_PATH_IMAGE011
代表目标的标识，查询条件意思为在
Figure 516670DEST_PATH_IMAGE010
时间段内，在空间
Figure 749943DEST_PATH_IMAGE009
内，查询目标
Figure 358779DEST_PATH_IMAGE011
的轨迹点；
S1：将
Figure 532271DEST_PATH_IMAGE009
作为查询条件检索构建好的R树，获得结果叶节点集合LS；
S2：将LS中的叶节点与倒排索引IF中以
Figure 480636DEST_PATH_IMAGE011
为根的所有的叶节点做交集，得到结果集LSR；
S3：将LSR中的每个包围盒的时间与
Figure 448592DEST_PATH_IMAGE010
求交，结果为空的包围盒丢弃；
S4：将剩余的包围盒中按照时间顺序取出
Figure 544724DEST_PATH_IMAGE011
的轨迹点，即为查询结果。
9.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8任一所述方法的步骤。
CN202210372113.9A 2022-04-11 2022-04-11 元宇宙空间服务器的数据索引、查询方法及系统 Active CN114443914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210372113.9A CN114443914B (zh) 2022-04-11 2022-04-11 元宇宙空间服务器的数据索引、查询方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210372113.9A CN114443914B (zh) 2022-04-11 2022-04-11 元宇宙空间服务器的数据索引、查询方法及系统

Publications (2)

Publication Number Publication Date
CN114443914A CN114443914A (zh) 2022-05-06
CN114443914B true CN114443914B (zh) 2022-07-12

Family

ID=81360403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210372113.9A Active CN114443914B (zh) 2022-04-11 2022-04-11 元宇宙空间服务器的数据索引、查询方法及系统

Country Status (1)

Country Link
CN (1) CN114443914B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117150059B (zh) * 2023-10-27 2024-02-13 湖南视觉伟业智能科技有限公司 一种基于nvr设备的碎片化图像数据存储方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1624704A (zh) * 2004-12-02 2005-06-08 高永安 一种网络游戏软件中的虚拟世界仿真模拟真实世界的构建方法
EP3324303A1 (en) * 2016-11-21 2018-05-23 Université de Lausanne Method for segmenting and indexing features from multidimensional data
CN112380302A (zh) * 2020-10-23 2021-02-19 北京建筑大学 基于轨迹数据的热力图生成方法、装置、电子设备以及存储介质
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
CN113407542A (zh) * 2021-06-28 2021-09-17 长春理工大学 一种城市路网车辆出行轨迹的检索方法及系统
CN113546416A (zh) * 2021-08-16 2021-10-26 网易（杭州）网络有限公司 游戏场景处理方法、装置、计算机设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1624704A (zh) * 2004-12-02 2005-06-08 高永安 一种网络游戏软件中的虚拟世界仿真模拟真实世界的构建方法
EP3324303A1 (en) * 2016-11-21 2018-05-23 Université de Lausanne Method for segmenting and indexing features from multidimensional data
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
CN112380302A (zh) * 2020-10-23 2021-02-19 北京建筑大学 基于轨迹数据的热力图生成方法、装置、电子设备以及存储介质
CN113407542A (zh) * 2021-06-28 2021-09-17 长春理工大学 一种城市路网车辆出行轨迹的检索方法及系统
CN113546416A (zh) * 2021-08-16 2021-10-26 网易（杭州）网络有限公司 游戏场景处理方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN114443914A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
Schult et al. Dualconvmesh-net: Joint geodesic and euclidean convolutions on 3d meshes
Pfoser et al. Novel approaches to the indexing of moving object trajectories.
Sattler et al. Hyperpoints and fine vocabularies for large-scale location recognition
Carnein et al. An empirical comparison of stream clustering algorithms
Cao et al. An improved k-medoids clustering algorithm
CN102289466A (zh) 一种基于区域覆盖的k近邻查询方法
CN109033340A (zh) 一种基于Spark平台的点云K邻域的搜索方法及装置
CN106933511B (zh) 考虑负载均衡与磁盘效率的空间数据存储组织方法及系统
CN112765405B (zh) 空间数据搜索结果的聚类和查询的方法及系统
CN114443914B (zh) 元宇宙空间服务器的数据索引、查询方法及系统
Wu et al. Unsupervised Deep Video Hashing with Balanced Rotation.
Tsapanos et al. Efficient mapreduce kernel k-means for big data clustering
Gulzar et al. Optimizing skyline query processing in incomplete data
JP2009294855A (ja) 類似データ検索システム
Zhang et al. Dataset-driven unsupervised object discovery for region-based instance image retrieval
Liu et al. Parallel Data Mining Algorithms for Association Rules and Clustering.
JP2016170493A (ja) データ配置プログラム、データ配置方法およびデータ配置装置
CN107506572B (zh) 获取目标点的高度的方法和装置
CN101599077A (zh) 一种三维对象检索的方法
CN111401482A (zh) 特征点匹配方法及装置、设备、存储介质
Martinović et al. Data clustering with differential evolution incorporating macromutations
Schuh et al. Improving the Performance of High-Dimensional k NN Retrieval through Localized Dataspace Segmentation and Hybrid Indexing
Zhao et al. HMTN: Hierarchical multi-scale transformer network for 3D shape recognition
Devi et al. Hybridized harmony search method for text clustering using concept factorization
khan et al. Feature set reduction for image matching in large scale environments

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