WO2021120489A1 - 一种空间信息数据自适应容错处理方法及系统 - Google Patents

一种空间信息数据自适应容错处理方法及系统 Download PDF

Info

Publication number
WO2021120489A1
WO2021120489A1 PCT/CN2020/087800 CN2020087800W WO2021120489A1 WO 2021120489 A1 WO2021120489 A1 WO 2021120489A1 CN 2020087800 W CN2020087800 W CN 2020087800W WO 2021120489 A1 WO2021120489 A1 WO 2021120489A1
Authority
WO
WIPO (PCT)
Prior art keywords
entities
point
data
geometric center
vector space
Prior art date
Application number
PCT/CN2020/087800
Other languages
English (en)
French (fr)
Inventor
张彩霞
王向东
Original Assignee
佛山科学技术学院
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 佛山科学技术学院 filed Critical 佛山科学技术学院
Publication of WO2021120489A1 publication Critical patent/WO2021120489A1/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/25—Error detection or forward error correction by signal space coding, i.e. adding redundancy in the signal constellation, e.g. Trellis Coded Modulation [TCM]
    • 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
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3082—Vector coding

Definitions

  • the present disclosure relates to the fields of spatial data processing and geographic information data processing, and in particular to a method and system for adaptive fault-tolerant processing of spatial information data.
  • Spatial information data is information that reflects the characteristics of geographic spatial distribution. Through the acquisition, perception, processing, analysis and synthesis of spatial information, it reveals the laws of regional spatial distribution and change. Spatial information is transmitted by means of spatial information carriers (images and maps). Graphics are the main form of expressing spatial information.
  • the spatial information carrier represented by the spatial information can be described as basic graphic elements such as points, lines, and planes. Only when spatial information is combined with attribute information and time information can the spatial information carrier be completely described. Therefore, spatial information data not only has the characteristics of large data volume, multi-source heterogeneity, and weak logical coherence, but also has complex spatial position relationships.
  • spatial information data is generally divided into raster spatial data and vector Spatial data.
  • raster spatial data the processing and storage of raster spatial data has become increasingly mature, while for vector spatial data, because of the complex data structure, vector spatial data has large errors, high probability of data errors, accuracy and data stability Poor
  • the vector space data is generally a topographic map, that is, an image or a map.
  • the vector data structure is divided into: simple data structure (the most typical is the noodle data structure), topological data structure (arc is the basic object of data organization, the most important technology Features and contributions are topology editing function (P39), surface data structure.
  • simple data structure the most typical is the noodle data structure
  • topological data structure arc is the basic object of data organization, the most important technology Features and contributions are topology editing function (P39), surface data structure.
  • X and Y coordinates are used to represent the location of map graphics or geographic entities.
  • Vector spatial data generally expresses the spatial location of geographic entities by recording coordinates, mainly including: point entity: in two-dimensional space, a point entity can use a pair of coordinates X and Y to determine the location; line entity: line entity can be considered It is a curve composed of continuous straight line segments, which is recorded by a collection of coordinate strings (X1, Y1, X2, Y2...Xn, Yn); surface entity: when recording surface entities, usually by recording the boundary of surface features It is sometimes referred to as polygon data.
  • point entity in two-dimensional space, a point entity can use a pair of coordinates X and Y to determine the location
  • line entity line entity can be considered It is a curve composed of continuous straight line segments, which is recorded by a collection of coordinate strings (X1, Y1, X2, Y2...Xn, Yn); surface entity: when recording surface entities, usually by recording the boundary of surface features It is sometimes referred to as polygon data.
  • the current research on vector space data is relatively weak.
  • the present disclosure provides an adaptive fault-tolerant processing method and system for spatial information data.
  • the point entities in the vector space data are sequentially arranged according to the frequency of the geometric center points of the same point entity, line entity and surface entity in the first N vector space data.
  • Calculate the first coding sequence of the point entity by constructing a binary tree through the frequency of the same point entity, calculate the second coding sequence of the geometric center point by calculating the frequency of the same geometric center point, and directly proceed through the first coding sequence and the second coding sequence
  • Data processing or storage space information data Data processing or storage space information data.
  • the purpose of the present disclosure is to provide an adaptive fault-tolerant processing method and system for spatial information data in view of the above-mentioned problems, specifically including the following steps:
  • S200 Read point entities, line entities, and surface entities in the vector space data
  • S300 sequentially arrange the point entities in the vector space data according to the frequency with which the same point entities appear in the first N vector space data in descending order; wherein, the default value of N is 10, and N is an integer, which is greater than or equal to 1 and less than 100 ;
  • S400 Constructing a binary tree by calculating the frequency of the same point entity to obtain the first coding sequence of the point entity;
  • S700 Calculate the second coding sequence of the geometric center point by calculating the frequency of the same geometric center point
  • S800 Map the point entities in the vector space data through the first coding sequence, and map the line entities and surface entities in the vector space data through the second coding sequence.
  • the method for constructing a binary tree calculation to obtain the first coding sequence of a point entity by the frequency of the same point entity is:
  • S410 Select the two point entities with the smallest frequency in turn, as the two leaf nodes of the binary tree, and use the sum of the frequencies of the two point entities as the root node of the two leaf nodes. These two leaf nodes no longer participate in the comparison. The root node of participates in the comparison;
