一、一种面向移动用户的空间矢量数据压缩算法（论文文献综述）
张挺[1]（2020）在《面向移动端的空间数据传输保密技术研究》文中提出地理空间数据在我国经济建设和国防建设中具有举足轻重的作用,随着移动终端设备以及移动应用软件的大量出现,空间数据在移动端的安全威胁更为突出。移动GIS系统的蓬勃发展需要海量空间数据的支撑,部分敏感数据无法直接在移动网络中传输,而现有的空间数据加密技术在移动端使用存在加密速度慢、计算资源占用量大的问题,因此研究面向移动端的空间数据传输保密技术具有重要的社会价值和现实意义。本文以降低空间数据在移动端使用面临的安全威胁为目标,基于空间数据模型的特征、移动端空间数据加密需求和移动应用的特点,研究空间数据在移动端的加密技术方法,通过实验对比检验数据加密的有效性和算法的加密效率,并通过研制原型系统验证面向移动端的空间数据保密技术的可行性。具体研究工作和结论如下:（1）选取并改进Logistic混沌映射算法作为移动端空间数据加密的主算法。本文通过分析空间数据的结构与特征和移动端空间数据加密需求,选定Logistic混沌映射算法适用于移动端空间数据加密。通过扩展参数取值范围,选取计算值的小数部分参与迭代的方式改进经典Logistic混沌映射算法,解决其密钥空间比较小,迭代序列值的分布不均匀的局限,从而大幅提高了密钥空间的大小,也使迭代序列值分布更加均匀,提高了加密算法的安全性。（2）设计并实现了面向移动端的空间数据加密方法。对于矢量数据首先针对几何信息进行存储结构优化压缩,再对属性信息和变换后的几何信息采用Gzip编码二次压缩,采用对称加密的方式基于改进Logistic混沌映射算法进行加密;对于栅格数据则提取像元特征后,保持图像格式的前提下,采用基于改进Logistic混沌映射算法进行加密。结合密钥管理分发方法,给出了详细的空间数据加密步骤,并验证和讨论了算法的加密效果和运行效率,实验证明本文的加密算法在同样的安全性能下,加密效率是AES算法的近3倍。（3）研究设计了密钥管理和分发方法。基于保密通信系统模型设计原型系统,将对称加密、公钥加密以及基于口令的加密等技术应用于原型系统的构建,在用户管理、数据加密和数据访问等功能模块中充分考虑并设计了密钥的管理和分发方法。（4）研究对比了现有的移动端应用开发技术。通过分析原生App、Web App和跨平台App开发模式的优缺点,并对比多个跨平台移动应用开发框架的技术参数,选用Xamarin移动开发框架实现原型系统的研制。同时探讨了构建移动端应用信息安全的途径、方法以及技术手段,梳理了网络数据传输安全的关键技术并提出应用开发的安全要点。
夏一天[2]（2020）在《面向移动智能终端的矢量地理数据访问控制模型研究》文中指出矢量地理数据作为国家地理信息资源的重要组成部分,其安全不仅影响着地理信息产业的发展,更关系到公共利益与国家安全。随着移动互联技术的快速发展,矢量地理数据在移动智能终端中的运用日益增多。访问控制是资源保护与安全防范的关键策略,可以防止对资源进行未授权的访问,为矢量地理数据在移动智能终端中的主动保护提供了技术手段。但是,由于矢量地理数据的特殊性与移动端应用场景的动态性,传统的访问控制模型无法直接应用于矢量地理数据的移动端应用场景。因此,研究面向移动智能终端的矢量地理数据访问控制模型至关重要。本文在传统访问控制理论基础上,根据矢量地理数据与移动端应用场景的特点,围绕面向移动智能终端的矢量地理数据访问控制进行研究,主要研究内容包括:（1）分析了矢量地理数据的特殊特征,阐述了移动环境下对矢量地理数据的攻击方式,总结了移动端矢量地理数据访问控制需求,提出了移动端矢量地理数据访问控制框架,为进一步的研究明确了方向。