一、大型GIS海量數(shù)據(jù)分布式組織與管理（論文文獻(xiàn)綜述）
張帥[1]（2020）在《分布式移動網(wǎng)絡(luò)環(huán)境下大規(guī)?？臻g社交媒體數(shù)據(jù)快速增強(qiáng)現(xiàn)實(shí)可視化研究》文中進(jìn)行了進(jìn)一步梳理增強(qiáng)現(xiàn)實(shí)技術(shù)被廣泛譽(yù)為下一代人機(jī)交互通用平臺技術(shù),近年來受到了國內(nèi)外學(xué)界與產(chǎn)業(yè)界的重點(diǎn)關(guān)注,迎來了爆發(fā)式增長。智能手機(jī)i OS與Android平臺紛紛推出各自底層增強(qiáng)現(xiàn)實(shí)API,ARKit與ARCore,使得全球萬億智能手機(jī)都成了增強(qiáng)現(xiàn)實(shí)設(shè)備。2016年AR游戲Pokemon Go剛上線就火爆全球,一個月內(nèi)獲得了13000萬次下載,迅速得到全球70多個國家民眾的熱捧。增強(qiáng)現(xiàn)實(shí)技術(shù)能夠呈現(xiàn)炫酷引人入勝的3D模型動畫,但當(dāng)前領(lǐng)域內(nèi)對簡單社交多媒體數(shù)據(jù),如文字、圖片、音頻、視頻等,的增強(qiáng)現(xiàn)實(shí)可視化體驗(yàn)關(guān)注不夠,而社交媒體數(shù)據(jù)卻是普通用戶最容易生產(chǎn)的數(shù)字內(nèi)容,必然伴隨著增強(qiáng)現(xiàn)實(shí)技術(shù)應(yīng)用的普及而大規(guī)模產(chǎn)生。因此,研究社交媒體數(shù)據(jù)在增強(qiáng)現(xiàn)實(shí)環(huán)境中可視化問題,對增強(qiáng)現(xiàn)實(shí)技術(shù)的進(jìn)一步平民化普及具有重要意義。在如今的大數(shù)據(jù)時代,當(dāng)社交媒體數(shù)據(jù)規(guī)模日漸龐大時,在分布式移動網(wǎng)絡(luò)環(huán)境下,研究大規(guī)模社交媒體數(shù)據(jù)快速增強(qiáng)現(xiàn)實(shí)可視化問題有著極其重要的應(yīng)用價值,可視化效率問題嚴(yán)重影響著增強(qiáng)現(xiàn)實(shí)前端的用戶體驗(yàn),而優(yōu)良的數(shù)據(jù)組織機(jī)制、高性能的數(shù)據(jù)處理架構(gòu)是增強(qiáng)現(xiàn)實(shí)前端快速可視化的首要問題,因此本文的研究重點(diǎn)在于利用大數(shù)據(jù)技術(shù)去支撐增強(qiáng)現(xiàn)實(shí)前端快速可視化。另一方面,與傳統(tǒng)社交媒體應(yīng)用不同,社交媒體數(shù)據(jù)增強(qiáng)現(xiàn)實(shí)可視化問題是在現(xiàn)實(shí)生活中真三維環(huán)境中呈現(xiàn)的,具有鮮明的地理空間屬性,屬于空間社交媒體數(shù)據(jù),因此,大規(guī)模空間社交媒體數(shù)據(jù)增強(qiáng)現(xiàn)實(shí)可視化能否快速響應(yīng)一個關(guān)鍵因素是能否有效利用地理空間信息。本文在前人的研究基礎(chǔ)上,對大規(guī)模空間社交媒體數(shù)據(jù)快速增強(qiáng)現(xiàn)實(shí)可視化問題的研究,主要從以下幾個方面展開:（1）針對大規(guī)?？臻g社交媒體數(shù)據(jù)的增強(qiáng)現(xiàn)實(shí)可視化數(shù)據(jù)特征,研究適合網(wǎng)絡(luò)大規(guī)模數(shù)據(jù)傳輸?shù)目臻g社交媒體數(shù)據(jù)規(guī)范,提出了Geo ARMedia數(shù)據(jù)模型規(guī)范。Geo ARMedia數(shù)據(jù)規(guī)范參考了現(xiàn)行g(shù)l TF與Geo JSON數(shù)據(jù)標(biāo)準(zhǔn),定義了常見空間社交媒體的數(shù)據(jù)模型規(guī)范,明確了常見多媒體數(shù)據(jù)類型（文本、圖片、音頻、視頻等）的存儲表達(dá)規(guī)范。（2）面向分布式集群環(huán)境下的大規(guī)?？臻g社交媒體數(shù)據(jù)存取技術(shù)需求,構(gòu)建了利于數(shù)據(jù)庫跨尺度平滑讀寫穩(wěn)態(tài)Z曲線算法,研究了大規(guī)?？臻g社交媒體數(shù)據(jù)基于穩(wěn)態(tài)Z曲線的常見空間查詢算法,提出了基于穩(wěn)態(tài)Z曲線的大規(guī)?？臻g社交媒體數(shù)據(jù)的分布式數(shù)據(jù)劃分策略,優(yōu)化數(shù)據(jù)分布式存儲結(jié)構(gòu),提高了空間社交媒體數(shù)據(jù)的分布式存取效率。（3）研究基于智能手機(jī)設(shè)備的移動增強(qiáng)現(xiàn)實(shí)前端可視化空間的構(gòu)建,定義了空間社交媒體數(shù)據(jù)在移動增強(qiáng)現(xiàn)實(shí)前端的可視域以及三層空間交互架構(gòu),提出了空間社交媒體數(shù)據(jù)增強(qiáng)現(xiàn)實(shí)可視化的球面模型,同時研發(fā)了借助地理信息能夠大幅提高增強(qiáng)現(xiàn)實(shí)識別圖命中效率的大規(guī)模社交圖片檢索的時空耦合算法,有效提升了空間社交媒體數(shù)據(jù)在移動前端增強(qiáng)現(xiàn)實(shí)可視化效率。（4）為了在分布式移動網(wǎng)絡(luò)環(huán)境下快速響應(yīng)大規(guī)模空間社交媒體數(shù)據(jù)加載請求,保障前端增強(qiáng)現(xiàn)實(shí)可視化的效率與穩(wěn)定性,本文提出了空間社交媒體數(shù)據(jù)增強(qiáng)可視化多級緩存機(jī)制,利用空間社交媒體數(shù)據(jù)的空間鄰近性,提出了增強(qiáng)現(xiàn)實(shí)可視化前端緩存預(yù)調(diào)度機(jī)制,以及基于地理位置的熱點(diǎn)數(shù)據(jù)云端探測與分布式緩存調(diào)度機(jī)制,有效保障了增強(qiáng)現(xiàn)實(shí)快速可視化的速度與高并發(fā)響應(yīng)要求。（5）大規(guī)模空間社交媒體數(shù)據(jù)增強(qiáng)現(xiàn)實(shí)可視化伴隨著海量的計算任務(wù),本文研究了大數(shù)據(jù)技術(shù)以及高性能計算技術(shù),研發(fā)了面向大規(guī)?？臻g社交媒體數(shù)據(jù)的并行處理計算框架,提出了一種大規(guī)模空間社交媒體數(shù)據(jù)并行處理的代數(shù)方法,能夠簡潔有效的描述并行處理任務(wù),組織調(diào)度多個并行計算算子協(xié)同工作共同完成相關(guān)任務(wù),支撐了大規(guī)?？臻g社交媒體數(shù)據(jù)快速處理。（6）結(jié)合當(dāng)前流行分布式數(shù)據(jù)庫、大數(shù)據(jù)技術(shù)、可拓展網(wǎng)絡(luò)服務(wù)架構(gòu)、移動前端3D引擎技術(shù),依托前文的研究成果,本文設(shè)計并開發(fā)了大規(guī)模空間社交媒體數(shù)據(jù)快速增強(qiáng)現(xiàn)實(shí)可視化原型系統(tǒng)——視網(wǎng)么,詳細(xì)討論了常見空間社交媒體數(shù)據(jù)的增強(qiáng)現(xiàn)實(shí)交互與視覺設(shè)計,實(shí)現(xiàn)了前后端增強(qiáng)現(xiàn)實(shí)服務(wù),同時研發(fā)了移動端社交媒體數(shù)據(jù)增強(qiáng)現(xiàn)實(shí)編輯器,大范圍降低了社交媒體數(shù)據(jù)增強(qiáng)現(xiàn)實(shí)內(nèi)容生產(chǎn)門檻,最后本文以南京大學(xué)仙林校區(qū)周邊為例展開應(yīng)用實(shí)驗(yàn),測試表明視網(wǎng)么在應(yīng)對TB級數(shù)據(jù)規(guī)模千萬級并發(fā)訪問的空間社交媒體數(shù)據(jù)前端增強(qiáng)現(xiàn)實(shí)可視化任務(wù)可以在1秒內(nèi)完成前端響應(yīng),達(dá)到了理想的研究實(shí)驗(yàn)效果。
何朝陽[2]（2020）在《滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng)關(guān)鍵技術(shù)及其應(yīng)用研究》文中提出監(jiān)測預(yù)警是地質(zhì)災(zāi)害防災(zāi)減災(zāi)的重要手段,監(jiān)測是預(yù)警的基礎(chǔ),預(yù)警是監(jiān)測的目的。近年來,國內(nèi)外學(xué)者對滑坡監(jiān)測預(yù)警的方法技術(shù)體系進(jìn)行了深入研究,取得了大量的研究成果。但總體上,地理與地質(zhì)結(jié)合不夠緊密,監(jiān)測預(yù)警模型很難充分考慮滑坡變形過程和成災(zāi)機(jī)理,難以取得較高的預(yù)警精度,研發(fā)的監(jiān)測預(yù)警系統(tǒng)也難以滿足數(shù)以萬計隱患點(diǎn)實(shí)時監(jiān)測預(yù)警的實(shí)戰(zhàn)需求。已有的研究成果還難以有效地解決地質(zhì)災(zāi)害“什么時間可能發(fā)生”、“力爭實(shí)現(xiàn)提前3個小時預(yù)警”的任務(wù)。如何提高滑坡監(jiān)測預(yù)警能力,我們面臨諸多挑戰(zhàn):如何提高滑坡監(jiān)測預(yù)警精度?如何將理論研究成果應(yīng)用到實(shí)際的監(jiān)測預(yù)警中,構(gòu)建一套可業(yè)務(wù)化大規(guī)模應(yīng)用的滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng)?基于此,本論文系統(tǒng)總結(jié)作者近10年來在監(jiān)測預(yù)警方面的實(shí)踐成果,采用云計算與物聯(lián)網(wǎng)等先進(jìn)技術(shù),構(gòu)建滑坡監(jiān)測預(yù)警云平臺,整合與管理滑坡地質(zhì)災(zāi)害演化全過程的各類資料,研發(fā)并行高效的多源異構(gòu)監(jiān)測數(shù)據(jù)匯聚平臺,集成多源異構(gòu)實(shí)時監(jiān)測數(shù)據(jù),形成天-空-地多元立體監(jiān)測數(shù)據(jù)中心;綜合分析2.1萬余臺（套）監(jiān)測設(shè)備、超過1.26億條監(jiān)測數(shù)據(jù)的實(shí)測曲線,總結(jié)劃分監(jiān)測曲線類型,構(gòu)建監(jiān)測設(shè)備可靠度評價體系,研究滑坡過程預(yù)警模型及其實(shí)現(xiàn)的關(guān)鍵技術(shù),在此基礎(chǔ)上,構(gòu)建一套混合架構(gòu)（B/S架構(gòu)、C/S架構(gòu)、移動App）的滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng),實(shí)現(xiàn)了地質(zhì)與地理、空間與屬性相結(jié)合的滑坡演化全過程一體化管理,利用計算機(jī)手段對滑坡實(shí)施全過程動態(tài)跟蹤的“過程預(yù)警”,有效地提高了滑坡預(yù)警精度。本文取得主要成果如下:（1）構(gòu)建滑坡“過程預(yù)警”模型及其自動求解算法:結(jié)合變形速率、速率增量、改進(jìn)切線角三個參數(shù),構(gòu)建基于滑坡變形演化過程的“過程預(yù)警”模型,從滑坡變形監(jiān)測數(shù)據(jù)入手,劃分監(jiān)測曲線類型,研究滑坡變形演化階段的自動識別理論及計算機(jī)技術(shù),實(shí)現(xiàn)對滑坡全過程動態(tài)跟蹤預(yù)警;（2）構(gòu)建監(jiān)測設(shè)備可靠度建立評價體系和多設(shè)備聯(lián)動預(yù)警機(jī)制:通過動態(tài)對監(jiān)測設(shè)備可靠度進(jìn)行評價,結(jié)合聯(lián)動預(yù)警機(jī)制,評價預(yù)警結(jié)論可信度,以提升監(jiān)測預(yù)警的成功率,利用計算機(jī)技術(shù)自動識別滑坡的變形演化過程,實(shí)現(xiàn)自動、實(shí)時的“過程預(yù)警”,為預(yù)警模型的業(yè)務(wù)化、自動化運(yùn)行提供理論與技術(shù)支撐;（3）提出監(jiān)測數(shù)據(jù)自動處理方法:研究實(shí)測監(jiān)測數(shù)據(jù)的預(yù)處理方法,為計算機(jī)自動處理監(jiān)測數(shù)據(jù)提供相關(guān)的算法。