导读:本文包含了空间数据查询论文开题报告文献综述及选题提纲参考文献，主要关键词:空间数据管理,云存储,空间查询,Z序曲线
空间数据查询论文文献综述
赵彦庆,程芳,魏勇[1]（2019）在《一种海量空间数据云存储与查询算法》一文中研究指出针对传统的空间数据库管理方式在可扩展性、容错性和成本上难以满足分布式海量数据管理需求的问题,提出了基于开源大数据平台HBase的海量空间数据管理方案。根据空间数据操作方式的局部性特征,对存储于云平台中的空间数据,使用空间四叉树模型组织栅格数据,引入Z序空间填充曲线组织矢量数据,并建立空间索引,利用两步查询法(过滤和精化)进行空间查询。该方案在继承了HBase平台易于横向扩展、伸缩性和容错性强等特性的同时也保证了空间查询效率。基于此方案,设计实现了云空间地图服务系统CGMapServer。测试表明,该系统在高并发情况下对大数据集的空间查询响应具有较好的实时性。(本文来源于《测绘科学技术学报》期刊2019年02期）
吴珂[2]（2018）在《基于GPU的空间数据索引与查询技术研究》一文中研究指出近年来,随着智能手机、车载定位设备等一系列基于位置终端设备的迅速普及,每年全球都会产生大规模的空间位置信息,基于位置服务的应用与人们的生活出行密切相关。空间数据具有数据体量大、表示形式多样、处理过程复杂的特点,因此,如何有效地处理大规模空间数据,以满足基于位置服务的应用需求,显得尤为重要。目前,大部分针对空间数据处理技术的研究,主要分为两类,一是在CPU平台下改进空间数据处理算法;二是利用分布式系统来提高空间数据处理能力。然而,传统串行CPU方式的空间数据处理技术面对日益增长的空间数据,逐渐显现出性能短板。与传统CPU相比,图形处理器GPU具有强大的多核并行计算能力。快速发展的通用计算GPU技术以及CUDA编程框架,为空间索引技术和空间查询技术的性能提升提供了新的途径。本文结合GPU技术,对空间数据的索引构建技术和空间查询技术进行了深入研究,主要研究内容如下:首先,提出了一种基于CUDA的静态R树索引构建方法。该方法采用自建的基于数组结构体方式的线性化索引结构,并进行了对传统基于静态R树的构建方法的并行化分析。针对GPU共享内存资源的特性,该构建方法中采用了一种两阶段的索引构建方式,可以有效利用共享内存资源高速读写能力。其次,在自建静态R树索引的基础上,提出了基于CUDA的空间范围查询方法,主要是对范围查询中精过滤阶段进行GPU并行设计。为了解决范围查询中粗过滤阶段效率低下的问题,利用Geohash网格对地理空间的划分,进一步提出了GPU平台的基于Geohash网格的范围查询方法。再次,结合本文提出的两种范围查询方法,采用将k最近邻查询转化为多次范围查询的方式,分别给出了GPU平台下基于CUDA的k最近邻查询方法和基于Geohash网格的k最近邻查询方法。为了提高查询效率,给出了k最近邻查询方法中扩展框的动态扩展策略。最后,考虑到k最近邻查询效率受范围查询方法的限制,利用Geohash编码的空间邻接性,提出了基于CUDA的近似k最近邻查询方法G-AkNN,并给出了基于相邻Geohash编码的扩展搜索策略,以降低查询结果的误差。结合本文的实验结果可知,相比于传统CPU方式,本文给出的基于CUDA的静态R树索引构建方法以及相应的空间查询方法在数据量较大时有明显的效率提升,能有效地满足大规模地理空间数据场景下的应用需求。(本文来源于《西安电子科技大学》期刊2018-06-01）
刘文东[3]（2018）在《基于Phoenix平台的空间数据索引与查询技术研究》一文中研究指出近年来,随着社会经济的快速发展,智能手环、滴滴出行、外卖点餐等众多地理信息系统相关应用大量出现,导致地理空间数据大规模产生。人们在日常生活中越来越依赖于空间数据,空间大数据时代已经到来。传统关系型数据库由于单机存储容量有限,无法处理海量数据。因此,近年来出现了以Hadoop、HBase、Phoenix等为代表的分布式平台。Phoenix平台基于HBase,具有易理解的二维表模型、强大的SQL语言、高效的二级索引、分布式水平扩展等优良特性,但不支持空间数据的组织和管理。针对上述问题,本文提出了一种新型的空间数据管理方案——SpatialPhoenix。