  • S440 The binary tree is formed by depth-first traversal, and the sequence of 0 and 1 in each traversal path is formed into a sequence, and the coding sequence of the point entity is obtained as the first coding sequence.
  • the method for calculating the second coding sequence of the geometric center point by calculating the frequency of the same geometric center point is:
  • S710 Divide the geometric center point into two large sets according to the frequency value, so that the sum of the frequencies of the two large sets is approximately the same, and mark the two large sets with 0 and 1, respectively.
  • the approximate meaning is the sum of frequencies. The difference is less than 0.2;
  • S730 Iteratively execute steps S710 to S720 until there is only one geometric center point left in each set;
  • each geometric center point obtains a sequence according to the sequence of 0 and 1 in the set dividing order, and the coding sequence of the geometric center point is obtained as the second coding sequence.
  • the method of mapping the line entities and surface entities in the vector space data through the second coding sequence is: since each geometric center point corresponds to the center of its line entity and surface entity, each geometric center point Map the line entity and surface entity corresponding to the center.
  • the present invention also provides an adaptive fault-tolerant processing system for spatial information data.
  • the system includes a memory, a processor, and a computer program stored in the memory and running on the processor, and the processor executes The computer program runs in the unit of the following system:
  • the data timing acquisition unit is used to read the vector space data every other time period
  • the spatial data decomposition unit is used to read the point entities, line entities, and surface entities in the vector spatial data
  • the point entity frequency unit is used to sequentially arrange the point entities in the vector space data according to the frequency with which the same point entities appear in the first N vector space data in descending order;
  • the first coding calculation unit is configured to construct a binary tree calculation to obtain the first coding sequence of the point entity through the frequency of the same point entity;
  • the center point calculation unit is used to calculate the geometric center points of the line entities and surface entities in the vector space data
  • the center point frequency unit is used to sequentially arrange the geometric center points in the vector space data according to the frequency of the same geometric center points appearing in the first N vector space data from large to small;
  • the second encoding calculation unit is configured to calculate the second encoding sequence of the geometric center point by calculating the frequency of the same geometric center point;
  • the coding mapping unit is used to map the point entities in the vector space data through the first coding sequence, and map the line entities and surface entities in the vector space data through the second coding sequence.
  • the present invention discloses an adaptive fault-tolerant processing method for spatial information data, which processes point entities, line entities, and surface entities in spatial information data into mapping data in the form of a coding sequence, which can greatly compress Data volume, improved data stability, reduced errors, and reduced data deviation in real-time reading of continuous vector data. Due to the use of data encoding format, the data volume becomes smaller, which facilitates data storage, and improves the post-processing of spatial information data. The retrieval and reading speed of processing improves the fault tolerance of spatial data.
  • Fig. 1 shows a flowchart of a method for adaptive fault-tolerant processing of spatial information data of the present disclosure
  • Fig. 2 shows an adaptive fault-tolerant processing system for spatial information data according to an embodiment of the present disclosure.
  • FIG. 1 is a flowchart of a method for adaptive fault-tolerant processing of spatial information data according to the present disclosure. The method according to the embodiment of the present disclosure will be described below in conjunction with FIG.
  • the present disclosure proposes an adaptive fault-tolerant processing method for spatial information data, which specifically includes the following steps:
  • S200 Read point entities, line entities, and surface entities in the vector space data
  • S300 sequentially arrange the point entities in the vector space data according to the frequency with which the same point entities appear in the first N vector space data in descending order; wherein, the default value of N is 10, and N is an integer, which is greater than or equal to 1 and less than 100 ;
  • S400 Constructing a binary tree by calculating the frequency of the same point entity to obtain the first coding sequence of the point entity;
  • S700 Calculate the second coding sequence of the geometric center point by calculating the frequency of the same geometric center point
  • S800 Map the point entities in the vector space data through the first coding sequence, and map the line entities and surface entities in the vector space data through the second coding sequence.
  • the method for constructing a binary tree calculation to obtain the first coding sequence of a point entity by the frequency of the same point entity is:
  • S410 Select the two point entities with the smallest frequency in turn, as the two leaf nodes of the binary tree, and use the sum of the frequencies of the two point entities as the root node of the two leaf nodes. These two leaf nodes no longer participate in the comparison. The root node of participates in the comparison;
  • S440 The binary tree is formed by depth-first traversal, and the sequence of 0 and 1 in each traversal path is formed into a sequence, and the coding sequence of the point entity is obtained as the first coding sequence.
  • the method for calculating the second coding sequence of the geometric center point by calculating the frequency of the same geometric center point is:
  • S710 Divide the geometric center point into two large sets according to the frequency value, so that the sum of the frequencies of the two large sets is approximately the same, and mark the two large sets with 0 and 1, respectively.
  • the approximate meaning is the sum of frequencies. The difference is less than 0.2;
