赵慧慧^1,2, 赵 凡^2,3, 陈仁海^1,2, 冯志勇^1,2

¹(天津大学智能与计算学部 天津 300350);²(天津大学深圳研究院 广东深圳 518000);³(天津大学国际工程师学院 天津 300350) (1442700849@qq.com)

出版日期: 2020-02-01


基金资助:国家自然科学基金项目(61702357，61672377)；深圳市科技创新委员会学科布局项目(JCYJ20170816093943197)；天津市自然科学基金项目(18JCQNJC00300)；天津大学北洋****青年骨干教师项目(2019XRG-0004)

Efficient Index and Query Algorithm Based on Geospatial Big Data

Zhao Huihui^1,2, Zhao Fan^2,3, Chen Renhai^1,2, and Feng Zhiyong^1,2

¹(College of Intelligence and Computing, Tianjin University, Tianjin 300350);²(Shenzhen Research Institute of Tianjin University, Shenzhen, Guangdong 518000);³(Tianjin International Engineering Institute, Tianjin University, Tianjin 300350)

Online: 2020-02-01


Supported by:This work was supported by the National Natural Science Foundation of China (61702357, 61672377), the Shenzhen Science and Technology Foundation (JCYJ20170816093943197), the Natural Science Foundation of Tianjin (18JCQNJC00300), and the Beiyang Scholar Foundation of Tianjin University (2019XRG-0004).

摘要/Abstract

摘要： 近年来，随着智能目标识别、电子传感器、协同控制以及计算机网络等先进技术的快速发展，智能交通系统实现了质的飞越，现代智能交通系统可以实现车、路、云端于一体的智能交通运输管理平台.但智能交通系统依赖于每天产生的大量的2维地理空间信息数据，因此，如何对大规模的地理空间数据进行高效的存储和查询对智能交通系统未来的普及和发展具有重要意义.然而，由于城市交通信息的复杂性、数据量大、更新速度快等特征，当前的空间索引技术很难针对2维地理空间信息数据进行高效的检索.为了优化空间大数据下2维地理空间信息数据的存储组织结构、提高检索效率，提出了一种对2维地理空间信息数据进行多层切片递归的空间索引树构造算法(multi-layer slice recursive, MSR).提出的算法首先对地图数据第1维度进行排序划分切片，生成FD(first division)切片；然后对FD切片中的地图数据进行第2维度排序，生成SD(second division)切片，在SD切片中对当前切片和相邻切片划分空间对象；最后对空间对象长度与节点容量比较进行数据聚类操作，通过判断所有切片是否完成聚类操作，自下而上递归生成MSR 树.实验表明，MSR算法构建的2维空间存储结构的查询性能优于现在最具代表性的空间索引技术基于R树的批量加载算法(sort tile recursive， STR)、STR-网格混合算法(str-grid)及高效几何范围查询算法(efficient geometric range query, EGRQ).

参考文献

相关文章 15

[1]	夏冬雪, 杨燕, 王浩, 阳树洪. 基于邻域多核学习的后融合多视图聚类算法[J]. 计算机研究与发展, 2020, 57(8): 1627-1638.
[2]	朱颖雯, 陈松灿. 基于随机投影的高维数据流聚类[J]. 计算机研究与发展, 2020, 57(8): 1683-1696.
[3]	王婷, 王娜, 崔运鹏, 李欢. 基于半监督学习的无线网络攻击行为检测优化方法[J]. 计算机研究与发展, 2020, 57(4): 791-802.
[4]	陈叶旺, 申莲莲, 钟才明, 王田, 陈谊, 杜吉祥. 密度峰值聚类算法综述[J]. 计算机研究与发展, 2020, 57(2): 378-394.
[5]	秦红, 王皓, 魏晓超, 郑志华. 安全的常数轮多用户k-均值聚类计算协议[J]. 计算机研究与发展, 2020, 57(10): 2188-2200.
[6]	刘逸凡, 徐昆. 多光源绘制方法综述[J]. 计算机研究与发展, 2020, 57(1): 17-31.
[7]	张佳影,王祺,张知行,阮彤,张欢欢,何萍. 区域医疗健康平台中检验检查指标的标准化算法[J]. 计算机研究与发展, 2019, 56(9): 1897-1906.
[8]	洪敏,贾彩燕,李亚芳,于剑. 样本加权的多视图聚类算法[J]. 计算机研究与发展, 2019, 56(8): 1677-1685.
[9]	闫小强,叶阳东. 共享和私有信息最大化的跨媒体聚类[J]. 计算机研究与发展, 2019, 56(7): 1370-1382.
[10]	胥皇,於志文,郭斌,王柱. 人才流动的时空模式：分析与预测[J]. 计算机研究与发展, 2019, 56(7): 1408-1419.
[11]	李顺勇，张苗苗，曹付元. 基于分类型矩阵对象数据的MD fuzzy k-modes聚类算法[J]. 计算机研究与发展, 2019, 56(6): 1325-1337.
[12]	李明月,罗向阳,柴理想,袁福祥,甘勇. 基于网络节点聚类的目标IP城市级定位方法[J]. 计算机研究与发展, 2019, 56(3): 467-479.
[13]	杜瑞忠,李明月,田俊峰. 基于聚类索引的多关键字排序密文检索方案[J]. 计算机研究与发展, 2019, 56(3): 555-565.
[14]	李赫,印莹,李源,赵宇海,王国仁. 基于多目标演化聚类的大规模动态网络社区检测[J]. 计算机研究与发展, 2019, 56(2): 281-292.
[15]	龚卫华,金蓉,裴小兵,梅建萍. LBSN中基于社区联合聚类的协同推荐方法[J]. 计算机研究与发展, 2019, 56(11): 2506-2517.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4121