通過設(shè)置監(jiān)測數(shù)據(jù)過濾器和采用拉依達(dá)準(zhǔn)則實(shí)現(xiàn)對異常數(shù)據(jù)的初步過濾與粗差處理,再結(jié)合數(shù)據(jù)特征,分別采用移動平均法與最小二乘法對數(shù)據(jù)進(jìn)行擬合,識別數(shù)據(jù)表現(xiàn)出來的變形趨勢?；诒O(jiān)測數(shù)據(jù)曲線特征自動選擇相應(yīng)的數(shù)據(jù)處理方法,為后續(xù)預(yù)警模型計算提供更為準(zhǔn)確的數(shù)據(jù),提高預(yù)警精度;（4）構(gòu)建實(shí)時高效的監(jiān)測數(shù)據(jù)集成與共享統(tǒng)一管理平臺:結(jié)合物聯(lián)網(wǎng)、消息隊列、負(fù)載均衡等技術(shù),研究監(jiān)測數(shù)據(jù)編碼體系,提出一套基于MQTT協(xié)議的實(shí)時監(jiān)測數(shù)據(jù)傳輸與集成方案,實(shí)現(xiàn)多源異構(gòu)監(jiān)測數(shù)據(jù)終端集成和監(jiān)測數(shù)據(jù)采集、傳輸及匯集融合一體化管理,為監(jiān)測預(yù)警提供實(shí)時數(shù)據(jù)保障;（5）構(gòu)建基于策略的滑坡實(shí)時過程預(yù)警技術(shù):從模型的計算、預(yù)警的發(fā)布與解除等方面,將滑坡預(yù)警的理論模型與實(shí)際應(yīng)用相結(jié)合,研發(fā)預(yù)警等級求解器,構(gòu)建基于策略的預(yù)警模型通用計算框架,并從預(yù)警信息發(fā)布技術(shù)及發(fā)布策略方面進(jìn)行總結(jié),實(shí)現(xiàn)對滑坡的實(shí)時過程預(yù)警;（6）構(gòu)建滑坡變形演化全過程一體化數(shù)據(jù)管理平臺:基于“天-空-地”滑坡多元立體觀測技術(shù),采用WebGL技術(shù)跨平臺的三維數(shù)字地球,提供直觀、真實(shí)的三維實(shí)景漫游平臺,實(shí)現(xiàn)海量基礎(chǔ)數(shù)據(jù)、實(shí)時監(jiān)測數(shù)據(jù)、視頻的集成管理與共享,也為實(shí)時監(jiān)測預(yù)警系統(tǒng)提供一個功能強(qiáng)大、數(shù)據(jù)豐富的三維展示平臺,構(gòu)建基于滑坡演化全過程的一體化數(shù)據(jù)管理體系和滑坡綜合信息模型,為滑坡的專家預(yù)警決策提供數(shù)據(jù)支撐;（7）研發(fā)混合架構(gòu)體系的滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng):綜合集成上述研究成果,研究混合架構(gòu)體系（B/S、C/S、移動端）,基于微服務(wù)研發(fā)滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng),各個架構(gòu)系統(tǒng)密切配合,針對不同的功能需求,充分發(fā)揮各架構(gòu)的優(yōu)勢,構(gòu)建數(shù)據(jù)綜合展示統(tǒng)一平臺,為過程預(yù)警模型提供技術(shù)解決方案,實(shí)現(xiàn)滑坡監(jiān)測預(yù)警的業(yè)務(wù)化運(yùn)行,為滑坡的防治、應(yīng)急、搶險等提供基礎(chǔ)數(shù)據(jù)支撐與預(yù)警信息服務(wù)。
聶沛[3]（2020）在《空間數(shù)據(jù)分布式存儲與并行處理方法研究及其在林業(yè)領(lǐng)域的應(yīng)用》文中研究表明森林資源涉及的一系列環(huán)節(jié)都離不開客觀、現(xiàn)實(shí)、準(zhǔn)確的數(shù)據(jù),然而,傳統(tǒng)的森林資源監(jiān)測和調(diào)查方法已不能滿足快速準(zhǔn)確的數(shù)據(jù)需求,3S與計算機(jī)技術(shù)等現(xiàn)代化的分析管理技術(shù)在森林調(diào)查管理上扮演著愈發(fā)重要的作用。隨著3S技術(shù)的快速發(fā)展,全球每天都在集成大量的空間數(shù)據(jù),地理空間大數(shù)據(jù)時代已經(jīng)到來,對海量空間數(shù)據(jù)進(jìn)行高效組織存儲及快速處理成為研究熱點(diǎn),遙感影像及空間矢量作為典型的空間數(shù)據(jù),已被廣泛應(yīng)用于林業(yè)、軍事、測繪、交通等領(lǐng)域,許多研究者對這兩種空間數(shù)據(jù)展開分布式存儲與并行處理研究,取得了一定的成果,但在當(dāng)前研究中,沒有很好地結(jié)合數(shù)據(jù)特性設(shè)計存儲結(jié)構(gòu),更鮮有在優(yōu)化存儲的基礎(chǔ)上加速并行處理,因而當(dāng)面向體量更大的數(shù)據(jù)及實(shí)時性要求更高的應(yīng)用時,當(dāng)前研究將到達(dá)瓶頸。本文針對遙感影像及空間矢量數(shù)據(jù)在分布式存儲以及并行處理研究中的不足之處,基于大數(shù)據(jù)云計算技術(shù),開展遙感影像及空間矢量數(shù)據(jù)分布式存儲與并行處理方法研究,提出了高效快速的空間數(shù)據(jù)存儲模型及并行處理方法,并設(shè)計實(shí)現(xiàn)了數(shù)據(jù)存儲到處理的接口,最后將研究成果應(yīng)用到林業(yè)領(lǐng)域,并行反演森林植被覆蓋度。本文研究內(nèi)容如下:（1）研究遙感影像分布式存儲模型。為解決當(dāng)前存儲系統(tǒng)層次復(fù)雜、分塊策略固定等問題,基于HDFS設(shè)計實(shí)現(xiàn)一種高效的面向遙感影像分布式存儲模型-MapImage,模型存儲充分考慮影像像元數(shù)據(jù)、影像金字塔、元數(shù)據(jù)之間的聯(lián)系,同時針對處理算法訪問特性,提供按波段、按矩形塊、按行、按列的數(shù)據(jù)分片策略以供選擇,提高了系統(tǒng)的可用性。（2）研究空間矢量數(shù)據(jù)分布式存儲模型。當(dāng)前的存儲模型數(shù)據(jù)訪問I/O延時大,且沒有考慮矢量瓦片金字塔及其元數(shù)據(jù),為解決上述問題,基于內(nèi)存分布文件系統(tǒng)Alluxio設(shè)計實(shí)現(xiàn)一個兼容矢量瓦片金字塔的內(nèi)存級矢量分布式存儲模型-VectorTileStore,模型支持矢量瓦片及其元數(shù)據(jù)的存儲,存儲時對數(shù)據(jù)進(jìn)行網(wǎng)格索引,從而提供內(nèi)存級快速數(shù)據(jù)訪問接口。（3）研究空間數(shù)據(jù)并行處理方法。為加速空間數(shù)據(jù)處理,開展空間數(shù)據(jù)并行處理研究,首先對于數(shù)據(jù)金字塔構(gòu)建耗時這一問題,利用Spark進(jìn)行影像金字塔和矢量瓦片金字塔的并行構(gòu)建及并行載入分布式存儲模型;接著針對分布式存儲模型的特點(diǎn),設(shè)計實(shí)現(xiàn)相應(yīng)的并行輸入格式,基于并行輸入格式,Spark按需讀取存儲模型,過濾與算法無關(guān)的數(shù)據(jù),加速并行處理,本文實(shí)現(xiàn)了空間矢量并行查詢算法和遙感影像并行鑲嵌算法。（4）設(shè)計實(shí)現(xiàn)空間數(shù)據(jù)分布式存儲與并行處理接口。在空間數(shù)據(jù)分布式存儲模型及并行處理研究基礎(chǔ)上,設(shè)計實(shí)現(xiàn)遙感影像及空間矢量存儲、訪問、處理接口,闡述接口使用規(guī)則,形成一個從空間數(shù)據(jù)分布式存儲到并行處理的通用框架。（5）研究植被覆蓋度遙感并行反演方法。在提出的遙感影像分布式存儲模型及并行處理方法基礎(chǔ)上,結(jié)合植被覆蓋度反演的理論與方法,以東北林業(yè)大學(xué)帽兒山林場MODIS影像為研究對象,并行反演森林植被覆蓋度,提升反演時間效率。通過研究及實(shí)驗(yàn)分析表明,本文開展的空間數(shù)據(jù)分布式存儲與并行處理方法研究,能有效結(jié)合分布式存儲、并行計算技術(shù)理論與方法,實(shí)現(xiàn)遙感影像及空間矢量數(shù)據(jù)的分布式存儲與并行處理,較現(xiàn)有研究具有明顯優(yōu)勢,其中MapImage存取效率提升25.4%及36.9%,VectorTileStore存取效率提升11.4%及40.6%。最后將研究成果應(yīng)用到林業(yè)領(lǐng)域,開展森林植被覆蓋度遙感并行反演研究,提供一個新的林業(yè)信息化解決方案。
崔喆[4]（2019）在《基于網(wǎng)格索引的高速鐵路勘測數(shù)據(jù)管理研究》文中進(jìn)行了進(jìn)一步梳理目前我國高速鐵路事業(yè)發(fā)展正處于高速發(fā)展階段,由于高速鐵路勘測項目較多且勘測內(nèi)容復(fù)雜,產(chǎn)生了數(shù)量巨大且類型多樣的高速鐵路勘測數(shù)據(jù),這給勘測數(shù)據(jù)的檢索帶來很大困難。由于勘測項目具有地理特性,因此勘測數(shù)據(jù)也具有地理空間特性。鑒于以上具體情況,本文利用空間檢索技術(shù)來查詢高速鐵路勘測數(shù)據(jù),提出一種基于網(wǎng)格索引的空間數(shù)據(jù)檢索機(jī)制,利用Hilbert填充曲線對空間數(shù)據(jù)進(jìn)行編碼,在檢索時利用良好的條件對空間數(shù)據(jù)集進(jìn)行過濾,縮小空間數(shù)據(jù)的查詢匹配范圍,從而提高空間數(shù)據(jù)檢索效率。同時基于網(wǎng)格索引生成空間數(shù)據(jù)索引表的過程具有良好的并行性,本文利用MapReduce框架對其實(shí)現(xiàn)并行化,提升空間數(shù)據(jù)的索引生成效率。通過對比實(shí)驗(yàn)對提出的高速鐵路勘測數(shù)據(jù)檢索方法的性能進(jìn)行了測試,從空間數(shù)據(jù)索引表生成時間和空間數(shù)據(jù)檢索時間兩個方面證明此機(jī)制的優(yōu)越性。高速鐵路勘測數(shù)據(jù)具有數(shù)據(jù)量大、種類多樣、內(nèi)容復(fù)雜等特征,隨著對數(shù)據(jù)管理的要求越來越高,傳統(tǒng)的數(shù)據(jù)管理系統(tǒng)不能適應(yīng)當(dāng)前的應(yīng)用需求。本文從數(shù)據(jù)存儲量級、檢索速度、容災(zāi)性和擴(kuò)展性幾個方面進(jìn)行分析研究,提出數(shù)據(jù)管理系統(tǒng)采用非關(guān)系型數(shù)據(jù)庫和對象存儲相結(jié)合的數(shù)據(jù)存儲方案,提升大規(guī)?？睖y數(shù)據(jù)的存儲、查詢和管理的效率。針對高速鐵路勘測項目的管理主要存在兩個問題,其一是工作人員和工作流程不能統(tǒng)一管理,其二是各部門間的數(shù)據(jù)共享問題。本文對高速鐵路勘測項目業(yè)務(wù)流程進(jìn)行詳細(xì)分析,基于地理信息系統(tǒng)依據(jù)該流程開發(fā)高速鐵路勘測項目管理系統(tǒng),對高速鐵路勘測項目進(jìn)行統(tǒng)一管理,實(shí)現(xiàn)了外業(yè)測量用戶和內(nèi)業(yè)數(shù)據(jù)用戶的一體化管理,保證項目各崗位人員溝通方便及時,提高工作效率,同時實(shí)現(xiàn)對全院數(shù)據(jù)的可視化統(tǒng)一管理,消除部門間數(shù)據(jù)共享效率低下的弊端,并且使用戶更為直觀地瀏覽數(shù)據(jù),獲得信息。最后,通過設(shè)計測試大綱和界面測試等方法對高速鐵路勘測項目管理系統(tǒng)的功能和性能進(jìn)行了驗(yàn)證測試,結(jié)果表明其功能和性能符合預(yù)期設(shè)計。綜上所述,本文所提出的基于網(wǎng)格索引的高速鐵路勘測數(shù)據(jù)檢索機(jī)制和高速鐵路勘測項目管理系統(tǒng),使用戶通過GIS界面更加直觀地瀏覽信息,同時便捷的對高速鐵路勘測數(shù)據(jù)進(jìn)行存儲、查詢和管理。通過對項目的一體化管理,減少員工信息傳遞之后的現(xiàn)象,避免數(shù)據(jù)共享效率低下的弊端,提高員工工作效率。促進(jìn)高速鐵路建設(shè)的持續(xù)快速發(fā)展,為我國高速鐵路事業(yè)提供強(qiáng)有力的支持。