  • S730 Iteratively execute steps S710 to S720 until there is only one geometric center point left in each set;
  • each geometric center point obtains a sequence according to the sequence of 0 and 1 in the set dividing order, and the coding sequence of the geometric center point is obtained as the second coding sequence.
  • the method of mapping the line entities and surface entities in the vector space data through the second coding sequence is: since each geometric center point corresponds to the center of its line entity and surface entity, each geometric center point Map the line entity and surface entity corresponding to the center.
  • first code sequence and the second code sequence are stored in the database separately from the point entity, line entity, and surface entity.
  • the subsequent data processing call only needs to quickly read the first code sequence and the second code sequence, and pass By calling the same point entity, line entity, and surface entity in the cache or virtual memory, you can quickly switch the geographic entity corresponding to the vector space data without having to reread the entire vector space data every time, which improves the space data The fault tolerance.
  • FIG. 2 is a structural diagram of the adaptive fault-tolerant processing system for spatial information data of the present disclosure.
  • the adaptive fault-tolerant processing system includes a processor, a memory, and a computer program stored in the memory and running on the processor, and the processor implements the above-mentioned spatial information data adaptive fault-tolerance when the processor executes the computer program Process the steps in the system embodiment.
  • the system includes a memory, a processor, and a computer program that is stored in the memory and can run on the processor, and the processor executes the computer program and runs in the following system units:
  • the data timing acquisition unit is used to read the vector space data every other time period
  • the spatial data decomposition unit is used to read the point entities, line entities, and surface entities in the vector spatial data
  • the point entity frequency unit is used to sequentially arrange the point entities in the vector space data according to the frequency with which the same point entities appear in the first N vector space data in descending order;
  • the first coding calculation unit is configured to construct a binary tree calculation to obtain the first coding sequence of the point entity through the frequency of the same point entity;
  • the center point calculation unit is used to calculate the geometric center points of the line entities and surface entities in the vector space data
  • the center point frequency unit is used to sequentially arrange the geometric center points in the vector space data according to the frequency of the same geometric center points appearing in the first N vector space data from large to small;
  • the second encoding calculation unit is configured to calculate the second encoding sequence of the geometric center point by calculating the frequency of the same geometric center point;
  • the coding mapping unit is used to map the point entities in the vector space data through the first coding sequence, and map the line entities and surface entities in the vector space data through the second coding sequence.
  • the aforementioned spatial information data adaptive fault-tolerant processing system can be run in computing devices such as desktop computers, notebooks, palmtops, and cloud servers.
  • the operational system of the spatial information data adaptive fault-tolerant processing system may include, but is not limited to, a processor and a memory.
  • a processor and a memory may be included in the spatial information data adaptive fault-tolerant processing system.
  • the above example is only an example of an adaptive fault-tolerant processing system for spatial information data, and does not constitute a limitation on an adaptive fault-tolerant processing system for spatial information data, and may include more or more A few components, or a combination of some components, or different components, for example, the aforementioned spatial information data adaptive fault-tolerant processing system may also include input and output devices, network access devices, buses, and the like.
  • the so-called processor can be a central processing unit (Central Processing Unit, CPU), other general-purpose processors, digital signal processors (Digital Signal Processor, DSP), application specific integrated circuits (Application Specific Integrated Circuit, ASIC), on-site Field-Programmable Gate Array (FPGA) or other programmable logic devices, discrete gates or transistor logic devices, discrete hardware components, etc.
  • the general-purpose processor can be a microprocessor or the processor can also be any conventional processor, etc.
  • the processor is the control center of the operating system of the spatial information data adaptive fault-tolerant processing system, using various interfaces and The line connects the whole one kind of spatial information data adaptive fault-tolerant processing system and can run the various parts of the system.
  • the memory may be used to store the computer program and/or module, and the processor implements the one by running or executing the computer program and/or module stored in the memory and calling data stored in the memory.
  • a variety of functions of the adaptive fault-tolerant processing system for spatial information data may mainly include a storage program area and a storage data area.
  • the storage program area may store an operating system, an application program required by at least one function (such as a sound playback function, an image playback function, etc.), etc.; the storage data area may store Data created based on the use of mobile phones (such as audio data, phone book, etc.), etc.
  • the memory may include high-speed random access memory, and may also include non-volatile memory, such as hard disks, memory, plug-in hard disks, smart media cards (SMC), and secure digital (SD) cards.
  • non-volatile memory such as hard disks, memory, plug-in hard disks, smart media cards (SMC), and secure digital (SD) cards.
  • Flash Card at least one magnetic disk storage device, flash memory device, or other volatile solid-state storage device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种空间信息数据自适应容错处理方法及系统，依次将矢量空间数据中点实体按照相同点实体、线实体与面实体的几何中心点在前N个矢量空间数据中出现的频率排列，通过频率构造二叉树计算得到点实体的编码序列，通过频率计算得到几何中心点的编码序列，通过编码序列直接进行数据处理或存储空间信息数据；将空间信息数据中的点实体、线实体与面实体处理为编码序列形式的映射数据，能够大幅度的压缩数据量、提升数据稳定性，使得连续性的矢量数据的在实时读取中的数据偏差缩小，由于采用数据编码格式，使得数据体积变小便于数据存储，提升了空间信息数据后期处理的检索与读取速度，提升了空间数据的容错性。

