蔡砥[1]2004年在《网络计算环境下空间分析的计算模式研究》文中提出网格是1990年代中后期出现并迅速发展的起来的计算环境，目的是实现地理上分布的、可跨组织的异构的资源的广泛共享。在这种计算环境快速发展的同时，空间分析作为地理信息科学的关键研究内容之一，也越来越受到重视。本文从空间分析问题的计算困难的角度出发，研究了空间分析在网格计算环境上的计算模式，并以高计算量的空间分析问题、多组织参与的空间决策和空间模拟为案例，分析了如何利用网格来解决这些问题所带来的计算的困难的叁种计算模式，即并行计算、汇聚计算和协同计算。并就各自的计算模式研究了实现的关键技术问题。 本文共分为6章。第1章主要讨论了叁个内容，首先是回顾了地理信息系统向地理信息科学发展的进程，认识到了地理信息科学与地理信息系统的一个明显的区别是强调了地理信息的理解、分析和应用，因此空间分析的重要性得到了突出；同时也认识到计算作为现代科学研究的重要方法之一正在受到地理学家的重视。其次，考察了网格计算环境的兴起与发展，认为网格计算环境可以分为计算型网格和合作型网格两种，并对这两种网格的特征作了讨论。 在第2章中，本文试图提出空间分析的计算体系。首先，对前人关于空间分析的概念与内容分类进行了研究，在此基础上，认为空间分析的计算体系应该是从问题求解的困难程度这个角度来进行考察。由此提出了通过计算复杂性和组织多方性两个方面对空间分析进行分类的框架。在详细讨论了空间分析的各项内容的计算复杂性和组织多方性的普遍特点后，将空间分析分为：计算量低组织数低，计算量高组织数低，计算量低组织数高，计算量高组织数高等4种类型。指出利用网格网格计算环境的跨组织跨平台进行资源共享与合作，来解决空间分析中的除了类型1以外的其它问题，是本文后续几个案例研究的目标。 第3章通过一个高计算量的空间分析问题，研究了在计算型网格上的并行化实现问题。采用的案例是设施区位中的P-Median问题，该问题具有NP-困难的特点，意味着问题的规模增加将导致求解计算量的激增。一般采用近似算法。本文就是研究了一种称为Rolland搜索算法在网格上的并行化计算。本文采用CONDOR系统作为计算网格的管理系统。为了克服计算型网格的弱偶合的分布式特点，本文选择了Worker-Master模式，将问题分解为并行化程度高的若干个子任务，通过将任务分发给网格上的不同计算节点进行计算，从而实现了并行计算。通过对两种并行化策略的分析，本文认为对于Rolland的禁忌搜索，应该采用分散搜索的并行化策略，以提高近似求解的精度，同时也防止网格负载的不平衡。在实现中，本文还开发了用于任务管理和任务监控的中间件，试图屏蔽网格管理的底层技术。 第4章通过一个涉及到多个组织参与的空间决策问题进行了跨组织合作的计算模式研究。文中采用的案例，是一个竞争性设施的多准则选址的过程。本文认为空间决策的过程是空间数据不断经过变换并汇聚到进行空间决策分析的用户端的过程，由此提出了汇聚计算模式，“汇聚”一词来源于网格五层沙漏结构的“汇聚层”。进一步研究汇聚计算中各种服务的提供内容和方式，本文提出了空间数据服务和空间分析服务两种主要的服务，空间分析服务又分为通用空间分析服务和专题空间分析服务。由此，本文设计了空间数据和空间分析两种Web服务，从而使跨组织成为可能。在W匕b服务的实现中，本文还通过对用户空间请求的分析，提出了一种用于描述用户空间请求的XGML，该XGML是对GML的一种扩展，将sQL集成进来并增加了7个标签。另外，在用户端的设计过程中，本文还进一步认识到，在空间决策过程中一个用户工作流程的建立，实际就是一个虚拟组织的建立，空间决策问题求解完毕，则是虚拟组织的结束。不同的决策问题，由不同的工作流程完成，决定了虚拟组织的不同。 第5章通过一个涉及多个组织的空间模拟问题，进行另一类型的跨组织合作计算研究。在文中讨论了空间模拟与空间决策的不同之处，认为空间模拟的参与各方并不是提供服务使数据变换汇聚到用户端的过程，而是地位相当的组织，参与各方不断地进行数据交换，本文称之为协同计算，协同各方称为对等体。由此，针对一个城市模拟的多自主体系统，文中设计了两个对等体:城市住宅对等体和城市居民对等体，并研究了如何实现跨组织的协同计算问题，实现了对等体利用Web服务来响应对方请求并提供数据的方式。同时，还利用SOCKET实现对等体之间的相互的消息传递，从而可以跨组织地相互激发对方的事件处理。本文最后研究了当对等体的数量增加时导致的一些困难，认为一个空间模拟中对等体的增加将带来管理上的难度，并且，采用一种将C/S模式和协同计算模式相互结合的混合模式可能是必要的。 第6章是总结和讨论。