董元[5]（2019）在《大數(shù)據(jù)環(huán)境下的地質(zhì)災(zāi)害易發(fā)性評價研究》文中指出地質(zhì)災(zāi)害是一種嚴(yán)重影響經(jīng)濟(jì)建設(shè)、社會發(fā)展與人民生命財產(chǎn)安全的自然災(zāi)害,建立地質(zhì)災(zāi)害易發(fā)性評價模型和地質(zhì)災(zāi)害預(yù)警預(yù)報系統(tǒng)對保護(hù)人民財產(chǎn)安全和維護(hù)社會穩(wěn)定有著重要的意義。然而,地質(zhì)災(zāi)害的影響因素眾多,且不同影響因素之間相互作用,這也加劇了地質(zhì)災(zāi)害預(yù)警預(yù)報的難度。隨著測繪、遙感、傳感器等技術(shù)的發(fā)展,地質(zhì)災(zāi)害防控部門已經(jīng)累計了不同來源、不同類別的地質(zhì)災(zāi)害相關(guān)數(shù)據(jù)。如何綜合借助地質(zhì)災(zāi)害建模、空間分析、時空數(shù)據(jù)挖掘等理論方法,發(fā)展融合多源時空數(shù)據(jù)的地質(zhì)災(zāi)害易發(fā)性評價模型,并基于大數(shù)據(jù)技術(shù)建立靈活的、快捷的、可伸縮的地質(zhì)災(zāi)害易發(fā)性評價系統(tǒng),是地質(zhì)災(zāi)害防控部門迫切需要解決的問題。為此,本論文面向地質(zhì)災(zāi)害的快速預(yù)警預(yù)報需求,研究大數(shù)據(jù)環(huán)境下的地質(zhì)災(zāi)害易發(fā)性評價理論與方法,主要工作包括:（1）對國內(nèi)外地質(zhì)災(zāi)害建模、地質(zhì)災(zāi)害信息化等相關(guān)研究與進(jìn)展工作進(jìn)行了系統(tǒng)的歸納總結(jié),指出了當(dāng)前研究的的主要存在問題與面臨的關(guān)鍵挑戰(zhàn),從而明確了論文的主要研究內(nèi)容和研究思路。（2）針對大數(shù)據(jù)環(huán)境下的地質(zhì)災(zāi)害數(shù)據(jù)快速檢索問題,對大數(shù)據(jù)環(huán)境下的地質(zhì)災(zāi)害數(shù)據(jù)存儲格式進(jìn)行了定義和描述;發(fā)展了一種基于Geohash改進(jìn)的地質(zhì)災(zāi)害數(shù)據(jù)時空編碼方式;在此基礎(chǔ)上,對列式數(shù)據(jù)庫Hbase的Rowkey進(jìn)行拓展,從而發(fā)展了一種新的地質(zhì)災(zāi)害數(shù)據(jù)時空索引方法。（3）針對地質(zhì)災(zāi)害易發(fā)區(qū)的準(zhǔn)確評價問題,發(fā)展了一種融合多源時空數(shù)據(jù)的地質(zhì)災(zāi)害易發(fā)性綜合評價模型。首先,針對歷史地質(zhì)災(zāi)害數(shù)據(jù)的分布特征,發(fā)展了一種面向地質(zhì)災(zāi)害數(shù)據(jù)的時空密度聚類算法;進(jìn)而,綜合利用時空聚類與凸包構(gòu)建的方法,實(shí)現(xiàn)了歷史地質(zhì)災(zāi)害易發(fā)空間區(qū)域的自動探測;最后,充分考慮地質(zhì)災(zāi)害的不同影響因素,發(fā)展了一種基于關(guān)聯(lián)規(guī)則挖掘的地質(zhì)災(zāi)害易發(fā)性綜合評價模型,并對所提模型的可行性進(jìn)行了實(shí)驗(yàn)驗(yàn)證。（4）針對大數(shù)據(jù)環(huán)境下地質(zhì)災(zāi)害易發(fā)性評價的計算效率問題,解決地質(zhì)災(zāi)害易發(fā)性評價模型關(guān)鍵算法的并行化實(shí)現(xiàn)問題。針對模型中的空間疊加分析算法,利用MapReduce解決了多邊形疊加計算中的空間檢索、疊加匹配負(fù)載平衡、跨界多邊形處理等關(guān)鍵問題,從而保證了大數(shù)據(jù)環(huán)境下地質(zhì)災(zāi)害易發(fā)性評價算法的計算性能。（5）面向地質(zhì)災(zāi)害預(yù)警預(yù)報的實(shí)際需求,設(shè)計了地質(zhì)災(zāi)害易發(fā)性評價系統(tǒng)的系統(tǒng)架構(gòu)與主要功能,搭建一個輕量級、高效的、可擴(kuò)展的地質(zhì)災(zāi)害大數(shù)據(jù)管理與決策支持系統(tǒng),借助Lily、Hbase等大數(shù)據(jù)技術(shù)上實(shí)現(xiàn)地質(zhì)災(zāi)害易發(fā)性評價的原型系統(tǒng)。（6）全面總結(jié)了本論文的研究成果與主要創(chuàng)新點(diǎn),并對論文中尚有待深入研究的工作進(jìn)行了展望。
李瀚[6]（2019）在《面向矢量瓦片的高效空間數(shù)據(jù)處理技術(shù)的研究與實(shí)現(xiàn)》文中研究表明隨著地圖測繪技術(shù)的發(fā)展,原始地圖數(shù)據(jù)量呈現(xiàn)爆炸式增長,對地圖數(shù)據(jù)處理的空間及時間效率提出了更高需求。面對此需求,提出了面向矢量瓦片的矢量數(shù)據(jù)高效并行切片技術(shù),在海量矢量數(shù)據(jù)的高效處理上,本課題提出了一種可行的方法,實(shí)驗(yàn)結(jié)果表明,此并行處理技術(shù)在提高矢量數(shù)據(jù)切片效率上有顯著效果。首先,本文從矢量數(shù)據(jù)模型以及矢量要素處理策略兩方面對矢量切片策略進(jìn)行了研究,確定了面向分布式的矢量數(shù)據(jù)存儲模型以及分別針對點(diǎn)線面空間實(shí)體要素的處理策略。在此基礎(chǔ)上,本文對矢量瓦片的高性能存儲模型、矢量數(shù)據(jù)并行處理方法以及基于Map-Reduce的并行處理支撐技術(shù)進(jìn)行了研究。基于上述模型、策略、算法的研究,本文提出了矢量瓦片高效處理服務(wù)的總體架構(gòu),分別從底層支撐平臺、中間服務(wù)層設(shè)計以及應(yīng)用層多線程/進(jìn)程的執(zhí)行設(shè)計三個方面進(jìn)行描述,并在文中設(shè)計了矢量數(shù)據(jù)、矢量瓦片的存儲模型,分布式并行切片方案以及作為適配的矢量瓦片上傳服務(wù)實(shí)現(xiàn)。最后,本文進(jìn)行了傳統(tǒng)切圖實(shí)驗(yàn)以及多機(jī)并行切圖實(shí)驗(yàn),并對實(shí)驗(yàn)結(jié)果進(jìn)行對比分析。本課題的實(shí)驗(yàn)數(shù)據(jù)源為原始地圖矢量數(shù)據(jù),矢量數(shù)據(jù)經(jīng)過切片以及瓦片服務(wù)上傳至數(shù)據(jù)存儲平臺（Hbase）進(jìn)行顯示,而傳統(tǒng)的切片工具,海量矢量數(shù)據(jù)切圖往往需要數(shù)周甚至更多的時間,那么針對矢量數(shù)據(jù)特性進(jìn)行合理的任務(wù)劃分,通過并行分布式處理服務(wù)進(jìn)行分布式切圖,并且在服務(wù)端進(jìn)行并行上傳,可以大幅度提升矢量數(shù)據(jù)整體處理效率。
李聰仁[7]（2018）在《基于Geotrellis的遙感影像數(shù)據(jù)存儲與檢索模型設(shè)計與實(shí)現(xiàn)》文中研究表明鑒于遙感數(shù)據(jù)多尺度、多時相、全球覆蓋率和高分辨率等特征,遙感數(shù)據(jù)的數(shù)據(jù)量呈現(xiàn)爆炸性的增長。這樣就加大了對遙感數(shù)據(jù)進(jìn)行存儲與檢索的難度,由于遙感數(shù)據(jù)格式各異、文件數(shù)據(jù)量大、處理流程復(fù)雜、遙感數(shù)據(jù)種類多、遙感影像展示和發(fā)布困難等諸多問題,因此,遙感影像數(shù)據(jù)在傳輸、存儲、管理、數(shù)據(jù)共享、數(shù)據(jù)檢索、數(shù)據(jù)處理、數(shù)據(jù)發(fā)布等各個方面臨著極大的阻礙,特別是在遙感存儲與檢索方面,面臨存儲效率低、數(shù)據(jù)檢索緩慢等問題,因此,遙感影像的存儲與檢索成為制約遙感應(yīng)用的主要瓶頸和對地觀測應(yīng)用技術(shù)的迫切需求。本文針對海量、異構(gòu)、多源遙感數(shù)據(jù)難以高效存儲和快速檢索的問題,研究了一個基于Geotrellis遙感影像數(shù)據(jù)存儲和檢索模型設(shè)計與實(shí)現(xiàn),總體而言,論文的主要工作包括以下幾個方面:（1）本文采用了Raster Frame柵格框架,將Spark DataFrames的強(qiáng)大地理功能,由Geotrellis的切片層提供元數(shù)據(jù)信息的技術(shù)支持,以Spark Catalyst數(shù)據(jù)類型靈活性和易用性來處理分析時空柵格數(shù)據(jù),采用了用戶定義類型TileUDF以Spark Catalyst引擎對Geotrellis進(jìn)行編碼,生成GeoTrellis Layers的入庫元數(shù)據(jù)信息。（2）本文基于Geotrellis地理處理框架工具,實(shí)現(xiàn)了遙感影像元數(shù)據(jù)結(jié)構(gòu)化顯示、遙感影像快速入庫、遙感影像金字塔并行構(gòu)建。采用Geotrellis地理數(shù)據(jù)存儲框架,可以使遙感數(shù)據(jù)一站式快速存儲,大大提高了遙感數(shù)據(jù)的存儲效率。采用分布式數(shù)據(jù)庫Accumulo、Hbase和分布式文件系統(tǒng)HDFS作為Geotrellis地理數(shù)據(jù)框架的后端,豐富了存儲框架的多樣性。并采用了三種空間填充曲線的索引方法構(gòu)建影像金字塔,通過采用Geotrellis不同的構(gòu)建影像金字塔的參數(shù),從而達(dá)到一站式高效存儲遙感影像的目的。（3）本文提出了在地理大數(shù)據(jù)框架Geotrellis的存儲端HBase的遙感影像分布式存儲與查詢方案。這種解決方案對遙感影像進(jìn)行快速切分,并根據(jù)切分影像設(shè)計了一種基于切片ID和屬性數(shù)據(jù)相結(jié)合的索引解決方案。然后,通過利用HBase的過濾機(jī)制設(shè)計了過濾列族,達(dá)到了在查詢時篩選數(shù)據(jù)的目的。（4）本文采用開源柵格空間數(shù)據(jù)轉(zhuǎn)換庫（GDAL）和緩存WMS（Web Map Service）Tile的開源項目（GeoWebCache）進(jìn)行柵格影像切片,將切片存儲到Geotrellis的后端中,利用Akka多進(jìn)程訪問機(jī)制將瓦片遙感數(shù)據(jù)通過Leaflet的JavaScript地圖開源庫發(fā)布WMS地圖服務(wù),也可以將瓦片數(shù)據(jù)通過OpenLayers前端加載GeoWebCache的切片影像數(shù)據(jù),再通過Cesium加載瓦片影像數(shù)據(jù),將遙感數(shù)據(jù)可視化。（5）通過不同平臺、不同空間索引技術(shù)和不同文件系統(tǒng)遙感影像金字塔入庫的對比可以看出,基于Geotrellis遙感影像的存儲模型的效率更高,更加適合遙感影像元數(shù)據(jù)的索引創(chuàng)建。本文又對比了不同索引瓦片數(shù)據(jù)的查詢效率,本文采用基于HBase的二級索引機(jī)制,在查詢占比不高的情況下,查詢效率高于Z-Order空間索引的查詢效率,有助于在查詢條目少的情況下,更加高效地對瓦片數(shù)據(jù)高效的檢索。