Description

一种空间信息数据自适应容错处理方法及系统 技术领域
本公开涉及空间数据处理、地理信息数据处理领域，具体涉及一种空间信息数据自适应容错处理方法及系统。
背景技术
空间信息数据是反映地理空间分布特征的信息，通过空间信息的获取、感知、加工、分析和综合，揭示区域空间分布、变化的规律。空间信息借助于空间信息载体(图像和地图)进行传递。图形是表示空间信息的主要形式。空间信息所表示的空间信息载体可被描述为点、线、面等基本图形元素。空间信息只有和属性信息、时间信息结合起来才能完整地描述空间信息载体。因此空间信息数据不仅具有数据量大、多源异构、逻辑连贯性弱等特点，还具有复杂的空间位置关系，
随着对于空间服务的需求量增大，例如LBS(基于位置的服务)、定位和导航的相关服务，的过程中，会产生海量的空间数据；空间信息数据一般分为栅格空间数据和矢量空间数据，其中，对于栅格空间数据的处理和存储已经日趋成熟，而对于矢量空间数据则因为数据结构复杂，因此矢量空间数据的误差较大、出现数据错误概率大，准确率和数据稳定性较差；
而矢量空间数据一般是地形图，即图像或地图，矢量数据结构分为：简单数据结构(最典型的是面条数据结构)、拓扑数据结构(弧段是数据组织的基本对象，最重要的技术特征和贡献是拓扑编辑功能P39)、曲面数据结构。在直角坐标系中，用X、Y坐标表示地图图形或地理实体的位置的数据。矢量空间数据一般通过记录坐标的方式来表现地理实体的空间位置，主要包括：点实体：在二维空间中，点实体可以用一对坐标X，Y来确定位置；线实体：线实体可以认为是由连续的直线段组成的曲线，用坐标串的集合(X1，Y1，X2，Y2……Xn，Yn)来记录；面实体：在记录面实体时，通常通过记录面状地物的边界来表现，因而有时也称为多边形数据。且目前针对矢量空间数据的研究较薄弱，现有方法一般只是根据矢量空间对象的空间邻近性将空间上邻近的数据进行编码存储和处理，没有考虑到其数据空间复杂度。
发明内容
本公开提供一种空间信息数据自适应容错处理方法及系统，依次将矢量空间数据中点实体按照相同点实体、线实体与面实体的几何中心点在前N个矢量空间数据中出现的频率排列，通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列，通过相同几何中心点 的频率计算得到几何中心点的第二编码序列，通过第一编码序列和第二编码序列直接进行数据处理或存储空间信息数据。
本公开的目的是针对上述问题，提供一种空间信息数据自适应容错处理方法及系统，具体包括以下步骤：
S100：每隔一个时间周期读取一次矢量空间数据；其中，一个时间周期为5秒，可人工调整。
S200：读取矢量空间数据中的点实体、线实体、面实体；
S300：依次将矢量空间数据中的点实体按照在前N个矢量空间数据中出现相同的点实体的频率从大到小排列；其中，N默认值为10，N为整数，大于等于1小于100；
S400：通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列；
S500：计算矢量空间数据中的线实体、面实体的几何中心点；
S600：依次将矢量空间数据中的几何中心点按照在前N个矢量空间数据中出现的相同几何中心点的频率从大到小排列；
S700：通过相同几何中心点的频率计算得到几何中心点的第二编码序列；
S800：通过第一编码序列映射矢量空间数据中的点实体，通过第二编码序列映射矢量空间数据中的线实体、面实体。
进一步地，在S400中，通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列的方法为：
S410：依次选出频率最小的两个点实体，作为二叉树的两个叶子节点，将两个点实体的频率之和作为两个叶子节点的根节点，这两个叶子节点不再参与比较，新的根节点参与比较；
S420：重复S410，直到最后得到频率之和为1的根节点的二叉树；
S430：将形成的二叉树的左节点标0，右节点标1；
S440：深度优先遍历形成的二叉树，并将每个遍历路径中的0和1的序列构成一个序列，就得到了点实体的编码序列作为第一编码序列。
进一步地，在S700中，通过相同几何中心点的频率计算得到几何中心点的第二编码序列的方法为：
S710：将几何中心点按频率的值分为两大集合，使两个大集合的频率之和近似相同，将这两个大集合分别以0和1标记，近似相同的意义为频率之和的差值小于0.2；
S720：将每一个大集合的几何中心点再次点按频率分为两个集合，使划分后的两个集合的概率之和近似相同，将这个两个集合分别以0和1标记；
S730：迭代执行步骤S710到S720，直至每个集合只剩下一个几何中心点；
S740：由各个集合的划分过程中，每个几何中心点按集合划分顺序中的0和1的序列得到一个序列，就得到了几何中心点的编码序列作为第二编码序列。
进一步地，在S800中，通过第二编码序列映射矢量空间数据中的线实体、面实体的方法为：由于每个几何中心点对应了其线实体、面实体的中心，故每个几何中心点映射对应中心的线实体、面实体。
本发明还提供了一种空间信息数据自适应容错处理系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述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运行在以下系统的单元中：
数据定时采集单元，用于每隔一个时间周期读取一次矢量空间数据；
空间数据分解单元，用于读取矢量空间数据中的点实体、线实体、面实体；
点实体频率单元，用于依次将矢量空间数据中的点实体按照在前N个矢量空间数据中出现相同的点实体的频率从大到小排列；
第一编码计算单元，用于通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列；
中心点计算单元，用于计算矢量空间数据中的线实体、面实体的几何中心点；
中心点频率单元，用于依次将矢量空间数据中的几何中心点按照在前N个矢量空间数据中出现的相同几何中心点的频率从大到小排列；
第二编码计算单元，用于通过相同几何中心点的频率计算得到几何中心点的第二编码序列；
编码映射单元，用于通过第一编码序列映射矢量空间数据中的点实体，通过第二编码序列映射矢量空间数据中的线实体、面实体。