（2）改进了Tent映射,并将其应用于矢量地理数据的置乱。基于仿射变换,对矢量地理数据的坐标进行了偏移,且偏移过程可逆。结合置乱与可逆偏移,针对矢量地理数据的空间特征与属性特征提出了一种选择性加密算法。实验表明,本文提出的选择性加密算法具有较好的效率与安全性,且加密后能够维持客体地理范围稳定性,适用于移动端矢量地理数据的细粒度访问控制。（3）引入动态信任、设备属性与时空属性作为约束,结合选择性加密算法,提出了基于动态信任的矢量地理数据访问控制模型,即VGD-DTBAC。针对模型中的动态信任,确定了评价指标,并提出了评价指标的量化方法。根据矢量地理数据在移动智能终端中的使用特点,建立了VGD-DTBAC过程框架,并由此提取了移动环境下矢量地理数据访问控制过程,为系统实现与模型验证提供基础。（4）基于VGD-DTBAC模型与访问控制过程,建立了Android平台下的Shapefile数据的细粒度访问控制系统,对移动环境下矢量地理数据访问控制过程保护进行实现。实验结果表明,本文提出的模型在访问控制过程中能够有效地进行权限分配、权限认证、信任评价、细粒度访问控制与攻击防范,验证了该模型的可靠性。
蒋元义[3]（2020）在《云计算环境下海量矢量数据的高效存储与并行叠置分析》文中研究指明随着越来越多大科学装置的建设和重大科学实验的开展,科学研究进入到一个前所未有的大数据时代,大数据时代产生的空间大数据集对海量矢量数据的高效存储与计算提出了诸多挑战。传统的解决方案是采用关系型数据库与Arc SDE协同管理的模式,该模式将数据存储在单台机器上,这在很大程度上限制了数据的存储能力和计算能力。云计算环境下提供的分布式存储与高性能并行计算技术是一种有效的解决方案。基于云计算的这种特性,论文从云计算环境下如何对海量矢量数据进行高效存储与高性能空间分析角度展开研究。重点研究了海量矢量数据在Hadoop云平台下的存储模型、索引构建、数据快速导入、快速查询以及高性能空间分析中的并行叠置分析技术。具体围绕以下几个方面展开:（1）首先,论文在阐述该项目的研究背景及立项依据的基础上,综述了相关领域的研究进展,即地理空间大数据的存储技术、地理空间分析算法并行化技术以及地理空间大数据的负载均衡技术,全面分析了当前国内外对地理空间大数据在云环境下的分布式存储与高性能并行计算技术的研究进展与应用。另外,论文对研究中的相关技术理论进行了详细概述,为论文后续的研究提供了基础理论与技术支持。（2）其次,基于Hadoop云平台下的分布式非关系型数据库HBase构建了海量矢量数据的组织与存储策略。利用Hilbert空间填充曲线优秀的空间聚集性,对空间范围内的格网进行Hilbert曲线填充;结合空间要素对象所在格网的Hilbert编码与图层编号,设计了满足分布式非关系型数据库HBase存储规则的Row Key值;根据矢量数据在HBase下的存储规则特征,确定了该规则下的矢量数据存储表、二级索引表结构以及基于Hilbert编码设计了一种并行区域查询算方法。另外还构建了一种基于Spark的矢量数据并行导入方法。（3）再次,研究了Hadoop云平台下高性能并行空间分析中负载均衡策略,并以叠置分析算法为例,提出了一种顾及数据计算复杂度的矢量空间数据划分方法。针对高性能并行空间分析中传统矢量空间数据划分方法的划分结果不能反映实际计算量,容易导致数据倾斜的问题,论文从矢量空间数据结构特征及空间分析算法特征角度思考,研究数据密集型和计算密集型空间分析算法的计算量复杂度模型,用以指导矢量空间数据的均衡划分;通过分析不同算法类型的原理与特征,筛选出影响算法计算效率的影响指数,构建矢量空间数据计算复杂度模型;基于该复杂度模型设计了一种高性能并行空间分析数据划分策略。（4）最后,基于Hadoop云平台设计并实现了一个海量矢量数据存储与计算原型系统,实现了海量矢量数据的分布式存储与并行叠置分析。并基于原型系统通过实验验证了本文提出的矢量数据并行导入、并行查询以及顾及计算复杂度的数据划分策略的合理性性及有效性。