李富貴[8]（2018）在《基于大數(shù)據(jù)技術(shù)的政府績效信息使用研究》文中提出隨著政府績效管理理論和實(shí)踐的不斷探索,學(xué)術(shù)界積累了豐富的研究成果,呈現(xiàn)欣欣向榮的發(fā)展態(tài)勢。同時績效管理尚存在較多的問題,理論研究和實(shí)踐探索開始進(jìn)入反思階段。國內(nèi)外學(xué)者越來越聚焦于績效管理循環(huán)的終端,更加關(guān)注績效結(jié)果對公共組織及社會服務(wù)的影響,關(guān)注績效信息與數(shù)據(jù)對內(nèi)部管理及外部責(zé)任所產(chǎn)生的效應(yīng)。由此便開啟了值得績效管理學(xué)界進(jìn)一步研究和探討的問題:政府如何更好的使用績效信息,提高績效管理的質(zhì)量和效益。政府績效管理存在諸多困境和挑戰(zhàn),亟需進(jìn)行更深層的變革,實(shí)現(xiàn)方式改進(jìn)和系統(tǒng)建構(gòu)。采用新的研究方法和視角來促進(jìn)績效信息使用的研究,對實(shí)現(xiàn)政府績效管理的有效性、科學(xué)性和可持續(xù)性有著重要的意義。隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展,大數(shù)據(jù)成為主流浪潮。大數(shù)據(jù)的引入將是未來政府績效管理理論研究和實(shí)踐發(fā)展的方向?？冃畔⑹褂迷诶碚摵蛯?shí)踐中存在的問題是本文的研究起點(diǎn)?；趯冃畔⑹褂美碚摰姆治?本研究嘗試?yán)碚摵图夹g(shù)相結(jié)合,以大數(shù)據(jù)技術(shù)的視角分析績效信息使用這一具體問題。本文圍繞績效信息來源的使用和績效信息結(jié)果的使用兩個維度,建構(gòu)大數(shù)據(jù)視角下政府績效信息使用的分析框架,再結(jié)合案例分析大數(shù)據(jù)技術(shù)對促進(jìn)績效信息使用的作用機(jī)理與效應(yīng),驗(yàn)證大數(shù)據(jù)技術(shù)對績效信息使用質(zhì)量和效益的影響。本文主要研究內(nèi)容包括:導(dǎo)論部分梳理有關(guān)績效信息使用的理論表達(dá)和實(shí)踐指向,提出本文的研究目的和價值,設(shè)計研究思路和研究方法。第二章,通過對政府績效信息使用的理論與實(shí)踐分析,厘清政府績效信息使用的價值、方式和影響因素?？偨Y(jié)目前政府績效管理實(shí)踐中績效信息使用存在問題與解決對策,為后續(xù)構(gòu)建面向大數(shù)據(jù)的績效信息使用機(jī)制提供啟示和思路。第三章,為解決績效信息使用客觀性和科學(xué)性的問題,本部分嘗試以大數(shù)據(jù)技術(shù)的視角分析績效信息使用,側(cè)重從大數(shù)據(jù)技術(shù)分析促進(jìn)績效信息使用過程中的技術(shù)和方法,并從績效信息來源的使用和績效信息結(jié)果的使用兩個維度嘗試構(gòu)建政府績效信息使用系統(tǒng)模型。第四章,以X市J區(qū)行政服務(wù)中心作為典型案例,深入剖析大數(shù)據(jù)技術(shù)應(yīng)用于績效信息來源使用中的主要方法、技術(shù)、流程和作用機(jī)理,以解決績效信息客觀性的問題。第五章,以X市財政綜合信息系統(tǒng)為例,從決策者的宏觀管理的視角出發(fā),探討如何利用大數(shù)據(jù)技術(shù),促進(jìn)財稅業(yè)務(wù)的數(shù)據(jù)和績效信息的使用,為政府部門提供決策支持分析,提升績效信息使用科學(xué)性。結(jié)論部分是對全文進(jìn)行總結(jié)性闡述,歸納文章的創(chuàng)新與不足,提出未來研究展望。本文研究結(jié)論如下:第一,從技術(shù)角度驗(yàn)證了跨學(xué)科研究績效信息使用的可行性。通過嘗試不同學(xué)科結(jié)合的分析思路,較好的驗(yàn)證了跨學(xué)科的技術(shù)分析和理論研究具有可行性。第二,從案例分析的視角考證了大數(shù)據(jù)應(yīng)用于績效信息使用的可操作性。透過典型案例本文驗(yàn)證了大數(shù)據(jù)技術(shù)下績效信息使用的流程、方法和效果,增強(qiáng)了理論分析的說服力,也佐證了大數(shù)據(jù)技術(shù)在實(shí)踐中具備較強(qiáng)的可操作性。第三,面向大數(shù)據(jù)的政府績效信息使用分析框架具備解釋力。在借鑒大數(shù)據(jù)工具和系統(tǒng)架構(gòu)的基礎(chǔ)上,本文構(gòu)建了大數(shù)據(jù)技術(shù)下的政府績效信息使用系統(tǒng)模型。該分析框架既符合當(dāng)前大數(shù)據(jù)應(yīng)用的技術(shù)實(shí)際,同時也能很好的將大數(shù)據(jù)工具和績效信息研究客體有機(jī)銜接起來,具有較好的解釋力。第四,本文驗(yàn)證了大數(shù)據(jù)技術(shù)能夠提升績效信息來源的質(zhì)量,提高績效信息的客觀性。在績效信息來源使用維度,案例分析驗(yàn)證了大數(shù)據(jù)的采集和預(yù)處理技術(shù)能夠?qū)崿F(xiàn)信息采集與預(yù)處理的自動化、實(shí)時化和多樣化,提升績效信息客觀性。第五,大數(shù)據(jù)有助提升績效信息結(jié)果使用質(zhì)量和效益。在績效信息結(jié)果使用維度,大數(shù)據(jù)的分布式計算和分析處理技術(shù)能夠輔助決策支持系統(tǒng),信息使用面向能夠從微觀管理轉(zhuǎn)向決策支持,實(shí)現(xiàn)績效信息使用的科學(xué)性,提高政府管理決策的質(zhì)量。
周艷柳[9]（2018）在《基于Hadoop的地理元語義對象時空數(shù)據(jù)模型構(gòu)建方法研究》文中認(rèn)為隨著物聯(lián)網(wǎng)技術(shù)和移動設(shè)備的迅猛發(fā)展和普及應(yīng)用,時空數(shù)據(jù)規(guī)模急劇膨脹,如何對海量、多源異構(gòu)的地理時空數(shù)據(jù)進(jìn)行完整且高效地表達(dá)與管理迫在眉睫。常規(guī)的地理時空數(shù)據(jù)組織方法主要以點(diǎn)、線、面、體等要素對復(fù)雜地理實(shí)體進(jìn)行表達(dá),容易忽略地理實(shí)體的屬性與語義之間的關(guān)聯(lián)信息;同時,GIS多采用單機(jī)關(guān)系型數(shù)據(jù)庫系統(tǒng)存儲時空數(shù)據(jù),其可擴(kuò)展性與可靠性較差。因此,針對以上兩個問題,本文將地理空間實(shí)體構(gòu)成簡化為最小邏輯單元---元語義對象,并結(jié)合Hadoop框架及其HBase列存儲數(shù)據(jù)庫、MapReduce并行運(yùn)算模塊,設(shè)計基于Hadoop的地理元語義對象時空數(shù)據(jù)模型,研究地理時空數(shù)據(jù)分布式存儲與檢索方法。論文主要對以下幾個方面展開研究:（1）地理空間實(shí)體信息的對象化表達(dá)與封裝方法。基于開源云平臺Hadoop,并結(jié)合面向?qū)ο蠓椒ê驼Z義約束模型將地理實(shí)體的構(gòu)成分解為元語義對象（MSO）、組合語義對象（CSO）和聚合語義對象（ASO）,對各類型語義對象的屬性集、幾何特征、方法集以及語義關(guān)系進(jìn)行對象化表達(dá),為地理時空數(shù)據(jù)組織提供理論方法支撐。（2）基于Hadoop的地理元語義對象時空數(shù)據(jù)模型構(gòu)建方法。深入探討元語義對象之間的空間度量關(guān)系、拓?fù)潢P(guān)系計算方法,確定元語義對象為時空信息最基本的組織單元,構(gòu)建基于Hadoop的元語義時空數(shù)據(jù)模型（HSSTModel）,通過模型表達(dá)元語義對象和時空對象的時間、空間以及屬性信息。（3）Hadoop架構(gòu)下地理時空數(shù)據(jù)組織方法。通過分析GIS時空數(shù)據(jù)特征,基于地理時空信息分布式存儲框架,設(shè)計以元語義對象（MSO）為最小存儲單元的HBase數(shù)據(jù)庫物理存儲結(jié)構(gòu),對時空對象存取方法作詳細(xì)闡述,并構(gòu)建VCP-Tree時空索引結(jié)構(gòu)以提高時空數(shù)據(jù)查詢效率。（4）HSSTModel模型在交通時空數(shù)據(jù)組織與查詢中的應(yīng)用。根據(jù)交通時空信息特點(diǎn),利用基于Hadoop的元語義時空數(shù)據(jù)模型對交通時空數(shù)據(jù)進(jìn)行組織與存儲,最后通過實(shí)驗(yàn)驗(yàn)證VCP-Tree索引的數(shù)據(jù)存儲與檢索效率。本文通過構(gòu)建基于Hadoop的地理元語義對象時空數(shù)據(jù)模型,并在此基礎(chǔ)上研究時空信息分布式存儲與檢索方法,實(shí)現(xiàn)了大規(guī)模地理時空數(shù)據(jù)的有效組織與管理,為日益增長的復(fù)雜地理時空信息在計算機(jī)存儲過程中出現(xiàn)的可擴(kuò)展和可操作問題提供新的解決思路。
左堯,王少華,鐘耳順,蔡文文[10]（2017）在《高性能GIS研究進(jìn)展及評述》文中指出互聯(lián)網(wǎng)技術(shù)的發(fā)展使地理信息技術(shù)得到了前所未有的發(fā)展和應(yīng)用,地理信息計算呈現(xiàn)出計算速度快、運(yùn)行效率高、應(yīng)用多樣化的發(fā)展特征。而隨著計算機(jī)硬件性能飛速提升,傳統(tǒng)的GIS數(shù)據(jù)處理方式并不能與之匹配,各種缺陷與弊端逐漸顯現(xiàn),亟待更高效的數(shù)據(jù)處理方式。目前,以并行集群計算技術(shù)和分布式網(wǎng)絡(luò)技術(shù)為代表的高性能計算的出現(xiàn),為這些問題的解決帶來了新思路,并逐漸發(fā)展形成了新一代的多核并行高性能計算系統(tǒng)。當(dāng)前,如何利用新型硬件體系結(jié)構(gòu)帶來的計算能力,研究新一代高性能GIS計算系統(tǒng),解決現(xiàn)在所面臨的時空數(shù)據(jù)密集和計算密集問題成為重要挑戰(zhàn)。高性能計算是基于一組或幾組計算機(jī)系統(tǒng)組成的集群,通過網(wǎng)絡(luò)連接組成超級計算系統(tǒng)以加強(qiáng)數(shù)據(jù)處理、分析計算性能的一種技術(shù)。在實(shí)際應(yīng)用中,逐漸形成Hadoop,Spark和Storm 3大主流分布式高性能計算系統(tǒng),它們?nèi)吒骶邇?yōu)缺點(diǎn)。本文從高性能GIS算法、并行GIS計算、內(nèi)存計算和眾核計算4個方面梳理、歸納總結(jié)了高性能GIS的技術(shù)體系,分析了每類高性能GIS技術(shù)特征,綜合分析、評述了近年來高性能GIS的研究進(jìn)展,并對高性能GIS未來發(fā)展進(jìn)行展望,為更完備、高效的高性能GIS體系的建立、發(fā)展和應(yīng)用提供參考。今后,并行GIS計算、高性能計算模式和分布式存儲仍然是GIS技術(shù)領(lǐng)域發(fā)展的重要方向,通過高性能GIS系統(tǒng)可有效地解決時空數(shù)據(jù)密集、計算密集和網(wǎng)絡(luò)通訊密集等問題,大大提升GIS地理分析效率。
二、大型GIS海量數(shù)據(jù)分布式組織與管理（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實(shí)現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計。
定性分析法：對研究對象進(jìn)行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認(rèn)識進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對某一課題進(jìn)行研究。
功能分析法：這是社會科學(xué)用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、大型GIS海量數(shù)據(jù)分布式組織與管理（論文提綱范文）
（1）分布式移動網(wǎng)絡(luò)環(huán)境下大規(guī)?？臻g社交媒體數(shù)據(jù)快速增強(qiáng)現(xiàn)實(shí)可視化研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景 |
| 1.1.1 增強(qiáng)現(xiàn)實(shí)技術(shù) |
| 1.1.2 大數(shù)據(jù)特征 |
| 1.2 研究現(xiàn)狀綜述 |
| 1.2.1 戶外增強(qiáng)現(xiàn)實(shí)技術(shù) |
| 1.2.2 增強(qiáng)現(xiàn)實(shí)地圖研究 |
| 1.2.3 相關(guān)研究進(jìn)展分析 |
| 1.3 研究內(nèi)容與技術(shù)路線 |
| 1.3.1 研究內(nèi)容與關(guān)鍵問題 |
| 1.3.2 研究思路與技術(shù)路線 |
| 1.3.3 論文組織結(jié)構(gòu) |