陈静[2]2004年在《分布式虚拟GIS关键技术研究》文中提出地理信息系统(Geographic Information System，GIS)伴随着计算机技术、图形图像技术的快速发展，在3维GIS(three-dimension GIS，3D GIS)空间数据结构和数据模型，3D GIS可视化技术，特别是数字城市建模和可视化技术方面取得了相当的进展。同时虚拟现实(Virtual Reality，VR)技术和3D GIS结合，使得GIS向虚拟GIS方向发展。这种结合虚拟现实技术、可视化技术而设计的多维GIS系统称为虚拟地理信息系统(Virtual GIS，VGIS)。 在网络技术的迅速发展下，GIS与网络技术的结合导致了网络GIS的产生。网络GIS利用网络优势向用户提供超媒体、交互式、分布式的空间信息，具有传统GIS所不具备的优势。网络GIS使得GIS处理海量空间数据的方式从原来的集中、独占走向分布、共享。如何通过标准的分布计算平台，对海量空间数据进行高效、可靠的管理和使用，为大型空间决策服务已成为当前网络GIS面临的重大课题。 但是，由于网络传输带宽的限制和多用户访问的需要，目前的网络GIS主要限于对二维空间数据的表达及处理，其应用功能也仅限于地理信息的发布和空间数据的服务，而对于2.5维和3维空间数据的发布和应用还处于研究阶段。 在GIS虚拟化和网络化的发展进程中，特别是虚拟GIS向网络化方向的发展过程中，逐渐形成了分布式虚拟GIS的研究。但是受到网络传输带宽的限制和海量空间数据实时绘制中图形设备的制约，在分布式虚拟GIS研究中还存在诸多问题，特别是网络环境下海量叁维空间数据的实时绘制关键技术还需要进一步深入研究。同时作为一个多用户的分布式系统，用户在虚拟场景中的操作与场景更新一致性处理也是研究的难点。 对此，论文主要针对分布式虚拟GIS中上述主要问题展开研究工作，主要内容如下： (1) 论文在第一章回顾了GIS的两大发展趋势，回顾了GIS可视化技术，特别是3D GIS与虚拟现实技术集成形成虚拟GIS的研究现状。介绍GIS向网络化方向发展，网络GIS的研究。由此网络GIS与3D GIS集成、虚拟GIS网络化发展等研究背景下，形成了支持分布式处理和交互的分布式虚拟GIS研究。对此本论文在分析了分布式虚拟GIS研究背景的基础上，重点论述了分布式虚拟GIS的研究现状、研究中面临的挑战以及应用前景。 (2) 分布式虚拟GIS系统是建立在网络环境下的，这个网络环境具有分布、异构和开放等特征。论文第二章在总结分布式GIS网络体系结构研究的基础上，提出基于CORBA分布式网络模型(CORBA-based Distributed Network Model，CDNM)。同时在该模型基础上实现了系统分布式网络体系结构，探讨了该分布式体系结构的开放性和互操作性。 (3) 分布式虚拟GIS系统是个多用户的叁维虚拟GIS系统，其虚拟场景的建立是在现实世界的抽象几何模型基础上形成的。例如地形场景需要建立地形模型；城市场景需要建立叁维城市模型。由此，在对大数据量的空间数据(影像、地形和叁维城市模型等)管理与可视化基础上实现客观世界的虚拟场景表现。 特别是网络环境下海量叁维空间数据的实时绘制关键技术是分布式虚拟GIS需要重点研究的问题。在3D GIS海量数据实时绘制的研究中，已有的研究都是在单机、集中式、或者基于高速宽带网络条件下进行的。通过使用LOD技术，解决大数据集实时绘制时图形绘制设备的瓶颈问题.但是在多用户局域网(广域网)网络条件下，处理大范围叁维虚拟场景实时绘制时，除了要考虑图形设备的瓶颈外还要考虑网络传输带宽的瓶颈。对此，论文主要探讨了使用LOD技术实现网络环境下大范围虚拟场景的实时绘制关键技术，其目标是提高虚拟场景的实时绘制效率，减少空间数据的网络传输量。论文分别从虚拟地形场景和虚拟城市场景的实时绘制展开研究. 论文第叁章在海t地形数据绘制中LOD算法研究的基础上，针对网络环境下海量地形数据的实时绘制，提出基于网络地形LoD模型(Network Terrain LOD Model，NetTLOD).该模型基于四叉树结构，包括服务器端多级LOD地形模型和客户端实时、连续的动态地形LOD模型。从而实现地形数据的实时、连续绘制。 论文第四章主要针对网络环境下大范围虚拟城市场景实时绘制关键技术展开研究。提出网络叁维城市Loo模型(Netwo次3n eity Lon Model，Net3oCLoD)，该模型主要包括基于点索弓}的叁维城市场景重建方法，建筑物表面的多分辨率LOD纹理映射等。在探讨了基于视点的叁维场景裁剪与系统数据缓存设计基础上实现大范围叁维城市场景实时、连续绘制。 (4)分布式虚拟Gls是个多用户交互系统。在这个多用户系统中，需要重点考虑多用户共享虚拟空间、用户操作与场景更新的一致性问题。论文第五章针对这些问题，探讨了多用户并发访问的处理，基于消息的通讯机制的多用户交互关键技术。 (5)在论文研究的方法和算法的基础上，采用Jat，a、Java 3D和openGL技术，CoRBA的中间件软件，开发了一个分布式虚拟GIS实验系统(web一based Dis州buted GIS，we卜E心Is)。开发该实验系统的目的是验证论文所使用的方法和算法的正确性和效率.该系统实现了海量地形、叁维城市模型数据的实时绘制，支持用户对大范围虚拟叁维场景的任意漫游和交互，同?