该方案选取Phoenix作为基础开发平台并对其进行空间扩展,增加空间数据预处理、存储、索引、查询等空间操作,结合GeoTools开源组件,设计并实现标准的空间数据访问接口,使应用层可以方便地对Phoenix平台中的空间数据进行读写和查询。本文主要工作如下:(1)空间数据存储模型的研究与设计。基于Phoenix分布式平台,研究并设计了空间数据存储模型、空间数据预处理模块和空间数据导入模块,以完成空间数据存储操作。(2)空间索引算法的研究与设计。基于空间数据存储模型,选取Geohash编码作为空间索引算法,并结合Phoenix二级全局覆盖索引,为后续空间查询算法提供空间索引基础。(3)空间查询算法的研究与设计。基于空间数据存储模型和空间索引算法,研究并设计了两种空间查询算法,分别是范围查询算法和kNN查询算法,二者都采用“叁步走”策略,即分为预处理、过滤、精炼叁个阶段,且将过滤和精炼阶段都放到服务器端执行,从而可以大大提高空间查询效率。(4)空间数据访问接口的设计与实现。基于Phoenix分布式平台,设计并实现了与GeoTools对接的空间数据访问接口,使得应用层可通过GeoTools管理和分析Phoenix平台中的空间数据。为了评估SpatialPhoenix方案的有效性,本文搭建了Phoenix分布式平台,选取PostGIS作为实验对比平台,采用空间点数据集,对空间数据导入方式和空间查询算法进行了多项测试。实验结果表明,SpatialPhoenix方案具有更高效且更加稳定的数据导入方式。当空间数据集和查询结果达到一定规模时,SpatialPhoenix方案具有更加高效的空间查询方式。(本文来源于《西安电子科技大学》期刊2018-06-01）
孟彦伟[4]（2018）在《移动空间数据索引及查询方法研究》一文中研究指出空间数据描述的是实体对象的形状、位置等属性信息,被广泛地应用于社交网络、物流系统等系统领域。随着计算机技术和位置数据采集技术的愈发成熟,位置数据规模急剧增长,针对位置数据的查询、检索等操作面临着严峻的挑战。空间数据的查询问题是空间数据处理问题中的热点研究问题,发展至今已有很多成熟、高效的求解算法。然而,在当今许多现实应用中,空间位置数据是大量的、随机变化的,经典空间数据的索引结构及其查询方法,往往不能给出满足查询条件的最优解决方案。本文研究分析移动空间数据的索引创建和查询问题,针对大量随机变化的移动空间数据,提出了创建一个两层的空间索引结构,并在此基础上进行区域查询、KNN查询、区域近似查询、KNN动态查询研究。首先,本文进行两层索引结构的创建,在索引创建过程中,先生成局部Voronoi图,再依据局部Voronoi图生成R树,由此,便创建了一个两层的空间索引结构,针对海量、随机变化的移动空间数据,该索引结构能够有效地进行创建和更新;接着,在这个两层索引结构中,进行区域查询、KNN查询、区域近似查询和KNN动态查询,其中,区域近似查询是针对索引更新期间数据的变化,而对区域查询结果的一种近似地精确,KNN动态查询是在索引更新期间,针对数据变化问题对KNN查询结果的进一步精确,提高查询的时效性;最后,分别在模拟数据集和真实数据集对索引创建时间、区域查询算法、KNN查询算法和动态查询进行实验。通过实验验证,本文提出的空间索引结构具有较短的创建时间,其查询算法具有较好的性能和准确率。(本文来源于《辽宁大学》期刊2018-05-01）
段晓冉[5]（2018）在《多用户空间数据查询算法研究》一文中研究指出随着位置服务(Location-Based Service)和智能终端的普及,基于位置的社交网络(Geosocial networking)应用与人们的生活息息相关。例如:食物采购(Food sourcing)、基于位置的推荐(Location based recommendation)和Ad hoc网络(Ad hoc networking)等。在这类网络中,用户会发起多种多样的查询请求以满足自己的查询需求,例如:top-k查询、skyline查询和范围查询等。然而,这些查询仅能支持单用户发起的查询请求,却对多用户情景下的查询请求无能为力。此外,在查询处理过程中,用户往往具有某些潜藏的偏好信息。然而,这些查询却无法有效度量这些偏好信息,使得其查询结果不能精确满足用户偏好。因此,为解决这些问题,多用户空间数据查询(Multiple-user Spatial Keyword queries)应运而生。