| 第2章 空間社交媒體數(shù)據(jù)存儲規(guī)范 |
| 2.1 大規(guī)?？臻g社交媒體數(shù)據(jù)存儲方案 |
| 2.1.1 關(guān)系型空間數(shù)據(jù)存儲方案 |
| 2.1.2 分布式NoSQL數(shù)據(jù)存儲 |
| 2.2 空間社交媒體數(shù)據(jù)NoSQL表達(dá) |
| 2.2.1 空間數(shù)據(jù)的JSON表達(dá) |
| 2.2.2 社交媒體數(shù)據(jù)的空間描述 |
| 2.3 典型空間社交媒體數(shù)據(jù)存儲規(guī)范 |
| 2.3.1 文本數(shù)據(jù)類型存儲規(guī)范 |
| 2.3.2 圖像數(shù)據(jù)類型存儲規(guī)范 |
| 2.3.3 音頻數(shù)據(jù)類型存儲規(guī)范 |
| 2.3.4 視頻數(shù)據(jù)類型存儲規(guī)范 |
| 2.3.5 三維模型數(shù)據(jù)類型存儲規(guī)范 |
| 第3章 基于穩(wěn)態(tài)Z曲線的空間社交媒體數(shù)據(jù)分布式存儲 |
| 3.1 穩(wěn)態(tài)Z曲線的編碼構(gòu)建 |
| 3.1.1 分布式數(shù)據(jù)庫分片鍵值選擇 |
| 3.1.2 空間數(shù)據(jù)劃分的穩(wěn)態(tài)Z曲線構(gòu)建 |
| 3.2 基于穩(wěn)態(tài)Z曲線的常見空間查詢 |
| 3.2.1 K最近鄰查詢 |
| 3.2.2 點(diǎn)線面空間查詢 |
| 3.3 基于穩(wěn)態(tài)Z曲線的負(fù)載均衡劃分方法 |
| 3.3.1 負(fù)載均衡數(shù)據(jù)劃分方法 |
| 3.3.2 實(shí)驗(yàn)結(jié)果對比分析 |
| 第4章 移動增強(qiáng)現(xiàn)實(shí)前端可視化空間構(gòu)建 |
| 4.1 空間社交媒體可視化空間 |
| 4.1.1 移動增強(qiáng)現(xiàn)實(shí)坐標(biāo)系統(tǒng) |
| 4.1.2 移動增強(qiáng)現(xiàn)實(shí)前端可視化空間構(gòu)建 |
| 4.1.3 移動增強(qiáng)現(xiàn)實(shí)三層可視化空間 |
| 4.2 基于卡爾曼濾波的球面三維注冊 |
| 4.2.1 空間社交媒體數(shù)據(jù)的球面投影 |
| 4.2.2 基于卡爾曼濾波算法相機(jī)姿態(tài)修正 |
| 4.3 大規(guī)模社交圖片檢索時空耦合算法 |
| 4.3.1 基于圖像自然特征的增強(qiáng)現(xiàn)實(shí)可視化空間 |
| 4.3.2 社交圖片搜索的時空耦合算法原理描述 |
| 4.3.3 圖像檢索算法測試案例 |
| 第5章 空間社交媒體數(shù)據(jù)增強(qiáng)現(xiàn)實(shí)多級緩存機(jī)制 |
| 5.1 增強(qiáng)現(xiàn)實(shí)多級緩存架構(gòu) |
| 5.1.1 分布式高速讀寫與高并發(fā)訪問問題 |
| 5.1.2 增強(qiáng)現(xiàn)實(shí)多級緩存架構(gòu)體系 |
| 5.2 基于空間鄰近性的增強(qiáng)現(xiàn)實(shí)緩存管理 |
| 5.2.1 常見緩存管理策略問題分析 |
| 5.2.2 基于空間鄰近性的緩存預(yù)調(diào)度策略 |
| 5.2.3 增強(qiáng)現(xiàn)實(shí)緩存策略試驗(yàn)與分析 |
| 5.3 增強(qiáng)現(xiàn)實(shí)云端熱點(diǎn)探測與緩存調(diào)度 |
| 5.3.1 局部熱點(diǎn)數(shù)據(jù)探測與緩存調(diào)度 |
| 5.3.2 云端緩存命中率測試與分析 |
| 第6章 大規(guī)?？臻g社交媒體數(shù)據(jù)并行處理框架 |
| 6.1 大數(shù)據(jù)時代的計算特征 |
| 6.1.1 大數(shù)據(jù)技術(shù) |
| 6.1.2 云計算技術(shù) |
| 6.1.3 高性能計算 |
| 6.2 大規(guī)?？臻g社交媒體數(shù)據(jù)并行計算方法 |
| 6.2.1 并行計算算法代數(shù)假設(shè) |
| 6.2.2 并行計算算法代數(shù)定義 |
| 6.2.3 并行計算算法代數(shù)運(yùn)算謂詞 |
| 6.3 大規(guī)模空間社交媒體數(shù)據(jù)并行計算架構(gòu) |
| 6.3.1 空間社交媒體數(shù)據(jù)并行計算框架 |
| 6.3.2 計算任務(wù)主從并行調(diào)度模式 |
| 6.3.3 空間社交媒體數(shù)據(jù)并行處理實(shí)例 |
| 第7章 原型系統(tǒng)設(shè)計與實(shí)現(xiàn) |
| 7.1 移動增強(qiáng)現(xiàn)實(shí)原型系統(tǒng) |
| 7.1.1 原型系統(tǒng)概述 |
| 7.1.2 前后端架構(gòu)設(shè)計 |
| 7.2 原型系統(tǒng)空間界面交互設(shè)計 |
| 7.2.1 增強(qiáng)現(xiàn)實(shí)人機(jī)交互設(shè)計 |
| 7.2.2 空間社交媒體數(shù)據(jù)界面設(shè)計 |
| 7.3 原型系統(tǒng)增強(qiáng)現(xiàn)實(shí)可視化測試 |
| 7.3.1 增強(qiáng)現(xiàn)實(shí)可視化效果演示 |
| 7.3.2 原型系統(tǒng)性能測試 |
| 第8章 結(jié)論與展望 |
| 8.1 研究結(jié)論 |
| 8.2 研究創(chuàng)新點(diǎn) |
| 8.3 前景展望 |
| 參考文獻(xiàn) |
| 已發(fā)表的研究成果 |
| 致謝 |
（2）滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng)關(guān)鍵技術(shù)及其應(yīng)用研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 選題依據(jù)及研究意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 滑坡監(jiān)測預(yù)警模型研究 |
| 1.2.2 滑坡位移監(jiān)測數(shù)據(jù)處理方法研究 |
| 1.2.3 數(shù)據(jù)質(zhì)量評價方法研究 |
| 1.2.4 滑坡監(jiān)測預(yù)警系統(tǒng)研究 |
| 1.2.5 混合架構(gòu)在監(jiān)測預(yù)警領(lǐng)域中的應(yīng)用研究 |
| 1.3 主要存在的問題 |
| 1.4 主要研究內(nèi)容 |
| 1.4.1 滑坡監(jiān)測預(yù)警方法研究 |
| 1.4.2 滑坡監(jiān)測預(yù)警系統(tǒng)關(guān)鍵技術(shù)研究 |
| 1.4.3 基于WebGL技術(shù)的三維數(shù)字地球的研究 |
| 1.4.4 混合架構(gòu)體系的滑坡監(jiān)測預(yù)警系統(tǒng)研究 |
| 1.5 研究路線 |
| 1.6 本論文特色及創(chuàng)新點(diǎn) |
| 1.7 完成的主要工作 |
| 第2章 基于變形演化過程的滑坡預(yù)警技術(shù) |
| 2.1 概述 |
| 2.2 滑坡變形演化過程的一般特征 |
| 2.3 基于變形過程的滑坡預(yù)警模型 |
| 2.4 滑坡變形演化階段自動識別 |
| 2.4.1 改進(jìn)切線角自動求解方法 |
| 2.4.1.1 改進(jìn)切線角模型 |
| 2.4.1.2 離散小波變換提取曲線特征 |
| 2.4.2 常見監(jiān)測曲線類型與識別 |
| 2.4.2.1 平穩(wěn)型(T11) |
| 2.4.2.2 穩(wěn)定型(T21) |
| 2.4.2.3 震蕩型(T22) |
| 2.4.2.4 遞增型(T31) |
| 2.4.2.5 指數(shù)型(T32) |
| 2.4.2.6 突變型(T33) |
| 2.5 多設(shè)備聯(lián)動預(yù)警機(jī)制 |
| 2.5.1 監(jiān)測設(shè)備分組 |
| 2.5.2 監(jiān)測設(shè)備可靠度動態(tài)評價體系TRIP |
| 2.5.3 預(yù)警結(jié)論可信度 |
| 2.5.4 聯(lián)動預(yù)警案例分析 |
| 2.6 本章小結(jié) |
| 第3章 滑坡監(jiān)測數(shù)據(jù)自動處理方法 |
| 3.1 異常數(shù)據(jù)自動處理 |
| 3.1.1 監(jiān)測數(shù)據(jù)過濾器 |
| 3.1.2 異常數(shù)據(jù)處理方法 |
| 3.1.2.1 粗差數(shù)據(jù)的處理 |
| 3.1.2.2 雨量監(jiān)測數(shù)據(jù)常見問題 |
| 3.2 監(jiān)測數(shù)據(jù)的擬合處理 |
| 3.2.1 移動平均法 |
| 3.2.2 最小二乘法 |
| 3.3 數(shù)據(jù)處理方法適用范圍研究 |
| 3.3.1 數(shù)據(jù)消噪處理 |
| 3.3.2 儀器誤差處理 |
| 3.3.3 滑坡失穩(wěn)階段的數(shù)據(jù)處理 |
| 3.4 監(jiān)測數(shù)據(jù)等時間間隔處理 |
| 3.4.1 狀態(tài)量數(shù)據(jù) |
| 3.4.2 累積量數(shù)據(jù) |
| 3.5 本章小結(jié) |
| 第4章 滑坡監(jiān)測數(shù)據(jù)實(shí)時集成與共享技術(shù) |
| 4.1 高可靠數(shù)據(jù)集成與共享技術(shù) |
| 4.1.1 高級消息隊列協(xié)議(AMQP) |
| 4.1.2 消息隊列遙測傳輸(MQTT) |
| 4.1.3 高并發(fā)下的高可靠數(shù)據(jù)分發(fā)與共享 |
| 4.2 基于MQTT協(xié)議的多源異構(gòu)監(jiān)測數(shù)據(jù)實(shí)時集成技術(shù) |
| 4.2.1 兩種數(shù)據(jù)集成技術(shù) |
| 4.2.1.1 基于ETL模式的批處理集成 |
| 4.2.1.2 基于MQTT協(xié)議的流處理集成 |
| 4.2.2 基于MQTT協(xié)議的數(shù)據(jù)集成體系 |
| 4.2.2.1 數(shù)據(jù)流模型 |
| 4.2.2.2 負(fù)載均衡中的會話保持 |
| 4.3 海量數(shù)據(jù)存取優(yōu)化方案 |
| 4.3.1 分詞技術(shù) |
| 4.3.2 倒排索引 |
| 4.3.3 海量數(shù)據(jù)存取優(yōu)化方案 |
| 4.4 本章小結(jié) |
| 第5章 基于策略的滑坡實(shí)時過程預(yù)警技術(shù) |
| 5.1 基于策略的預(yù)警模型計算框架 |
| 5.1.1 預(yù)警計算流程 |
| 5.1.2 預(yù)警模型管理 |
| 5.1.3 通用模型計算框架研究 |
| 5.1.4 預(yù)警等級求解器的設(shè)計與實(shí)現(xiàn) |
| 5.1.4.1 求解器計算流程 |
| 5.1.4.2 多線程預(yù)警技術(shù) |
| 5.1.5 過程預(yù)警成果展示 |
| 5.2 預(yù)警的發(fā)布與解除 |
| 5.2.1 預(yù)警信息自動發(fā)布技術(shù) |
| 5.2.2 預(yù)警信息發(fā)送規(guī)則 |
| 5.2.3 預(yù)警信息解除 |
| 5.3 本章小結(jié) |
| 第6章 滑坡綜合數(shù)據(jù)一體化管理技術(shù) |
| 6.1 滑坡空間數(shù)據(jù)集成體系研究 |
| 6.1.1 多源異構(gòu)空間數(shù)據(jù)預(yù)處理 |
| 6.1.2 空間數(shù)據(jù)庫的選擇 |
| 6.1.3 空間數(shù)據(jù)服務(wù)平臺 |
| 6.1.4 空間數(shù)據(jù)集成體系 |
| 6.2 基于WebGL技術(shù)的三維數(shù)字地球 |
| 6.2.1 WebGL技術(shù) |
| 6.2.2 三維平臺的選擇 |
| 6.2.3 三維模型高精度集成技術(shù) |
| 6.2.4 三維數(shù)字地球應(yīng)用效果 |
| 6.3 基于國標(biāo)的視頻設(shè)備集成體系 |
| 6.3.1 數(shù)據(jù)傳輸協(xié)議 |
| 6.3.2 視頻監(jiān)控統(tǒng)一管理平臺 |