李继园[3]2014年在《集成遥感信息的SOLAP多维聚集与分析模型》文中指出自上个世纪70年代以来,各种对地观测技术的陆续开展已经累积了长期的历史遥感信息,随着近年来高时空谱对地观测技术的快速进展,以及相关遥感卫星的接连发射,遥感数据量得到爆发式增长,已经成为GlS(Geographic Information System)的主要信息源,无论是遥感信息本身还是其处理分析都呈现出“大数据”特点：Volume(体量大)、Variety(维度多)、Velocity(速度快)。另一方面,SOLAP(Spatial OLAP)基于空间数据仓库,以时空数据立方体模型为载体,将商业智能中的OLAP(Online Analytical Processing)技术成功扩展至GIS数据,为多维度、多主题、多重粒度、多级层次的时空数据交互式发掘提供了一种快捷通道。如何将呈现“大数据”特点的遥感信息融入到SOLAP立方体模型中,是当前利用SOLAP进行遥感信息多维分析所亟待解决的问题。本文针对当前SOLAP研究现状及存在问题,以高性能遥感信息SOLAP立方体为研究目标,展开了以下理论与方法研究：(1)以SOLAP概念、方法与体系结构为基础,提出了基于地理格网的分布式遥感信息SOLAP立方体模型(TileCube)。首先,从逻辑层引入基于多级地理格网的空间度量,并对传统SOLAP立方体进行扩展,实现了模型数据的分布式组织与构建,并通过对空间维度与非空间维度的构建、以及度量与数据方体的定义,有效地表征了遥感信息的多维特性。同时引入多维地图代数,灵活地描述了维层次间以及方体间聚集运算的多维特性。最后,基于逻辑模型中Key-Value数据方体的松散耦合设计,从物理层上研究TileCube在云存储环境BigTable中的可扩展存储机制与查询方法,并实现了TileCube方体从物理层到逻辑层的无缝映射。(2)针对SOLAP集成遥感信息后面临的海量数据多维分析性能问题,通过引入Map-Reduce计算模式研究TileCube方体构建及分析所涉及的高性能聚集计算方法。首先,为加速遥感数据方体的ETL引擎,探讨了实时数据处理环境下的Tile立方体格网化方法及其优化机制；然后提出基于Map-Reduce的并行多维地图代数方法,将大规模遥感聚集计算解构为基于Tile的并行地图代数任务,实现Roll-Up、Drill-Across等SOLAP在线分析操作；最后结合SOLAP引擎的工作及优化机制阐述,为SOLAP在线分析提供了有力的驱动管理支撑。(3)为验证本文所提的TileCube模型理论及其高性能聚集计算方法的可行性与高效性,以SOLAP的视角建立了旱情监测与分析原型系统,将长时序MODIS(Moderate Resolution Imaging Spectroradiometer)卫星遥感数据、地面实测数据以及其他基础空间数据统一纳入到TileCube中。原型实现了遥感旱情监测相关信息的时空快速聚集,并通过多种旱情时空在线查询实例充分展示了TileCube的交互式信息多维分析能力。本文研究成果体现叁方面的创新性：(1)提出了集成遥感信息的分布式SOLAP立方体模型,解决了海量遥感信息的多维特征表达与扩展问题。(2)发展基于Map-Reduce计算模式的并行多维地图代数,实现SOLAP立方体模型中的大规模遥感信息快速时空聚集与在线分析。(3)提出针对实时遥感数据流的立方体格网化优化方法,加速SOLAP立方体的ETL过程。全文沿着“基础理论——立方体模型——计算与分析——应用实证”的主线,对遥感信息SOLAP相关理论、方法及实现进行了一体化探讨与研究,解决了现有SOLAP对遥感数据的“多维”特征支持不足和“大数据”分析能力有限的问题。有助于推动遥感信息多维分析方法的创新与拓展,有助于SOLAP在GIS领域的进一步研究与发展。同时,作为一种新型的空间信息分析工具与架构,该成果将为高性能空间信息基础设施建设提供有力的方法与技术支撑。
陈军[4]2012年在《基于G/S模式的空间分析云服务关键技术研究》文中研究说明随着空间信息技术的发展,人们对空间信息的需求不断增加,空间分析逐渐从传统的C/S模式和B/S模式向G/S模式发展。在G/S模式下,将空间分析以服务的形式构建于云中,为行业应用提供空间分析服务,具有十分重要的研究意义。G/S模式下的空间分析服务涉及到两个关键问题,一是空间分析云服务的交换标准；二是空间分析协同计算。G/S模式以HGML为服务交换标准,但目前还处于空间数据的交换层次上,未形成完整的空间分析云服务交互标准；云计算以分布式文件系统为基础,实现了计算向存储迁移的策略,是空间分析云服务有效的解决方案。由于空间分析本身的复杂性,目前云GIS的研究和应用仍然以提供在线空间信息数据服务为主。针对目前的研究现状,本文进行了基于G/S模式的空间分析云服务关键技术研究。首先,探讨了基于G/S模式的空间分析云服务的特征,初步设计了一种空间分析云服务的基础架构。该架构由数据注册中心(G/S中心服务器、任务调度服务器集群)和存储云(空间数据服务器集群)组成。