本公开的有益效果为：本发明公开了一种空间信息数据自适应容错处理方法，将空间信息数据中的点实体、线实体与面实体处理为编码序列形式的映射数据，能够大幅度的压缩数据量、提升数据稳定性，减小误差，使得连续性的矢量数据的在实时读取中的数据偏差缩小，由于采用数据编码格式，使得数据体积变小便于数据存储，提升了空间信息数据后期处理的检索与读取速度，提升了空间数据的容错性。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图 仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为本公开的一种空间信息数据自适应容错处理方法的流程图；
图2所示为本公开实施方式的一种空间信息数据自适应容错处理系统。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种空间信息数据自适应容错处理方法的流程图，下面结合图1来阐述根据本公开的实施方式的方法。
本公开提出一种空间信息数据自适应容错处理方法，具体包括以下步骤：
S100：每隔一个时间周期读取一次矢量空间数据；其中，一个时间周期为5秒，可人工调整。
S200：读取矢量空间数据中的点实体、线实体、面实体；
S300：依次将矢量空间数据中的点实体按照在前N个矢量空间数据中出现相同的点实体的频率从大到小排列；其中，N默认值为10，N为整数，大于等于1小于100；
S400：通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列；
S500：计算矢量空间数据中的线实体、面实体的几何中心点；
S600：依次将矢量空间数据中的几何中心点按照在前N个矢量空间数据中出现的相同几何中心点的频率从大到小排列；
S700：通过相同几何中心点的频率计算得到几何中心点的第二编码序列；
S800：通过第一编码序列映射矢量空间数据中的点实体，通过第二编码序列映射矢量空间数据中的线实体、面实体。
进一步地，在S400中，通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列的方法为：
S410：依次选出频率最小的两个点实体，作为二叉树的两个叶子节点，将两个点实体的频率之和作为两个叶子节点的根节点，这两个叶子节点不再参与比较，新的根节点参与比较；
S420：重复S410，直到最后得到频率之和为1的根节点的二叉树；
S430：将形成的二叉树的左节点标0，右节点标1；
S440：深度优先遍历形成的二叉树，并将每个遍历路径中的0和1的序列构成一个序列， 就得到了点实体的编码序列作为第一编码序列。
进一步地，在S700中，通过相同几何中心点的频率计算得到几何中心点的第二编码序列的方法为：
S710：将几何中心点按频率的值分为两大集合，使两个大集合的频率之和近似相同，将这两个大集合分别以0和1标记，近似相同的意义为频率之和的差值小于0.2；
S720：将每一个大集合的几何中心点再次点按频率分为两个集合，使划分后的两个集合的概率之和近似相同，将这个两个集合分别以0和1标记；
S730：迭代执行步骤S710到S720，直至每个集合只剩下一个几何中心点；
S740：由各个集合的划分过程中，每个几何中心点按集合划分顺序中的0和1的序列得到一个序列，就得到了几何中心点的编码序列作为第二编码序列。
进一步地，在S800中，通过第二编码序列映射矢量空间数据中的线实体、面实体的方法为：由于每个几何中心点对应了其线实体、面实体的中心，故每个几何中心点映射对应中心的线实体、面实体。
进一步地，第一编码序列和第二编码序列与点实体、线实体、面实体，分开存储于数据库中，后期数据处理调用时只需要快速的读取第一编码序列和第二编码序列，通过调用在缓存或虚拟内存中相同的点实体、线实体、面实体，即可快速切换矢量空间数据所对应的地理实体而不需要每次都重新完全读取整个的矢量空间数据，提升了空间数据的容错性。
本公开的实施例提供的一种空间信息数据自适应容错处理系统，如图2所示为本公开的一种空间信息数据自适应容错处理系统结构图，该实施例的一种空间信息数据自适应容错处理系统包括：处理器、存储器以及存储在所述存储器中并可在所述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一种空间信息数据自适应容错处理系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述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运行在以下系统的单元中：
数据定时采集单元，用于每隔一个时间周期读取一次矢量空间数据；
空间数据分解单元，用于读取矢量空间数据中的点实体、线实体、面实体；
点实体频率单元，用于依次将矢量空间数据中的点实体按照在前N个矢量空间数据中出现相同的点实体的频率从大到小排列；
第一编码计算单元，用于通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列；
中心点计算单元，用于计算矢量空间数据中的线实体、面实体的几何中心点；
中心点频率单元，用于依次将矢量空间数据中的几何中心点按照在前N个矢量空间数据中出现的相同几何中心点的频率从大到小排列；
第二编码计算单元，用于通过相同几何中心点的频率计算得到几何中心点的第二编码序列；
编码映射单元，用于通过第一编码序列映射矢量空间数据中的点实体，通过第二编码序列映射矢量空间数据中的线实体、面实体。
所述一种空间信息数据自适应容错处理系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种空间信息数据自适应容错处理系统可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种空间信息数据自适应容错处理系统的示例，并不构成对一种空间信息数据自适应容错处理系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种空间信息数据自适应容错处理系统还可以包括输入输出设备、网络接入设备、总线等。所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种空间信息数据自适应容错处理系统运行系统的控制中心，利用各种接口和线路连接整个一种空间信息数据自适应容错处理系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种空间信息数据自适应容错处理系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (5)