| 6.3.2.1 平臺架構(gòu)設(shè)計 |
| 6.3.2.2 視頻設(shè)備編碼規(guī)則 |
| 6.3.2.3 統(tǒng)一視頻平臺的開發(fā)與應(yīng)用 |
| 6.4 天-空-地一體化數(shù)據(jù)管理體系 |
| 6.4.1 空間數(shù)據(jù) |
| 6.4.2 屬性數(shù)據(jù) |
| 6.4.3 非結(jié)構(gòu)化數(shù)據(jù) |
| 6.4.4 一體化數(shù)據(jù)管理平臺 |
| 6.5 本章小結(jié) |
| 第7章 基于混合架構(gòu)體系的滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng) |
| 7.1 概述 |
| 7.2 需求分析 |
| 7.3 系統(tǒng)功能架構(gòu)設(shè)計 |
| 7.4 數(shù)據(jù)結(jié)構(gòu)體系 |
| 7.5 云服務(wù)基礎(chǔ)平臺設(shè)計 |
| 7.5.1 SOA與 JWT |
| 7.5.2 系統(tǒng)架構(gòu) |
| 7.6 混合架構(gòu)體系 |
| 7.6.1 B/S架構(gòu)網(wǎng)頁端 |
| 7.6.1.1 系統(tǒng)演示主界面 |
| 7.6.1.2 天-空-地一體化數(shù)據(jù)管理 |
| 7.6.1.3 監(jiān)測數(shù)據(jù)分析 |
| 7.6.1.4 滑坡過程預(yù)警分析 |
| 7.6.2 C/S架構(gòu)客戶端 |
| 7.6.2.1 演示模式 |
| 7.6.2.2 空間數(shù)據(jù)管理 |
| 7.6.2.3 監(jiān)測預(yù)警信息管理 |
| 7.6.2.4 后臺服務(wù)監(jiān)控 |
| 7.6.3 移動端App |
| 7.6.3.1 概述 |
| 7.6.3.2 功能架構(gòu)設(shè)計 |
| 7.6.3.3 移動端開發(fā)相關(guān)技術(shù) |
| 7.6.3.4 主要功能 |
| 7.7 本章小結(jié) |
| 第8章 系統(tǒng)應(yīng)用案例 |
| 8.1 預(yù)警案例 |
| 8.2 預(yù)警流程時間因素分析 |
| 8.3 黑方臺滑坡監(jiān)測預(yù)警 |
| 8.3.1 概述 |
| 8.3.2 黨川7號滑坡預(yù)警過程 |
| 8.4 興義龍井村9組巖質(zhì)滑坡監(jiān)測預(yù)警 |
| 8.4.1 概述 |
| 8.4.2 監(jiān)測點(diǎn)布置 |
| 8.4.3 系統(tǒng)應(yīng)用 |
| 8.5 本章小結(jié) |
| 結(jié)論 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間取得學(xué)術(shù)成果 |
| 附錄 |
| A.1 全文公式索引 |
| A.2 全文圖索引 |
| A.3 全文表索引 |
（3）空間數(shù)據(jù)分布式存儲與并行處理方法研究及其在林業(yè)領(lǐng)域的應(yīng)用（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 研究背景與意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 地理空間大數(shù)據(jù)時代的到來 |
| 1.2.2 遙感影像分布式存儲及并行處理研究現(xiàn)狀 |
| 1.2.2.1 遙感影像分布式存儲研究現(xiàn)狀 |
| 1.2.2.2 遙感影像并行處理研究現(xiàn)狀 |
| 1.2.3 空間矢量數(shù)據(jù)分布式存儲及并行處理研究現(xiàn)狀 |
| 1.2.3.1 空間矢量數(shù)據(jù)分布式存儲研究現(xiàn)狀 |
| 1.2.3.2 空間矢量數(shù)據(jù)并行處理研究現(xiàn)狀 |
| 1.2.4 空間矢量數(shù)據(jù)索引研究現(xiàn)狀 |
| 1.2.5 當(dāng)前研究不足之處 |
| 1.3 論文研究內(nèi)容與技術(shù)路線 |
| 1.3.1 研究內(nèi)容 |
| 1.3.2 技術(shù)路線 |
| 1.4 論文組織結(jié)構(gòu) |
| 2 相關(guān)技術(shù)介紹 |
| 2.1 分布式文件系統(tǒng) |
| 2.1.1 HDFS |
| 2.1.2 Alluxio |
| 2.2 并行計算技術(shù) |
| 2.2.1 MapReduce |
| 2.2.2 Spark |
| 2.3 本章小結(jié) |
| 3 遙感影像分布式存儲模型 |
| 3.1 遙感影像特性分析 |
| 3.1.1 影像數(shù)據(jù)模型 |
| 3.1.2 遙感影像數(shù)據(jù)訪問 |
| 3.2 遙感影像分布式存儲模型的設(shè)計與實(shí)現(xiàn) |
| 3.2.1 HDFS小文件問題 |
| 3.2.2 鍵值對容器 |
| 3.2.3 索引后的鍵值對容器 |
| 3.2.4 影像數(shù)據(jù)塊編號 |
| 3.2.4.1 矩形塊劃分編號 |
| 3.2.4.2 行劃分編號 |
| 3.2.4.3 列劃分編號 |
| 3.2.5 遙感影像分布式存儲模型-MapImge |
| 3.2.6 模型存取接口 |
| 3.3 實(shí)驗(yàn)與分析 |
| 3.3.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù) |
| 3.3.2 實(shí)驗(yàn)結(jié)果與分析 |
| 3.4 本章小結(jié) |
| 4 空間矢量數(shù)據(jù)分布式存儲模型 |
| 4.1 矢量數(shù)據(jù)模型 |
| 4.1.1 空間關(guān)系型矢量數(shù)據(jù) |
| 4.1.2 面向?qū)ο笮褪噶繑?shù)據(jù) |
| 4.1.3 矢量瓦片金字塔 |
| 4.1.4 矢量瓦片格式-mvt |
| 4.2 矢量數(shù)據(jù)分布式存儲模型的設(shè)計與實(shí)現(xiàn) |
| 4.2.1 矢量空間索引 |
| 4.2.2 內(nèi)存鍵值對容器 |
| 4.2.3 矢量數(shù)據(jù)分布式存儲模型-VectorTileStore |
| 4.2.4 模型存取接口 |
| 4.3 實(shí)驗(yàn)與分析 |
| 4.3.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù) |
| 4.3.2 實(shí)驗(yàn)結(jié)果與分析 |
| 4.4 本章小結(jié) |
| 5 空間數(shù)據(jù)并行處理 |
| 5.1 遙感影像金字塔并行構(gòu)建及加載 |
| 5.1.1 數(shù)據(jù)預(yù)處理 |
| 5.1.2 并行構(gòu)建及加載流程 |
| 5.1.3 實(shí)驗(yàn)與分析 |
| 5.2 矢量瓦片金字塔并行構(gòu)建及加載 |
| 5.2.1 數(shù)據(jù)預(yù)處理 |
| 5.2.2 并行構(gòu)建及加載流程 |
| 5.2.3 實(shí)驗(yàn)與分析 |
| 5.3 存儲模型并行輸入格式 |
| 5.3.1 InputFormat抽象類 |
| 5.3.2 MapImage并行輸入格式 |
| 5.3.3 VectorTileStore并行輸入格式 |
| 5.3.4 實(shí)驗(yàn)與分析 |
| 5.4 矢量空間并行查詢 |
| 5.4.1 空間查詢 |
| 5.4.2 并行查詢流程 |
| 5.4.2.1 第一層過濾 |
| 5.4.2.2 第二層過濾 |
| 5.4.2.3 空間連接并行查詢 |
| 5.4.3 實(shí)驗(yàn)與分析 |
| 5.5 遙感影像并行鑲嵌 |
| 5.5.1 數(shù)據(jù)預(yù)處理 |
| 5.5.2 并行鑲嵌流程 |
| 5.5.3 實(shí)驗(yàn)與分析 |
| 5.6 空間數(shù)據(jù)并行處理接口 |
| 5.7 本章小結(jié) |
| 6 植被覆蓋度遙感并行反演 |
| 6.1 研究區(qū)域與數(shù)據(jù) |
| 6.2 影像分布式存儲 |
| 6.3 數(shù)據(jù)預(yù)處理與植被覆蓋度反演模型 |
| 6.3.1 數(shù)據(jù)預(yù)處理 |
| 6.3.2 植被覆蓋度反演模型 |
| 6.4 植被覆蓋度并行反演流程 |
| 6.5 實(shí)驗(yàn)與分析 |
| 6.5.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù) |
| 6.5.2 實(shí)驗(yàn)結(jié)果與分析 |
| 6.6 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文 |
| 致謝 |
（4）基于網(wǎng)格索引的高速鐵路勘測數(shù)據(jù)管理研究（論文提綱范文）
| 摘要 |
| abstract |
| 第1章 緒論 |
| 1.1 研究背景與意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢 |
| 1.2.1 空間數(shù)據(jù)索引技術(shù)研究現(xiàn)狀 |
| 1.2.2 空間數(shù)據(jù)的存儲與管理現(xiàn)狀 |
| 1.3 研究內(nèi)容 |
| 1.4 章節(jié)安排 |
| 1.5 本章小結(jié) |
| 第2章 空間數(shù)據(jù)及分布式相關(guān)技術(shù) |
| 2.1 空間數(shù)據(jù)存儲 |
| 2.1.1 傳統(tǒng)空間數(shù)據(jù)庫 |
| 2.1.2 數(shù)據(jù)庫式的空間數(shù)據(jù)分布式存儲 |
| 2.1.3 分布式存儲—CEPH對象存儲 |
| 2.2 空間數(shù)據(jù)檢索算法 |
| 2.2.1 空間數(shù)據(jù) |
| 2.2.2 空間數(shù)據(jù)索引算法 |
| 2.3 分布式相關(guān)技術(shù) |
| 2.3.1 Hadoop分布式文件系統(tǒng) |
| 2.3.2 MapReduce并行計算框架 |
| 2.3.3 分布式數(shù)據(jù)庫HBase |
| 2.4 本章小結(jié) |
| 第3章 基于網(wǎng)格索引的高速鐵路勘測數(shù)據(jù)檢索機(jī)制 |
| 3.1 Hilbert算法 |
| 3.1.1 Hilbert空間曲線 |
| 3.1.2 空間對象Hilbert編碼值的計算方法 |
| 3.2 高速鐵路勘測數(shù)據(jù)檢索機(jī)制 |
| 3.2.1 高速鐵路勘測數(shù)據(jù)索引表設(shè)計 |
| 3.2.2 高速鐵路勘測數(shù)據(jù)檢索算法實(shí)現(xiàn) |
| 3.2.3 勘測數(shù)據(jù)索引并行化構(gòu)建 |
| 3.3 實(shí)驗(yàn)與分析 |
| 3.3.1 實(shí)驗(yàn)環(huán)境 |
| 3.3.2 測試數(shù)據(jù) |
| 3.3.3 實(shí)驗(yàn)測試與性能分析 |
| 3.4 本章小結(jié) |
| 第4章 高速鐵路勘測項目管理系統(tǒng)設(shè)計 |
| 4.1 高速鐵路勘測項目管理系統(tǒng)需求分析 |
| 4.1.1 系統(tǒng)功能需求分析 |
| 4.1.2 系統(tǒng)用例 |
| 4.1.3 高速鐵路勘測項目規(guī)范 |
| 4.1.4 高速鐵路勘測數(shù)據(jù)存儲需求 |
| 4.2 系統(tǒng)設(shè)計 |
| 4.2.1 系統(tǒng)描述 |
| 4.2.2 系統(tǒng)架構(gòu)設(shè)計 |
| 4.2.3 功能結(jié)構(gòu)設(shè)計 |
| 4.2.4 存儲設(shè)計 |
| 4.3 本章小結(jié) |
| 第5章 高速鐵路勘測項目管理系統(tǒng)實(shí)現(xiàn) |
| 5.1 系統(tǒng)開發(fā)以及運(yùn)行環(huán)境 |
| 5.2 系統(tǒng)實(shí)現(xiàn) |
| 5.2.1 GIS地圖查看模塊 |
| 5.2.2 段位管理模塊 |
| 5.2.3 項目管理模塊 |
| 5.3 系統(tǒng)驗(yàn)證 |
| 5.4 本章小結(jié) |