在该框架中,将空间分析云服务的网络连接分成云内连接和云外连接并采用不同的数据通讯技术以提高云服务的效率；针对空间数据的存储特征,提出了自适应间隔游程编码方法；为实现计算向存储的迁移,设计了分布式文件系统中矢量数据和栅格数据的存储结构。第二,初步建立了基于HGML的空间分析云服务交换标准。在定义了空间分析基本数据类型的基础上,给出了空间分析叁个基本HGML命令GetCapabilities、 DescribeFunction和ExecuteFunction。通过这叁条命令构成的标准框架,可实现所有空间分析服务的标准化表达。第叁,设计并建立了G/S模式下的Map/Reduce计算框架。在分析研究了云计算的并行计算技术Map/Reduce基础上,为实现G/S模式的多种聚合模式的需要,设计了G/S模式下的Map/Reduce计算框架,并进行了数据负载均衡调度和计算负载均衡调度的深入探讨。第四,提出并建立了G/S模式下的网络地图云服务体系。针对传统B／S模式下网络地图服务的服务器瓶颈问题,建立了网络地图云服务基础架构,探讨了地图服务的Map/Reduce任务划分和任务调度方法,并通过实验验证了G/S模式下的网络地图云服务的有效性。最后,针对空间分析服务的单点聚合和多点聚合的两种聚合模式,分析了不同聚合模式下的任务调度流程,并以几何体空间操作、基于WFS的空间查询、服务器空间数据聚合模式下的栅格计算为例阐述了单点聚合的任务调度,以空间数据云下载、客户端空间插值为例阐述了多点聚合的任务调度。实验证明,本文建立的G/S模式的空间分析服务提升了空间分析服务的效率,具有一定的理论价值和实践意义。本文的创新在于以下几个方面：(1)设计了一种基于G/S模式的空间分析云服务基础架构。S端通过数据注册中心(中心服务器、任务调度服务器群)和存储云(空间数据服务器集群)的协作,具备为G端提供强大空间分析云服务能力；在该架构中,提出了一种空间分析客户端聚合服务的分类方法：单点聚合和多点聚合；为提高云端空间数据网络传输的实时性,提出了一种自适应游程编码算法,通过实验证明了算法在保证一定压缩率的同时,能实时压缩空间数据流。(2)建立了一种基于HGML的空间分析云服务交换标准。该标准中,使用叁个简单的命令概括了空间分析云服务的交换方法；通过Execute命令的嵌套,使HGML具备复杂空间分析模型的表达能力。交换标准的研究为G/S模式下的空间分析云服务奠定了语言基础。(3)提出了一种G/S模式的Map/Reduce计算框架。该框架充分考虑了G/S模式中多种聚合方式,即可在客户端运行,也可在中心服务器和任务调度节点运行。由于良好的“跨端”特性,提高了空间分析模块的开发和部署效率；在该框架下,提出了一种基于处理时间的计算动态均衡调度算法,并证明了该算法的有效性；以该框架为基础,设计了一种基于G/S模式的网络地图云服务,并证明在云计算环境下,网络地图服务有效性。(4)提出了一种在分布式文件系统中空间数据存储方法。针对目前主流分分布式文件系统按字节为单位划分文件块不能有效完成空间分析分布式计算的缺点,建立了矢量和栅格数据的分块策略与完整备份策略,为空间分析计算向存储迁移奠定了数据基础。本文对空间分析云服务进行的一系列开拓性的研究和尝试,可为该领域的科研工作者、空间分析模型开发者提供理论上的借鉴,有助于G/S模式理论的进一步完善和充实,并将空间分析研究引向纵深发展。
王强[5]2010年在《空间信息服务聚合的关键技术研究》文中研究表明开放环境下的空间信息服务已成为空间信息共享与应用的主要手段,然而服务资源的多样性和不确定性、应用需求的动态性和复杂性使人们往往难以直接获得所需的信息。空间信息服务聚合作为一种新的服务模式,目的是按照合理的业务逻辑和语义约束来集成多个服务从而满足用户需求。这是一个复杂的、创造性的过程,迫切需要强有力的计算环境、一致的语义描述与理解、合理的知识表达以及严密的逻辑推理来支持。本文从计算和智能两个角度来实现空间信息服务聚合,将网格计算与人工智能中的技术与理论应用于空间信息服务的构建、描述、共享与集成。对空间信息服务聚合框架、高性能的空间信息服务、语义化的空间信息服务描述注册与发现、规则驱动的空间信息服务链自动规划等方面进行了深入研究,在服务聚合的理论和实践上取得了一些成果,主要的工作和创新点包括:1.结合地震堰塞湖的应急预警过程,深入分析了空间信息应用对服务聚合提出的新要求,指出服务语义不明确和服务效率低下是目前实现空间信息服务聚合面临的主要问题。提出将空间信息网格作为服务聚合的支撑环境,提供高效的分布并行计算能力;将以地理空间本体和描述逻辑为主的空间知识表达与推理框架作为服务聚合实现的理论基础和形式化手段,为其提供一致的空间信息资源表达和严密的逻辑推理能力。在此基础上,阐述了空间信息服务聚合的定义、框架以及实现的关键技术。2.研究了空间信息网格中的服务构建和优化的关键技术。