  1. 一种空间信息数据自适应容错处理方法，其特征在于，所述方法包括以下步骤：
    S100：每隔一个时间周期读取一次矢量空间数据；
    S200：读取矢量空间数据中的点实体、线实体、面实体；
    S300：依次将矢量空间数据中的点实体按照在前N个矢量空间数据中出现相同的点实体的频率从大到小排列；
    S400：通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列；
    S500：计算矢量空间数据中的线实体、面实体的几何中心点；
    S600：依次将矢量空间数据中的几何中心点按照在前N个矢量空间数据中出现的相同几何中心点的频率从大到小排列；
    S700：通过相同几何中心点的频率计算得到几何中心点的第二编码序列；
    S800：通过第一编码序列映射矢量空间数据中的点实体，通过第二编码序列映射矢量空间数据中的线实体、面实体。
  2. 根据权利要求1所述的一种空间信息数据自适应容错处理方法，其特征在于，在S400中，通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列的方法为：
    S410：依次选出频率最小的两个点实体，作为二叉树的两个叶子节点，将两个点实体的频率之和作为两个叶子节点的根节点，这两个叶子节点不再参与比较，新的根节点参与比较；
    S420：重复S410，直到最后得到频率之和为1的根节点的二叉树；
    S430：将形成的二叉树的左节点标0，右节点标1；
    S440：深度优先遍历形成的二叉树，并将每个遍历路径中的0和1的序列构成一个序列，就得到了点实体的编码序列作为第一编码序列。
  3. 根据权利要求1所述的一种空间信息数据自适应容错处理方法，其特征在于，在S700中，通过相同几何中心点的频率计算得到几何中心点的第二编码序列的方法为：
    S710：将几何中心点按频率的值分为两大集合，使两个大集合的频率之和近似相同，将这两个大集合分别以0和1标记，近似相同的意义为频率之和的差值小于0.2；
    S720：将每一个大集合的几何中心点再次点按频率分为两个集合，使划分后的两个集合的概率之和近似相同，将这个两个集合分别以0和1标记；
    S730：迭代执行步骤S710到S720，直至每个集合只剩下一个几何中心点；
    S740：由各个集合的划分过程中，每个几何中心点按集合划分顺序中的0和1的序列得 到一个序列，就得到了几何中心点的编码序列作为第二编码序列。
  4. 根据权利要求1所述的一种空间信息数据自适应容错处理方法，其特征在于，在S800中，通过第二编码序列映射矢量空间数据中的线实体、面实体的方法为：由于每个几何中心点对应了其线实体、面实体的中心，故每个几何中心点映射对应中心的线实体、面实体。
  5. 一种空间信息数据自适应容错处理系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述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运行在以下系统的单元中：
    数据定时采集单元，用于每隔一个时间周期读取一次矢量空间数据；
    空间数据分解单元，用于读取矢量空间数据中的点实体、线实体、面实体；
    点实体频率单元，用于依次将矢量空间数据中的点实体按照在前N个矢量空间数据中出现相同的点实体的频率从大到小排列；
    第一编码计算单元，用于通过相同的点实体的频率构造二叉树计算得到点实体的第一编码序列；
    中心点计算单元，用于计算矢量空间数据中的线实体、面实体的几何中心点；
    中心点频率单元，用于依次将矢量空间数据中的几何中心点按照在前N个矢量空间数据中出现的相同几何中心点的频率从大到小排列；
    第二编码计算单元，用于通过相同几何中心点的频率计算得到几何中心点的第二编码序列；
    编码映射单元，用于通过第一编码序列映射矢量空间数据中的点实体，通过第二编码序列映射矢量空间数据中的线实体、面实体。
PCT/CN2020/087800 2019-12-17 2020-04-29 一种空间信息数据自适应容错处理方法及系统 WO2021120489A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201911300733.6A CN111130569B (zh) 2019-12-17 2019-12-17 一种空间信息数据自适应容错处理方法及系统
CN201911300733.6 2019-12-17