| 結(jié)論 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀碩士期間發(fā)表的論文及科研成果 |
（5）大數(shù)據(jù)環(huán)境下的地質(zhì)災(zāi)害易發(fā)性評價研究（論文提綱范文）
| 摘要 |
| abstract |
| 第1章 緒論 |
| 1.1 研究背景與研究意義 |
| 1.1.1 研究背景 |
| 1.1.2 研究意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀分析 |
| 1.2.1 地質(zhì)災(zāi)害信息化建設(shè) |
| 1.2.2 地質(zhì)災(zāi)害建模方法 |
| 1.2.3 空間大數(shù)據(jù)計算 |
| 1.2.4 空間并行計算 |
| 1.2.5 數(shù)據(jù)挖掘并行計算 |
| 1.3 現(xiàn)有研究存在主要問題分析 |
| 1.3.1 地質(zhì)災(zāi)害大數(shù)據(jù)快速檢索 |
| 1.3.2 地質(zhì)災(zāi)害易發(fā)空間區(qū)域的自動探測 |
| 1.3.3 大數(shù)據(jù)環(huán)境下地質(zhì)災(zāi)害評價算法的高性能實(shí)現(xiàn) |
| 1.4 論文主要研究內(nèi)容與結(jié)構(gòu)組織 |
| 1.4.1 主要研究內(nèi)容 |
| 1.4.2 論文組織結(jié)構(gòu) |
| 1.5 本章小結(jié) |
| 第2章 地質(zhì)災(zāi)害大數(shù)據(jù)的時空檢索與存儲設(shè)計 |
| 2.1 地質(zhì)災(zāi)害大數(shù)據(jù)應(yīng)用分析基礎(chǔ) |
| 2.1.1 地質(zhì)災(zāi)害大數(shù)據(jù)的特點(diǎn) |
| 2.1.2 地質(zhì)災(zāi)害大數(shù)據(jù)應(yīng)用分析系統(tǒng)的基本需求 |
| 2.2 地質(zhì)災(zāi)害大數(shù)據(jù)的時空編碼方式 |
| 2.2.1 空間數(shù)據(jù)編碼基礎(chǔ) |
| 2.2.2 基于Geohash改進(jìn)的地質(zhì)數(shù)據(jù)時空編碼方式 |
| 2.3 地質(zhì)災(zāi)害大數(shù)據(jù)的時空索引方法 |
| 2.3.1 分布式大數(shù)據(jù)時空索引基礎(chǔ) |
| 2.3.2 地質(zhì)災(zāi)害大數(shù)據(jù)的時空索引構(gòu)建 |
| 2.4 基于Hbase的地質(zhì)災(zāi)害大數(shù)據(jù)分布式存儲設(shè)計 |
| 2.5 本章小結(jié) |
| 第3章 基于歷史數(shù)據(jù)的地質(zhì)災(zāi)害易發(fā)空間區(qū)域自動探測 |
| 3.1 地質(zhì)災(zāi)害易發(fā)性的基本概念與影響因素 |
| 3.1.1 地質(zhì)災(zāi)害易發(fā)性的基本概念 |
| 3.1.2 地質(zhì)災(zāi)害易發(fā)區(qū)的主要影響因素 |
| 3.1.3 現(xiàn)有地質(zhì)災(zāi)害易發(fā)區(qū)探測模型的局限性 |
| 3.2 歷史地質(zhì)災(zāi)害易發(fā)空間區(qū)域自動探測的基本思路 |
| 3.3 基于時空聚類與凸包構(gòu)造的地質(zhì)災(zāi)害易發(fā)區(qū)域自動探測 |
| 3.4 實(shí)驗(yàn)與分析 |
| 3.4.1 實(shí)驗(yàn)區(qū)域概況 |
| 3.4.2 實(shí)驗(yàn)結(jié)果分析 |
| 3.5 本章小結(jié) |
| 第4章 融合多源時空數(shù)據(jù)的地質(zhì)災(zāi)害易發(fā)性定量評價 |
| 4.1 現(xiàn)有地質(zhì)災(zāi)害易發(fā)性評價模型局限性分析 |
| 4.2 融合多源時空數(shù)據(jù)的地質(zhì)災(zāi)害易發(fā)性評價思路 |
| 4.3 基于時空關(guān)聯(lián)規(guī)則挖掘的地質(zhì)災(zāi)害易發(fā)性定量評價 |
| 4.3.1 基于空間疊置的空間關(guān)聯(lián)規(guī)則挖掘方法 |
| 4.3.2 基于MapReduce的空間疊置算法高性能實(shí)現(xiàn) |
| 4.4 實(shí)驗(yàn)與分析 |
| 4.4.1 研究區(qū)分析 |
| 4.4.2 實(shí)驗(yàn)結(jié)果對比分析 |
| 4.4.3 實(shí)驗(yàn)性能分析 |
| 4.5 本章小結(jié) |
| 第5章 地質(zhì)災(zāi)害易發(fā)性評價原型系統(tǒng)設(shè)計與實(shí)現(xiàn) |
| 5.1 地質(zhì)災(zāi)害應(yīng)用分析系統(tǒng)的業(yè)務(wù)需求分析 |
| 5.2 地質(zhì)災(zāi)害易發(fā)性評價原型系統(tǒng)架構(gòu)設(shè)計 |
| 5.3 地質(zhì)災(zāi)害易發(fā)性易發(fā)性評價原型系統(tǒng)實(shí)現(xiàn) |
| 5.4 實(shí)驗(yàn)展示與結(jié)果分析 |
| 5.4.1 環(huán)境配置介紹 |
| 5.4.2 實(shí)驗(yàn)結(jié)果分析 |
| 5.5 本章小結(jié) |
| 第6章 總結(jié)與展望 |
| 6.1 全文總結(jié) |
| 6.1.1 論文主要工作總結(jié) |
| 6.1.2 論文的創(chuàng)新點(diǎn) |
| 6.2 研究展望 |
| 致謝 |
| 參考文獻(xiàn) |
（6）面向矢量瓦片的高效空間數(shù)據(jù)處理技術(shù)的研究與實(shí)現(xiàn)（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 縮略詞 |
| 第一章 緒論 |
| 1.1 課題背景 |
| 1.1.1 空間數(shù)據(jù)處理發(fā)展現(xiàn)狀 |
| 1.1.2 空間數(shù)據(jù)高效處理必要性 |
| 1.2 選題國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 國外研究現(xiàn)狀 |
| 1.2.2 國內(nèi)研究現(xiàn)狀 |
| 1.3 論文研究目標(biāo)與內(nèi)容 |
| 1.3.1 論文研究目標(biāo) |
| 1.3.2 矢量數(shù)據(jù)切片策略研究 |
| 1.3.3 矢量數(shù)據(jù)高效并行切圖技術(shù)研究 |
| 1.4 論文結(jié)構(gòu)安排 |
| 第二章 矢量數(shù)據(jù)切片策略研究 |
| 2.1 矢量數(shù)據(jù)的存儲模型分析 |
| 2.1.1 矢量數(shù)據(jù)模型原理分析 |
| 2.1.2 矢量數(shù)據(jù)的拓?fù)淠Ｐ?/td> |
| 2.1.3 矢量數(shù)據(jù)的非拓?fù)淠Ｐ?/td> |
| 2.2 矢量要素處理策略研究 |
| 2.2.1 點(diǎn)狀要素的處理策略 |
| 2.2.2 線狀要素的處理策略 |
| 2.2.3 面狀要素的處理策略 |
| 2.3 本章小結(jié) |
| 第三章 矢量數(shù)據(jù)高效并行處理技術(shù)的研究 |
| 3.1 矢量瓦片高性能存儲模型研究 |
| 3.1.1 矢量瓦片邏輯模型研究 |
| 3.1.2 矢量瓦片物理模型研究 |
| 3.1.3 HBase存儲模型研究 |
| 3.2 矢量數(shù)據(jù)并行處理模型研究 |
| 3.2.1 矢量數(shù)據(jù)分布式存儲模型研究 |
| 3.2.2 矢量瓦片列式數(shù)據(jù)庫存儲模型研究 |
| 3.2.3 矢量數(shù)據(jù)并行切圖模型研究 |
| 3.3 矢量瓦片并行處理支撐技術(shù)研究 |
| 3.3.1 傳統(tǒng)并行處理能力研究 |
| 3.3.2 分布式并行計算處理方法研究 |
| 3.3.3 矢量瓦片并行處理架構(gòu)研究 |
| 3.4 本章小結(jié) |
| 第四章 矢量瓦片高效處理服務(wù)的設(shè)計與實(shí)現(xiàn) |
| 4.1 總體設(shè)計 |
| 4.2 數(shù)據(jù)模型設(shè)計 |
| 4.2.1 矢量數(shù)據(jù)分布式存儲模型設(shè)計 |
| 4.2.2 矢量瓦片的高性能存儲模型設(shè)計 |
| 4.3 矢量數(shù)據(jù)并行處理模型設(shè)計 |
| 4.3.1 矢量數(shù)據(jù)并行切片設(shè)計思路 |
| 4.3.2 基于并行的單圖幅切片設(shè)計 |
| 4.3.3 基于并行的切圖任務(wù)劃分設(shè)計 |
| 4.4 矢量瓦片處理服務(wù)實(shí)現(xiàn) |
| 4.4.1 高效并行切圖任務(wù)調(diào)度實(shí)現(xiàn) |
| 4.4.2 高效并行切圖處理任務(wù)實(shí)現(xiàn) |
| 4.4.3 矢量瓦片落地存儲實(shí)現(xiàn) |
| 4.5 本章小結(jié) |
| 第五章 矢量數(shù)據(jù)高效切圖實(shí)驗(yàn)結(jié)果與分析 |
| 5.1 實(shí)驗(yàn)環(huán)境 |
| 5.2 并行切圖實(shí)驗(yàn)及結(jié)果對比 |
| 5.2.1 傳統(tǒng)并行切圖實(shí)驗(yàn) |
| 5.2.2 多機(jī)并行切圖實(shí)驗(yàn) |
| 5.3 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 論文工作總結(jié) |
| 6.2 研究方向展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果 |
（7）基于Geotrellis的遙感影像數(shù)據(jù)存儲與檢索模型設(shè)計與實(shí)現(xiàn)（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 論文的研究背景與意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 論文的總體框架 |
| 1.4 論文結(jié)構(gòu) |
| 第2章 遙感數(shù)據(jù)存儲與檢索關(guān)鍵技術(shù) |
| 2.1 大數(shù)據(jù)技術(shù) |
| 2.1.1 Spark |
| 2.1.2 Accumulo數(shù)據(jù)倉庫 |
| 2.1.3 HBase分布式數(shù)據(jù)庫 |
| 2.2 Geotrellis地理數(shù)據(jù)處理框架 |
| 2.2.1 Geotrellis |
| 2.2.2 瓦片模型 |
| 2.2.3 RasterFrame |
| 2.2.4 ETL |
| 2.3 影像金字塔模型 |
| 2.3.1 影像切分技術(shù) |
| 2.3.2 空間索引技術(shù) |
| 2.3.3 影像金字塔模型 |
| 2.4 Web技術(shù) |
| 2.4.1 Akka |
| 2.4.2 Geowebcache |
| 第3章 基于Geotrellis的遙感影像存儲設(shè)計 |
| 3.1 設(shè)計目的與原則 |
| 3.2 需求分析 |
| 3.3 整體框架 |
| 3.4 存儲模塊設(shè)計 |
| 3.4.1 遙感數(shù)據(jù)元數(shù)據(jù)的獲取 |
| 3.4.2 遙感數(shù)據(jù)的轉(zhuǎn)換操作 |
| 3.4.3 遙感數(shù)據(jù)快速入庫模塊設(shè)計 |
| 3.4.4 遙感影像金字塔構(gòu)建 |
| 第4章 基于Geotrellis的遙感影像檢索設(shè)計 |
| 4.1 需求分析 |
| 4.2 遙感影像索引設(shè)計 |
| 4.2.1 概要設(shè)計 |
| 4.2.2 詳細(xì)設(shè)計 |
| 4.2.3 數(shù)據(jù)的讀入或?qū)懭脒^程 |
| 第5章 遙感影像可視化 |
| 5.1 使用geotrellis將影像發(fā)布為TMS服務(wù) |
| 5.2 Cesium加載瓦片數(shù)據(jù) |
| 5.3 使用GeoWebCache發(fā)布WMS服務(wù) |
| 5.4 使用Akka發(fā)布WMS服務(wù) |
| 第6章 實(shí)驗(yàn)實(shí)現(xiàn)及測試 |