基于WSRF规范重构现有的空间信息服务使其成为有状态的网格资源,实现网格技术与空间信息服务的融合;针对数据组织、传输和计算叁个制约空间信息服务性能的关键环节,分别研究了基于聚类Hilbert R树和均衡数据划分策略的分布并行空间数据索引、基于GridFTP和网格资源管理机制的海量空间数据传输与获取、基于网格任务提交机制和扩展WPS接口的并行空间数据处理,并结合移动Agent技术研究了空间信息服务迁移计算模式,设计并实现了基于网格资源监控的服务迁移路径规划算法。3.研究了地理空间领域本体及其支持下的空间信息服务语义描述。依据空间知识的粒度和作用关系提出了由顶层本体、地理空间领域本体及应用本体构成的地理空间本体层次模型。针对目前缺少较完善的地理空间领域本体模型及实现方法的现状,基于ISO标准和OGC规范中的核心概念及关系提出了一个较完整的地理空间领域本体概念模型,研究通过UML到OWL元素的映射和语义精确化来构建地理空间领域本体的方法。从数据、功能、执行和服务质量四个方面详细分析了空间信息服务所蕴含的语义,研究了基于地理空间领域本体和服务本体描述语言OWL-S对空间信息服务进行描述的方法,为服务共享和聚合提供了有效的形式化和自动理解的基础。4.研究了语义支持的空间信息服务注册模型与描述逻辑支持的空间信息服务匹配方法。首先针对目前空间信息服务注册中心缺少语义支持的问题,扩展OGC推荐的ebRIM模型,将OWL描述的地理空间领域本体和OWL-S描述的空间信息服务映射到ebRIM模型中,实现了语义化的空间信息服务注册。针对服务匹配算法过于关注语义相似度计算,而忽视服务执行语义描述的问题,提出采用描述逻辑和Horn逻辑对空间信息服务的前提和效果进行形式化表达,从而实现基于逻辑推理的服务执行语义匹配。在此基础上提出多层次匹配模型,通过服务分类本体的粗略匹配、服务输入输出的语义匹配和的服务执行语义的精确推理匹配叁个步骤,有效地减少了待匹配服务数量,提高了服务匹配准确性。5.研究了规则驱动的空间信息服务链建模与执行关键技术。首先提出空间信息服务聚合的四阶段实现方案,即服务链的规划、选择、服务实例化和执行。将人工智能规划中的反向搜索算法用于服务链的自动规划,制定了相应的控制规则和领域规则,将服务执行的逻辑语义同规则的前提和效果联系起来,挖掘空间信息领域特定的应用逻辑以及领域本体中的隐含知识进行服务聚合;针对服务规划形成的多条服务链,采用局部最优算法进行服务链的优化选择;利用OWL-S同WSDL的映射关系和服务匹配机制实现服务链同服务实例之间的绑定;基于OWL-S和BPEL两种服务链执行引擎来实现服务链的执行。6.基于论文研究成果,设计并实现了空间信息服务聚合平台,并结合堰塞湖灾害预警监测来构建典型应用案例,对论文所述模型、方法的可行性和有效性进行了验证。
赵贤威[6]2017年在《云环境下顾及空间子域分布特征的空间大数据并行计算方法研究》文中进行了进一步梳理空天地立体观测与移动互联网技术的蓬勃发展带来爆炸式增长的空间大数据,迫使空间分析计算模式从集中式处理、单人机交互向高扩展性、高效性、数据多源性方向转变。利用云计算资源实现空间大数据并行化处理是完成这一模式转变的重要途径。云环境下的并行计算范式本质上是一种单指令多数据流并行,该范式要求将数据集划分成独立的无共享的部分并行处理。然而,空间数据具有组织异构、分布不均衡、实体关联性强等特点,这导致空间数据无法直接分割以适应云环境下的并行计算范式,传统的并行空间计算方法大多面向特定的应用场景,缺乏对空间实体关联关系及分布特征的考虑,未能形成包括空间大数据组织存储、划分计算、效率优化等在内的并行计算方法体系。针对以上问题,本文开展了顾及空间子域分布特征的空间大数据并行计算方法体系研究,提出了不同空间子域分布特征的空间操作数据划分策略与并行化方法,以实际空间计算场景为例,采用真实的空间大数据集对本文提出的方法进行了正确性与高效性验证,为云环境下亿级空间大数据计算提供了方法支撑与案例借鉴。本文的研究内容概括如下:(1)遵循云环境下并行计算范式要求,设计了空间数据云存储组织与并行空间计算统一流程表达方法,研究了面向数据划分的空操作分类及其空间子域分布特征,提出了空间子域的任务计算量评估方法,形成完整的并行空间计算方法体系。(2)在上述基础上,针对本地空间操作的特性,设计了基于默认子域和基于格网子域的两种通用本地空间操作数据划分方法,基于这两种方法实现了空间频率图和多级金字塔矢量图的并行绘制,以十亿级全球兴趣点与百万级矢量多边形为测试数据对比验证了方法的适用性与高效性。(3)提出了邻域空间操作的叁种规则空间子域分布形态:范围分布的规则空间子域、范围时空分布的规则空间子域、异构数据迭加误差导致的规则空间子域,对上述叁种子域分布特性的空间操作分别设计了并行化方法,分别以空间距离连接、时空热点分析、大规模叁维地表表面积计算为案例验证了方法的适用性与高效性。(4)针对空间子域不规则分布的邻域空间操作的特点,以K邻近连接为例,提出了基于格网均匀扩张的不规则空间子域范围确定方法和基于Voronoi的不规则空间子域范围确定方法,在此基础上实现了 K邻近连接的并行化算法,通过性能实验对比了两种方法的适用性与高效性。