Publications (1)

Publication Number Publication Date
WO2021120489A1 true WO2021120489A1 (zh) 2021-06-24

Family

ID=70499239

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/087800 WO2021120489A1 (zh) 2019-12-17 2020-04-29 一种空间信息数据自适应容错处理方法及系统

Country Status (2)

Country Link
CN (1) CN111130569B (zh)
WO (1) WO2021120489A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101548A (zh) * 2020-09-22 2020-12-18 珠海格力电器股份有限公司 数据压缩方法及装置、数据解压方法及装置、电子设备
CN117976237A (zh) * 2024-03-25 2024-05-03 济南鸿泰医疗管理集团有限公司 一种基于物联网的医疗数据智能分析系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101404504A (zh) * 2008-10-28 2009-04-08 浙江大学 一种非多重边低密度校验码的编码方法
CN104199986A (zh) * 2014-09-29 2014-12-10 国家电网公司 基于hbase和geohash的矢量数据空间索引方法
US20170302294A1 (en) * 2014-12-30 2017-10-19 Huawei Technologies Co., Ltd. Data processing method and system based on quasi-cyclic ldpc
CN108566208A (zh) * 2017-12-29 2018-09-21 中国人民解放军战略支援部队信息工程大学 一种层次格网的编码方法及装置
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
CN109522382A (zh) * 2018-11-14 2019-03-26 国家基础地理信息中心 空间数据网格化统计方法及装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101324896B (zh) * 2008-07-24 2010-09-29 中国科学院计算技术研究所 一种矢量数据的存储方法、查询方法和管理系统
WO2012040857A1 (en) * 2010-10-01 2012-04-05 Research In Motion Limited Methods and devices for parallel encoding and decoding using a bitstream structured for reduced delay
CN102012941A (zh) * 2010-12-14 2011-04-13 南京师范大学 一种不同维度矢量数据统一表达、存储及运算的处理方法
CN102567492B (zh) * 2011-12-22 2013-10-30 哈尔滨工程大学 一种海陆矢量地图数据集成与融合的方法
CN103187978A (zh) * 2011-12-30 2013-07-03 北京图盟科技有限公司 一种矢量地图数据压缩及解压缩的方法和装置
US9602129B2 (en) * 2013-03-15 2017-03-21 International Business Machines Corporation Compactly storing geodetic points
US20140358492A1 (en) * 2013-06-03 2014-12-04 General Electric Company Systems and methods for synchronizing geographic information system (gis) network models
CN103310407B (zh) * 2013-06-25 2015-10-21 兰州交通大学 基于qr码的矢量地理空间数据全盲水印方法
US9547823B2 (en) * 2014-12-31 2017-01-17 Verizon Patent And Licensing Inc. Systems and methods of using a knowledge graph to provide a media content recommendation
CN105118075B (zh) * 2015-08-19 2018-08-07 中国地质大学（武汉） 一种矢量空间数据的有损压缩方法及装置
US10586168B2 (en) * 2015-10-08 2020-03-10 Facebook, Inc. Deep translations
CN106951453A (zh) * 2017-02-23 2017-07-14 浙江工业大学 一种快速更新和数据共享的地理实体编码方法
CN108011712A (zh) * 2017-11-13 2018-05-08 佛山科学技术学院 一种移动医疗系统隐私数据通信方法
CN108628951A (zh) * 2018-04-03 2018-10-09 苏州舆图数据科技有限公司 基于文档模型的空间数据块状组织存储与化简压缩方法