本文仅研究了多用户空间数据查询领域下的一个重要分支:多用户空间关键字查询(Multiple-user Location-based Keyword queries,简称MULK查询)。MULK查询能够返回一组既靠近用户位置的兴趣点(Point-of-Interest,简称POI),又能够以较低的代价为用户提供可供切换的额外选择。本文研究了多用户空间关键词查询(MULK)。当用户在基于位置的社交网络中发起MULK查询时,道路网络是查询算法必须要考虑的因素。因此,本文研究了道路网络下的MULK查询,并对此提出有效的解决方案。本文的主要工作包括:(1)针对多用户空间数据查询问题,本文给出了MULK的形式化定义描述。进而,本文提出了一种基于动态规划的精确查询算法。由于精确查询算法时间复杂度较高,用户无法接受精确查询算法的较高时间消耗,本文进一步设计了两个近似算法MULK Appro1算法和MULK Appro2算法。实验结果表明,本文提出的近似算法能在较短时间内返回有效结果。(2)针对MULK查询中用户偏好的度量问题,在前期用户偏好权重矩阵的基础上,本文提出了一种交互式多用户空间关键词查询算法,这种算法能够通过与用户进行多轮交互来度量用户的偏好信息。(3)针对道路网络下MULK查询的索引效率问题,本文提出了一种层级索引结构以索引道路网络,并据此提出了层级索引结构查询算法。此外,本文针对道路网络更新的情况设计了相应的层级索引结构更新算法。(本文来源于《电子科技大学》期刊2018-03-23）
毕崇春,孟祥福,张霄雁,唐延欢,唐晓亮[6]（2018）在《基于耦合相关度的空间数据查询结果自动分类方法》一文中研究指出由于空间数据库通常蕴含海量数据,因此一个普通的空间查询很可能会导致多查询结果问题。为了解决上述问题,提出了一种空间查询结果自动分类方法。在离线阶段,根据空间对象之间的位置相近度和语义相关度来评估空间对象之间的耦合关系,在此基础上利用概率密度评估方法对空间对象进行聚类,每个聚类代表一种类型的用户需求;在在线查询处理阶段,对于一个给定的空间查询,在查询结果集上利用改进的C4.5决策树算法动态生成一棵查询结果分类树,用户可通过检查分类树分支的标签来逐步定位到其感兴趣的空间对象。实验结果表明,提出的空间对象聚类方法能够有效地体现空间对象在语义和位置上的相近性,查询结果分类方法具有较好的分类效果和较低的搜索代价。(本文来源于《计算机应用》期刊2018年01期）
张素智,赵亚楠,杨芮[7]（2017）在《基于MPB-Tree索引的空间数据多关键词模糊查询算法研究》一文中研究指出随着具有定位功能的智能设备的大量使用,产生出海量的空间数据,每条数据中包含的信息越来越多,而以往的查询算法多数仅对单个关键词进行查询,已难以满足用户更为个性化的需求.为此,本文提出一种多空间关键词模糊查询算法,在该算法中,将以往的两维空间距离计算转化为莫顿码匹配提升查询效率,且与模糊查询算法融合支持查询的容错.实验结果表明,该算法的效率及准确性较以往查询算法有较大提高.(本文来源于《华中师范大学学报(自然科学版)》期刊2017年06期）
仇阿根[8]（2017）在《基于分布式内存计算的空间数据近似查询处理方法》一文中研究指出地理数据交互式可视化与空间分析等是地理信息系统(Geographic Information System,GIS)应用的重要功能,而现有的地理空间数据库与地理数据服务标准难以满足实时数据可视化及空间分析的要求。根源在于空间数据库中地理要素的查询结果是精确、唯一的;查询时间和数据量只与要素本身相关;查询时地理要素无法根据条件动态生成。而在实际应用中,地理要素可以是近似(本文来源于《测绘学报》期刊2017年12期）
张素智,赵亚楠,杨芮[9]（2017）在《支持空间数据移动查询的索引研究》一文中研究指出随着智能移动设备的普及,空间数据也随之呈现出几何级增长,结合空间对象位置和关键字的查询越来越受到人们的关注.然而,在之前的大量研究中多是假设空间词为不变的,但是在实际生活中,空间对象的位置有许多是移动的,这就可能导致查询结果不符合实际需求.针对上述状况,提出一种支持移动空间关键词查询方法.经实验验证,该方法具备一定的实用性,且查询效率有较大的提高.(本文来源于《湖北民族学院学报(自然科学版)》期刊2017年04期）