孟顺梅[7]2016年在《云计算环境下可信服务组合及其关键技术研究》文中研究说明云计算作为一种新型的计算模式与商业模式,通过网络和虚拟化技术,以按需可扩展的方式向用户提供硬件、软件、平台以及虚拟化应用等服务。近年来,随着互联网和云计算等技术的不断发展与成熟,越来越多的企业和个人将服务、应用迁移到云端部署执行。云计算环境下的服务逐渐呈现出规模大,复杂性高,资源动态变化以及失效类型多样化等特征,同时用户的应用需求也愈发复杂与个性化。在此背景下,如何根据用户的个性化应用需求,为用户高效地提供可信的服务推荐及服务组合方案,并能在实际执行中保证用户应用的稳定运行,是云计算环境下可信服务面临的关键问题。尽管对可信服务相关问题的研究在传统的服务计算领域中己取得一定研究成果,但在云计算模式下,规模愈发庞大的服务资源,用户愈发复杂的应用需求,以及动态不稳定的网络环境,为实现高效、健壮的可信服务推荐、服务组合应用带来了新的挑战：1)云计算环境下,功能相似、QoS各异的候选服务规模越来越大,且与服务相关的信息也在迅猛增长,为向用户提供可信且个性化的服务推荐带来了挑战。2)云计算环境下,面对复杂的应用需求时,需要将服务进行组合为用户提供复杂服务功能。传统的服务组合优化方法通常基于服务提供商发布的QoS属性值进行服务组合评估,但动态的网络环境以及商业竞争、炒作等因素,使得服务提供商发布的QoS值可能并不可靠,导致服务组合方案可信度受到很大影响。3)在动态、可扩展的云计算环境下,服务不仅具有规模大,复杂性高的特点,还具有资源动态变化,失效类型多样化等特征。在服务的实际执行中会有很多不确定性因素影响用户应用的稳定运行,使得用户应用不能按预期完成,无法保证服务执行的可信度,影响用户体验。针对云计算环境下可信服务推荐,可信服务组合以及可信服务执行等方面面临的上述应用挑战,本文对云计算环境下可信服务组合及其关键技术展开了针对性的研究工作,具体而言,本文的主要工作包括以下几项：1) 为构建云计算环境下的可信服务组合应用,提出了一个云计算环境下的可信服务组合框架,该框架分为四个层次,自下而上分别是服务资源层、可信服务推荐层、可信服务组合层以及可信服务执行层。具体而言,服务资源层以分布式代理架构为基础,实现不同云平台上的服务信息及用户反馈信息的收集,供上层调用。可信服务推荐层根据用户的个性化需求,为用户寻找偏好相似的可信任历史用户,然后基于可信任的历史用户为目标用户进行可信服务推荐。可信服务组合层则在单一服务不能满足用户复杂的应用需求时,将用户的应用需求划分成子任务集,为每个任务选择合适的服务,提供可信的服务组合方案。最后在可信服务执行层,为应对由于网络动态性和不稳定性等因素导致的用户应用执行过程中的不确定性情况,需要在执行过程中进行动态服务优化调度,在满足用户需求约束的同时保障用户任务的稳定运行,从而保证服务组合的可信执行。2) 为在云环境下提供符合用户个性化需求的可信服务推荐,本文提出了一种关键词感知的个性化服务推荐方法。具体而言,为准确获取用户偏好,我们通过构建偏好-QoS关键词集合和领域映射词库,从历史用户的评论中提取关键词集合作为用户偏好。并针对历史用户评论数较多和较少的情况,提出了两种偏好相似度计算方法,然后利用用户间的偏好相似度为目标用户找到可信任的历史用户。最后基于可信任历史用户的评分信息为目标用户预测对候选服务的评分,提供个性化的可信服务推荐。同时我们将该方法以MapReduce编程框架实现,分阶段并行处理,提高了该方法的求解效率和云计算环境下的可扩展性。3) 为提高云计算环境下服务组合方案的可信度,提出了一种基于QoS历史记录和聚类分析的可信服务组合优化方法。在该方法中,我们针对商业竞争、炒作或者网络动态性等原因导致的云服务提供商发布的QoS属性值与真实的QoS值不一致的问题,利用服务的QOS历史记录来评估服务组合方案,通过QoS历史记录的真实性来保证服务组合方案的可信度。同时为解决基于规模庞大的服务QoS历史记录的组合方法带来的高计算复杂度问题,我们采用一种模糊分层聚类方法对服务的QoS历史记录进行分层聚类,利用各服务QOS历史记录集的聚类中心进行组合评估计算,最终获得最优服务组合方案,从而降低了时间复杂度。4) 为解决由于云计算环境下的网络动态性、资源竞争等因素导致的用户应用任务在实际执行中出现的服务失效、性能下降等不确定性问题,提出了一种不确定性感知的动态服务优化调度方法。具体而言,首先基于逆向拍卖机制和部分关键路径策略提出了一种可信的静态服务调度方法。同时为应对用户应用实际执行过程中的不确定性事件,提出了一种不确定性感知的动态服务优化调度方法。在该方法中,我们构建了云计算环境下的一种不确定性模型,然后基于提出的中间调度模型来应对执行过程中的不确定性事件,进行全局动态优化调度。在满足用户应用需求的同时保证用户应用的稳定运行,从而提高服务执行的可信度。