| 6.1 實(shí)驗(yàn)環(huán)境 |
| 6.1.1 硬件環(huán)境 |
| 6.1.2 軟件環(huán)境 |
| 6.2 實(shí)驗(yàn)數(shù)據(jù) |
| 6.3 實(shí)驗(yàn)準(zhǔn)備 |
| 6.3.1 遙感影像分塊 |
| 6.3.2 .ETL參數(shù)的配置 |
| 6.3.3 構(gòu)建影像金字塔 |
| 第7章 遙感數(shù)據(jù)存儲檢索方法的效率對比與結(jié)果分析 |
| 7.1 Arc GIS Server與 Geotrellis構(gòu)建影像金字塔的效率對比 |
| 7.2 不同空間索引技術(shù)構(gòu)建影像金字塔時的效率對比 |
| 7.3 不同文件系統(tǒng)或數(shù)據(jù)庫影像金字塔入庫效率對比 |
| 7.4 不同索引技術(shù)瓦片數(shù)據(jù)查詢效率對比 |
| 第8章 總結(jié)與展望 |
| 8.1 總結(jié) |
| 8.2 展望 |
| 參考文獻(xiàn) |
| 攻碩期間取得的研究成果 |
| 致謝 |
（8）基于大數(shù)據(jù)技術(shù)的政府績效信息使用研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 導(dǎo)論 |
| 第一節(jié) 研究背景和意義 |
| 一、研究背景 |
| 二、研究意義 |
| 第二節(jié) 文獻(xiàn)綜述 |
| 一、政府績效信息使用研究綜述 |
| 二、大數(shù)據(jù)研究綜述 |
| 三、面向大數(shù)據(jù)的政府績效管理研究綜述 |
| 四、研究述評 |
| 第三節(jié) 核心概念界定 |
| 一、政府績效管理 |
| 二、政府績效信息 |
| 三、政府績效信息使用 |
| 四、大數(shù)據(jù) |
| 第四節(jié) 研究內(nèi)容、方法與技術(shù)路線 |
| 一、研究思路與研究內(nèi)容 |
| 二、研究方法 |
| 三、技術(shù)路線圖 |
| 第二章 政府績效信息使用的理論與實(shí)踐 |
| 第一節(jié) 政府績效信息使用的理論分析 |
| 一、政府績效信息的性質(zhì)與價值 |
| 二、政府績效信息的使用方式 |
| 三、政府績效信息使用的影響因素 |
| 第二節(jié) 政府績效信息使用的現(xiàn)狀分析 |
| 一、績效信息及其使用存在的問題 |
| 二、改進(jìn)績效信息使用的政策建議 |
| 第三章 基于大數(shù)據(jù)的政府績效信息使用模式構(gòu)建 |
| 第一節(jié) 大數(shù)據(jù)與政府績效信息的關(guān)聯(lián)銜接 |
| 一、大數(shù)據(jù)在政府績效管理環(huán)節(jié)中的作用 |
| 二、大數(shù)據(jù)與績效信息使用的關(guān)聯(lián)銜接 |
| 第二節(jié) 基于大數(shù)據(jù)的政府績效信息使用的分析框架 |
| 一、基于大數(shù)據(jù)的政府績效信息使用分析框架設(shè)計思路 |
| 二、基于大數(shù)據(jù)技術(shù)的政府績效信息使用系統(tǒng)模型研究 |
| 三、構(gòu)建基于大數(shù)據(jù)技術(shù)的政府績效信息使用系統(tǒng)模型的必要性 |
| 第四章 基于大數(shù)據(jù)的績效信息來源的使用—以X市J區(qū)行政服務(wù)中心為例 |
| 第一節(jié) 基于大數(shù)據(jù)的績效信息來源使用的設(shè)計思路 |
| 一、政府績效信息來源使用的理論與實(shí)踐分析 |
| 二、基于大數(shù)據(jù)技術(shù)的績效信息來源使用的設(shè)計思路 |
| 第二節(jié) 面向大數(shù)據(jù)的行政服務(wù)中心績效信息來源使用的作用機(jī)理 |
| 一、X市J區(qū)行政服務(wù)中心績效管理系統(tǒng)的設(shè)計分析 |
| 二、大數(shù)據(jù)采集技術(shù)提升績效信息客觀性的分析 |
| 三、大數(shù)據(jù)清洗技術(shù)提升績效信息準(zhǔn)確性的分析 |
| 四、大數(shù)據(jù)存儲技術(shù)提升績效信息匯總時效性的分析 |
| 第三節(jié) 行政服務(wù)中心績效信息來源的使用效應(yīng)分析 |
| 一、基于大數(shù)據(jù)技術(shù)的績效信息管理系統(tǒng)建設(shè)成效分析 |
| 二、行政服務(wù)中心績效信息管理系統(tǒng)未來展望 |
| 第五章 基于大數(shù)據(jù)的績效信息結(jié)果使用——以X市財政大數(shù)據(jù)平臺為例 |
| 第一節(jié) 基于大數(shù)據(jù)的績效信息結(jié)果使用設(shè)計思路 |
| 一、績效信息結(jié)果使用研究的不同視角 |
| 二、大數(shù)據(jù)思維下績效信息結(jié)果使用的新思路 |
| 三、基于大數(shù)據(jù)技術(shù)的績效信息結(jié)果使用設(shè)計思路 |
| 第二節(jié) 面向大數(shù)據(jù)的財政績效信息結(jié)果使用作用機(jī)理 |
| 一、基于大數(shù)據(jù)技術(shù)的財政決策支持系統(tǒng)的框架模型 |
| 二、財政績效信息結(jié)果在決策支持中的應(yīng)用分析 |
| 第三節(jié) 面向大數(shù)據(jù)的財政績效信息結(jié)果使用效應(yīng)分析 |
| 一、面向大數(shù)據(jù)的財政決策支持系統(tǒng)成效分析 |
| 二、財政決策支持系統(tǒng)未來展望 |
| 第六章 結(jié)語 |
| 第一節(jié) 研究結(jié)論與創(chuàng)新 |
| 一、研究結(jié)論 |
| 二、研究創(chuàng)新之處 |
| 第二節(jié) 研究不足與展望 |
| 一、研究不足 |
| 二、研究展望 |
| 參考文獻(xiàn) |
| 一、英文文獻(xiàn) |
| 二、中文文獻(xiàn) |
| 攻讀學(xué)位期間的學(xué)術(shù)成果 |
| 致謝 |
（9）基于Hadoop的地理元語義對象時空數(shù)據(jù)模型構(gòu)建方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 國外研究現(xiàn)狀 |
| 1.2.2 國內(nèi)研究現(xiàn)狀 |
| 1.3 研究目的和意義 |
| 1.4 論文研究內(nèi)容及技術(shù)路線 |
| 1.4.1 研究內(nèi)容 |
| 1.4.2 技術(shù)路線 |
| 第2章 Hadoop數(shù)據(jù)存儲原理及地理實(shí)體對象化表達(dá)方法-9 - |
| 2.1 Hadoop數(shù)據(jù)存儲原理 |
| 2.1.1 分布式文件系統(tǒng)HDFS |
| 2.1.2 并行運(yùn)算模塊MapReduce |
| 2.1.3 列式存儲數(shù)據(jù)庫Hbase |
| 2.2 基于Hadoop的地理實(shí)體對象化表達(dá) |
| 2.2.1 地理實(shí)體特征描述 |
| 2.2.2 元語義對象表達(dá) |
| 2.2.3 組合語義對象表達(dá) |
| 2.2.4 聚合語義對象表達(dá) |
| 2.3 本章小結(jié) |
| 第3章 基于Hadoop的地理元語義對象時空數(shù)據(jù)模型構(gòu)建方法 |
| 3.1 語義對象空間表達(dá) |
| 3.1.1 元語義對象標(biāo)識 |
| 3.1.2 語義對象數(shù)據(jù)分類 |
| 3.2 語義對象空間關(guān)系計算方法 |
| 3.2.1 空間度量關(guān)系計算 |
| 3.2.2 對象拓?fù)潢P(guān)系計算 |
| 3.3 基于Hadoop的元語義對象時空數(shù)據(jù)模型構(gòu)建 |
| 3.3.1 HSST_Model概念模型 |
| 3.3.2 HSST_Model邏輯模型 |
| 3.4 本章小結(jié) |
| 第4章 基于Hadoop的地理時空數(shù)據(jù)組織方法 |
| 4.1 基于Hadoop的時空數(shù)據(jù)組織過程 |
| 4.2 時空數(shù)據(jù)分布式存儲方法 |
| 4.2.1 時空數(shù)據(jù)分布式存儲架構(gòu) |
| 4.2.2 地理時空信息HBase數(shù)據(jù)庫物理結(jié)構(gòu)設(shè)計 |
| 4.2.3 時空對象存取過程 |
| 4.3 Hadoop架構(gòu)下時空數(shù)據(jù)索引設(shè)計 |
| 4.3.1 VCP-Tree時空索引方法 |
| 4.3.2 時空數(shù)據(jù)查詢方法 |
| 4.4 本章小結(jié) |
| 第5章 基于HSST_Model的交通時空數(shù)據(jù)組織與查詢 |
| 5.1 基于HSST_Model的交通時空數(shù)據(jù)組織方法 |
| 5.1.1 基于HSST_Model的交通時空對象組織 |
| 5.1.2 交通時空數(shù)據(jù)分布式存儲結(jié)構(gòu) |
| 5.2 Hadoop集群構(gòu)建 |
| 5.2.1 Hadoop平臺環(huán)境配置 |
| 5.2.2 交通時空數(shù)據(jù)入庫流程 |
| 5.3 交通時空數(shù)據(jù)并行查詢實(shí)現(xiàn)方法 |
| 5.3.1 并行查詢算法實(shí)現(xiàn) |
| 5.3.2 VCP-Tree索引性能測試 |
| 5.4 本章小結(jié) |
| 第6章 總結(jié)與后續(xù)研究工作 |
| 6.1 論文總結(jié) |
| 6.2 后續(xù)研究工作 |
| 參考文獻(xiàn) |
| 個人簡介 |
| 致謝 |
（10）高性能GIS研究進(jìn)展及評述（論文提綱范文）
| 1 引言 |
| 2 研究現(xiàn)狀 |
| 2.1 高性能GIS算法 |
| (1)柵格數(shù)據(jù)并行計算 |
| (2)矢量數(shù)據(jù)并行計算 |
| 2.2 并行GIS計算 |
| (1)共享存儲模型 |
| (2)消息傳遞模型 |
| (3)流處理器模型 |
| 2.3 高性能內(nèi)存計算 |
| 2.4 眾核計算 |
| 3 評述與討論 |
| 4 展望 |
四、大型GIS海量數(shù)據(jù)分布式組織與管理（論文參考文獻(xiàn)）
- [1]分布式移動網(wǎng)絡(luò)環(huán)境下大規(guī)模空間社交媒體數(shù)據(jù)快速增強(qiáng)現(xiàn)實(shí)可視化研究[D]. 張帥. 南京大學(xué), 2020(10)
- [2]滑坡實(shí)時監(jiān)測預(yù)警系統(tǒng)關(guān)鍵技術(shù)及其應(yīng)用研究[D]. 何朝陽. 成都理工大學(xué), 2020(04)
- [3]空間數(shù)據(jù)分布式存儲與并行處理方法研究及其在林業(yè)領(lǐng)域的應(yīng)用[D]. 聶沛. 東北林業(yè)大學(xué), 2020(01)
- [4]基于網(wǎng)格索引的高速鐵路勘測數(shù)據(jù)管理研究[D]. 崔喆. 西南交通大學(xué), 2019(03)
- [5]大數(shù)據(jù)環(huán)境下的地質(zhì)災(zāi)害易發(fā)性評價研究[D]. 董元. 中國地質(zhì)大學(xué), 2019(03)
- [6]面向矢量瓦片的高效空間數(shù)據(jù)處理技術(shù)的研究與實(shí)現(xiàn)[D]. 李瀚. 中國電子科技集團(tuán)公司電子科學(xué)研究院, 2019(02)
- [7]基于Geotrellis的遙感影像數(shù)據(jù)存儲與檢索模型設(shè)計與實(shí)現(xiàn)[D]. 李聰仁. 云南師范大學(xué), 2018(02)
- [8]基于大數(shù)據(jù)技術(shù)的政府績效信息使用研究[D]. 李富貴. 廈門大學(xué), 2018(07)
- [9]基于Hadoop的地理元語義對象時空數(shù)據(jù)模型構(gòu)建方法研究[D]. 周艷柳. 桂林理工大學(xué), 2018(05)
- [10]高性能GIS研究進(jìn)展及評述[J]. 左堯,王少華,鐘耳順,蔡文文. 地球信息科學(xué)學(xué)報, 2017(04)
標(biāo)簽：遙感影像論文; 海量數(shù)據(jù)論文; 空間數(shù)據(jù)論文; 大數(shù)據(jù)論文; 空間分析論文;