CN109635864B (zh) * 2018-12-06 2023-06-02 佛山科学技术学院 一种基于数据的容错控制方法及装置
CN109871458A (zh) * 2019-02-01 2019-06-11 南京泛在地理信息产业研究院有限公司 一种基于综合管线的路灯专业管线空间数据误差校正方法
CN109933588B (zh) * 2019-03-08 2023-06-09 浪潮软件集团有限公司 一种dwg数据转gdb数据的方法和系统
CN110059264B (zh) * 2019-04-24 2023-07-07 东南大学 基于知识图谱的地点检索方法、设备及计算机存储介质
CN110399440A (zh) * 2019-06-28 2019-11-01 苏州浪潮智能科技有限公司 一种经纬度网格化编码方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101404504A (zh) * 2008-10-28 2009-04-08 浙江大学 一种非多重边低密度校验码的编码方法
CN104199986A (zh) * 2014-09-29 2014-12-10 国家电网公司 基于hbase和geohash的矢量数据空间索引方法
US20170302294A1 (en) * 2014-12-30 2017-10-19 Huawei Technologies Co., Ltd. Data processing method and system based on quasi-cyclic ldpc
CN108566208A (zh) * 2017-12-29 2018-09-21 中国人民解放军战略支援部队信息工程大学 一种层次格网的编码方法及装置
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
CN109522382A (zh) * 2018-11-14 2019-03-26 国家基础地理信息中心 空间数据网格化统计方法及装置

Also Published As

Publication number Publication date
CN111130569A (zh) 2020-05-08
CN111130569B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
US11573942B2 (en) System and method for determining exact location results using hash encoding of multi-dimensioned data
WO2021120489A1 (zh) 一种空间信息数据自适应容错处理方法及系统
CN111159184B (zh) 元数据追溯方法、装置及服务器
CN111260784B (zh) 一种城市三维空间网格压缩编码方法、装置及终端设备
Gupta et al. Faster as well as early measurements from big data predictive analytics model
CN103353866A (zh) 一种支持xna技术的三维模型文件格式转换方法
CN111797295B (zh) 一种多维时空轨迹融合方法、装置、机器可读介质及设备
CN108880872B (zh) 一种互联网测试床拓扑结构分解方法及装置
WO2019033634A1 (zh) 节点处理
Grosso Construction of topologically correct and manifold isosurfaces
CN116701492B (zh) 轨迹匹配程度校验方法、装置、计算机设备及存储介质
CN111008198B (zh) 业务数据获取方法、装置、存储介质、电子设备
CN110019538B (zh) 一种数据表切换方法及装置
CN104391947A (zh) 海量gis数据实时处理方法及系统
CN115374237B (zh) 一种基于北斗网格码的矢量空间数据存储与查询方法
CN113570464B (zh) 一种数字货币交易社区识别方法、系统、设备及存储介质
CN111723202B (zh) 一种舆情数据的处理装置、方法和系统
Li et al. SP-phoenix: a massive spatial point data management system based on phoenix
CN116402842B (zh) 边缘缺陷检测方法、装置、计算机设备及存储介质
WO2014073081A1 (ja) 時空間データ管理システム、時空間データ管理方法、及びプログラム
CN108595552A (zh) 数据立方体发布方法、装置、电子设备和存储介质
WO2024016789A1 (zh) 日志数据查询方法、装置、设备和介质
CN112507055B (zh) 一种基于leaflet实现行政区域聚合的方法及装置
CN117224963A (zh) 虚拟资产的处理方法、装置、存储介质及电子装置
CN116188565A (zh) 位置区域检测方法、装置、设备、存储介质和程序产品

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20900819

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20900819

Country of ref document: EP

Kind code of ref document: A1