常光辉[8]2011年在《大规模分布式可信监控系统研究》文中研究指明随着网络技术的不断发展,计算模式也不断的发生着重大的变革,近年来先后出现了网格,广域网P2P,云计算系统等等,这些都是大规模的网络计算系统典型代表。然而网络计算系统在不断发展和演化的同时,也遇到了不少新的挑战。诸如现代军事,金融,航天航空,电力,工业制造甚至于民用互联网应用等领域对网络计算系统的要求越来越高,不仅仅要求系统能够提供快速处理各种应用业务的功能,也要求系统能够持续地提供高可靠,高可用,低耗费,低成本等特点的高质量服务。但是,即便在计算机应用水平高度成熟,应用范围高度普及的现代社会,仍然存在大量服务失败的情况。因此,如何为网络应用提供高可信性(Dependability)的支持,也就成为分布式计算技术应用与发展的关键。面向这些新的要求,学术界以及工业界做了大量的基础性研究,本文针对可信计算中大规模分布式可信监控的若干问题展开探讨和研究。在对已有的相关技术及研究成果总结和深入分析的基础上,提出了在大规模分布式计算环境中的可信监控系统的体系结构以及监控策略,并设计了相应的自组织式的监控模式以及相关自组织算法、异常消息散播算法、系统异常检测算法,最后实现了一个自组织式的原型系统。具体研究工作如下:①针对大规模分布式系统的特点,分析总结了其在可信监控方面面临的问题;根据现代开放性网络分布式系统的特点,提出了开放网络环境下的分布式监控的类型以及系统监控与上层应用相分离的监控体系结构;建立了可信监控数据采集、异常分析、可信策略控制、组成员管理、监控消息发布等模块的总体监控架构,并给出了监控系统的运行流程;②将传统的故障检测含义进行了扩展,在基于时间预测的故障检测基础之上,把系统异常检测也包含在故障检测之内,形成对系统的综合可信监测;提出了针对大规模分布式系统的分邻域自组织可信监测协议,设计并分析了相关算法;分析了传统的Gossip协议在故障检测方面的优缺点,提出了基于自组织式的Gossip监测算法,并将其进一步改进为基于异步散播的可信监测算法。仿真实验表明,在监控的准确性方面分邻域的自组织可信监测更优,且在通信耗费方面取得了较大进步。而基于异步散播的可信监控算法有效地降低了监测控的时间耗费,增强了大规模分布式系统监控的实时性和fail-stop类型故障检测的准确性。③针对传统Δt故障检测方法仅对fail-stop类型的故障进行监测的局限性,从模式识别的角度考虑系统的运行状态的变化,以多维可信监测指标向量作为异常判别的输入,利用降维技术以及原始样本数据最大分散化的思想设计了基于PCA的异常判别算法;结合高维数据向低维空间映射时存在内部流形结构的特点提出了PCLPP异常判别算法;利用样本分类标签进行监督学习的Fisher判别分析的优点并结合流形学习提出了DLPP异常判别算法。仿真实验表明,基于模式识别的异常监测算法能有效地识别出包含系统固有缺陷及恶意故障引起的系统异常,识别精度较高,满足分布式系统中可信监控的实际需求,并且在样本的控制方面也有突出表现。④设计了大规模分布式可信监控的原型系统,对系统中每个组件的实现过程给出了详细的介绍;在工程实践方面提出了设计面向大规模分布式应用的可信监控系统的若干原则;在该原型系统之上做了本文所述监控系统的系列实验,验证了系统各组件的功能。综上,本文在分析研究当前可信监控技术在大规模分布式应用环境中所面临的若干关键问题,设计并改进了一系列监测算法,分邻域自组织算法,以及基于模式识别技术的异常监测方法,对这些协议、算法进行了理论分析及证明并得到了仿真实验的验证。
游兰[9]2015年在《云环境下空间信息服务组合的自治愈关键技术研究》文中进行了进一步梳理作为分布式计算环境下复杂地学计算模型的表达和实现形式,空间信息服务组合是空间信息服务计算领域的主要研究方向之一。“自治愈”指系统遭遇异常情况时的自我监测、自我诊断和自我恢复能力。伴随地学计算工作逐渐从桌面处理环境迁移到动态分布的云计算环境,空间信息服务组合的自治愈需求日益迫切。如何描述云环境下空间信息服务组合的自治愈行为及满足服务组合的实时准确的自治愈需求,是空间信息服务组合获得广泛应用的关键问题。本论文深入分析云环境下空间信息服务组合的失效机理,将失效类型和修复行为体系对应扩展到云计算的不同层次,系统地建立了空间信息服务组合的自治愈策略描述模型,研究提出了基于时空特征协同过滤的服务替换修复算法和时空优化的服务组合重规划修复算法,最后在Azure云环境下实现了框架原型,主要研究内容如下：1)空间信息服务组合自治愈策略的表达和形式化描述。研究现有失效类型和修复策略的适用性和优缺点,结合云计算,归纳分析云环境下空间信息服务组合的失效分类和修复行为体系,提出空间信息服务组合的自治愈策略描述模型SHPolicy,为空间服务组合的自治愈策略设计提供模型基础,为运行阶段自治愈提供了理论依据和指导策略。2)面向服务替换修复的时空特征协同过滤预测算法。深入分析了时空特征对空间信息服务性能的影响,并采用时区和时间片段作为空间信息服务的时空特征；充分考虑用户端和服务端时空特征的差异,提出了面向服务替换的时空特征协同过滤算法STACF,通过时空特征提高空间信息服务预测选择的准确性。