庞泽[10]（2017）在《GIS空间数据查询功能在城市农业建设发展中的应用研究》一文中研究指出地理信息系统的快速发展,为社会决策提供了重要的参考信息。城市居民对农产品的需求品质要求催化了城市农业的诞生与发展。如何利用地理信息系统数据查询功能为城市农业发展提供服务,文章从已建设城市农业规模、水资源、植被覆盖、生物多样性以及生态景观等属性进行查询标注,指导城市农业选址和农作物品种选择。(本文来源于《信息通信》期刊2017年10期）
空间数据查询论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着智能手机、车载定位设备等一系列基于位置终端设备的迅速普及,每年全球都会产生大规模的空间位置信息,基于位置服务的应用与人们的生活出行密切相关。空间数据具有数据体量大、表示形式多样、处理过程复杂的特点,因此,如何有效地处理大规模空间数据,以满足基于位置服务的应用需求,显得尤为重要。目前,大部分针对空间数据处理技术的研究,主要分为两类,一是在CPU平台下改进空间数据处理算法;二是利用分布式系统来提高空间数据处理能力。然而,传统串行CPU方式的空间数据处理技术面对日益增长的空间数据,逐渐显现出性能短板。与传统CPU相比,图形处理器GPU具有强大的多核并行计算能力。快速发展的通用计算GPU技术以及CUDA编程框架,为空间索引技术和空间查询技术的性能提升提供了新的途径。本文结合GPU技术,对空间数据的索引构建技术和空间查询技术进行了深入研究,主要研究内容如下:首先,提出了一种基于CUDA的静态R树索引构建方法。该方法采用自建的基于数组结构体方式的线性化索引结构,并进行了对传统基于静态R树的构建方法的并行化分析。针对GPU共享内存资源的特性,该构建方法中采用了一种两阶段的索引构建方式,可以有效利用共享内存资源高速读写能力。其次,在自建静态R树索引的基础上,提出了基于CUDA的空间范围查询方法,主要是对范围查询中精过滤阶段进行GPU并行设计。为了解决范围查询中粗过滤阶段效率低下的问题,利用Geohash网格对地理空间的划分,进一步提出了GPU平台的基于Geohash网格的范围查询方法。再次,结合本文提出的两种范围查询方法,采用将k最近邻查询转化为多次范围查询的方式,分别给出了GPU平台下基于CUDA的k最近邻查询方法和基于Geohash网格的k最近邻查询方法。为了提高查询效率,给出了k最近邻查询方法中扩展框的动态扩展策略。最后,考虑到k最近邻查询效率受范围查询方法的限制,利用Geohash编码的空间邻接性,提出了基于CUDA的近似k最近邻查询方法G-AkNN,并给出了基于相邻Geohash编码的扩展搜索策略,以降低查询结果的误差。结合本文的实验结果可知,相比于传统CPU方式,本文给出的基于CUDA的静态R树索引构建方法以及相应的空间查询方法在数据量较大时有明显的效率提升,能有效地满足大规模地理空间数据场景下的应用需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空间数据查询论文参考文献
[1].赵彦庆,程芳,魏勇.一种海量空间数据云存储与查询算法[J].测绘科学技术学报.2019
[2].吴珂.基于GPU的空间数据索引与查询技术研究[D].西安电子科技大学.2018
[3].刘文东.基于Phoenix平台的空间数据索引与查询技术研究[D].西安电子科技大学.2018
[4].孟彦伟.移动空间数据索引及查询方法研究[D].辽宁大学.2018
[5].段晓冉.多用户空间数据查询算法研究[D].电子科技大学.2018
[6].毕崇春,孟祥福,张霄雁,唐延欢,唐晓亮.基于耦合相关度的空间数据查询结果自动分类方法[J].计算机应用.2018
[7].张素智,赵亚楠,杨芮.基于MPB-Tree索引的空间数据多关键词模糊查询算法研究[J].华中师范大学学报(自然科学版).2017
[8].仇阿根.基于分布式内存计算的空间数据近似查询处理方法[J].测绘学报.2017
[9].张素智,赵亚楠,杨芮.支持空间数据移动查询的索引研究[J].湖北民族学院学报(自然科学版).2017
[10].庞泽.GIS空间数据查询功能在城市农业建设发展中的应用研究[J].信息通信.2017