实验结果表明针对基于空间信息服务预测算法,STACF算法的精度比同类其他协同过滤算法准确度更高。3)时空特征优化的空间服务组合重规划修复算法。总结分析了现有服务组合重规划方法,在传统遗传算法基础上,首先定义了空间信息服务组合的时空约束特征,并结合Skyline支配度技术对候选空间信息服务集合进行了优化筛选。提出了空间聚集度的概念,设计了基于空间聚集度的适应性函数,以控制原子服务的空间分散度以达到近似最优解性能的提高。在此基础上,提出一种时空优化的空间信息服务组合重规划算法,该算法通过优化初始种群和候选服务集合提高了近似最优解的收敛速度,控制了原子服务在云分布环境下的分散程度,为云环境下服务组合的实时重规划问题提供了一种有效可行的解决方法。4)云环境下空间信息服务组合的自治愈框架模型。提出了云环境下服务组合自治愈的理论框架模型,以Azure云平台为基础进行了原型框架的搭建,该框架集成了自治愈策略描述模型SHPolicy、服务预测修复算法STACF及重规划修复算法STOR,在真实云环境下建立了完整的空间信息服务组合自治愈方案。论文的成果有助于复杂动态云环境下空间信息服务组合的健壮性研究,从如何描述自治愈行为,提升到如何应用时空特征优化自治愈策略,以在新一代地学计算环境云计算下建立高效可用的地理协同组合模型,提高云计算资源的利用率。
潘显映[10]2007年在《网格GIS体系结构及关键技术研究》文中进行了进一步梳理地理信息系统(Geographic Information System，GIS)是地球科学和信息科学等学科交叉的产物，涉及了地理学、制图学、CAD技术、数据库技术等知识。自从1963年加拿大测量学家R．F Tomlinson建立世界上第一个GIS系统开始，GIS经历了20世纪60年代的起步发展，70年代的巩固发展，80年代的应用发展以及90年代至今的蓬勃发展阶段。近年来，随着所需处理的数据量巨增，特别是随着遥感技术(Remote sensing，RS)及全球卫星定位系统(Global PositioningSystem，GPS)的发展，传统GIS已经不能适应人们对空间数据处理的需求，GIS的未来发展趋势是从软件走向服务。2001年网格计算概念的爆发，在学术界和信息技术领域掀起了一股网格的热潮，它可以使分散的系统集成，实现信息共享和互操作，提高了运行效率。网格计算的提出对GIS的发展起到了巨大的推动作用，网格技术在GIS中的应用，即基于网格计算技术理念的网格GIS的研究和开发，目前已成为GIS最受关注的领域之一。本文在分析网格技术、网格理论的基础上，融合GIS领域独有的特征，提出了网格GIS的等式概念，通过对网格GIS体系结构及关键技术的研究，探索了网格GIS的发展及应用。主要创新点如下：(1)将网格技术与GIS融合，从技术角度提出了网格GIS的等式概念——“Grid GIS=GIS+Grid+Internet+Middleware”。(2)通过对网格技术理论的分析，结合网格体系结构，提出了网格GIS体系结构框架——“二维双重GIS网格体系结构”。(3)通过对网格集成关键技术的研究，结合工作原理的分析，提出了适合分布式信息集成平台的网格GIS软件架构——“以网格中间件为核心”。(4)基于网格GIS体系结构和关键技术的探讨，提出并设计网格环境下GIS模型实现的方案，试着建立了一个网格GIS应用例子，最后对其进行了可行性分析。
参考文献：
[1]. 网络计算环境下空间分析的计算模式研究[D]. 蔡砥. 华东师范大学. 2004
[2]. 分布式虚拟GIS关键技术研究[D]. 陈静. 武汉大学. 2004
[3]. 集成遥感信息的SOLAP多维聚集与分析模型[D]. 李继园. 武汉大学. 2014
[4]. 基于G/S模式的空间分析云服务关键技术研究[D]. 陈军. 成都理工大学. 2012
[5]. 空间信息服务聚合的关键技术研究[D]. 王强. 解放军信息工程大学. 2010
[6]. 云环境下顾及空间子域分布特征的空间大数据并行计算方法研究[D]. 赵贤威. 浙江大学. 2017
[7]. 云计算环境下可信服务组合及其关键技术研究[D]. 孟顺梅. 南京大学. 2016
[8]. 大规模分布式可信监控系统研究[D]. 常光辉. 重庆大学. 2011
[9]. 云环境下空间信息服务组合的自治愈关键技术研究[D]. 游兰. 武汉大学. 2015
[10]. 网格GIS体系结构及关键技术研究[D]. 潘显映. 武汉理工大学. 2007
标签：互联网技术论文; 空间分析论文; 空间数据论文; 云计算架构论文; 用户研究论文; 网络模型论文; 虚拟技术论文; 虚拟网络论文; 聚合数据论文; 实时系统论文; 组织策略论文; 策略模式论文; 信息发展论文; 场景应用论文; 用户分析论文; 网格系统论文; 动态模型论文; gis系统论文; 电力gis论文; gis技术论文; gis论文;