聂沛[4]（2020）在《空间数据分布式存储与并行处理方法研究及其在林业领域的应用》文中研究说明森林资源涉及的一系列环节都离不开客观、现实、准确的数据,然而,传统的森林资源监测和调查方法已不能满足快速准确的数据需求,3S与计算机技术等现代化的分析管理技术在森林调查管理上扮演着愈发重要的作用。随着3S技术的快速发展,全球每天都在集成大量的空间数据,地理空间大数据时代已经到来,对海量空间数据进行高效组织存储及快速处理成为研究热点,遥感影像及空间矢量作为典型的空间数据,已被广泛应用于林业、军事、测绘、交通等领域,许多研究者对这两种空间数据展开分布式存储与并行处理研究,取得了一定的成果,但在当前研究中,没有很好地结合数据特性设计存储结构,更鲜有在优化存储的基础上加速并行处理,因而当面向体量更大的数据及实时性要求更高的应用时,当前研究将到达瓶颈。本文针对遥感影像及空间矢量数据在分布式存储以及并行处理研究中的不足之处,基于大数据云计算技术,开展遥感影像及空间矢量数据分布式存储与并行处理方法研究,提出了高效快速的空间数据存储模型及并行处理方法,并设计实现了数据存储到处理的接口,最后将研究成果应用到林业领域,并行反演森林植被覆盖度。本文研究内容如下:（1）研究遥感影像分布式存储模型。为解决当前存储系统层次复杂、分块策略固定等问题,基于HDFS设计实现一种高效的面向遥感影像分布式存储模型-MapImage,模型存储充分考虑影像像元数据、影像金字塔、元数据之间的联系,同时针对处理算法访问特性,提供按波段、按矩形块、按行、按列的数据分片策略以供选择,提高了系统的可用性。（2）研究空间矢量数据分布式存储模型。当前的存储模型数据访问I/O延时大,且没有考虑矢量瓦片金字塔及其元数据,为解决上述问题,基于内存分布文件系统Alluxio设计实现一个兼容矢量瓦片金字塔的内存级矢量分布式存储模型-VectorTileStore,模型支持矢量瓦片及其元数据的存储,存储时对数据进行网格索引,从而提供内存级快速数据访问接口。（3）研究空间数据并行处理方法。为加速空间数据处理,开展空间数据并行处理研究,首先对于数据金字塔构建耗时这一问题,利用Spark进行影像金字塔和矢量瓦片金字塔的并行构建及并行载入分布式存储模型;接着针对分布式存储模型的特点,设计实现相应的并行输入格式,基于并行输入格式,Spark按需读取存储模型,过滤与算法无关的数据,加速并行处理,本文实现了空间矢量并行查询算法和遥感影像并行镶嵌算法。（4）设计实现空间数据分布式存储与并行处理接口。在空间数据分布式存储模型及并行处理研究基础上,设计实现遥感影像及空间矢量存储、访问、处理接口,阐述接口使用规则,形成一个从空间数据分布式存储到并行处理的通用框架。（5）研究植被覆盖度遥感并行反演方法。在提出的遥感影像分布式存储模型及并行处理方法基础上,结合植被覆盖度反演的理论与方法,以东北林业大学帽儿山林场MODIS影像为研究对象,并行反演森林植被覆盖度,提升反演时间效率。通过研究及实验分析表明,本文开展的空间数据分布式存储与并行处理方法研究,能有效结合分布式存储、并行计算技术理论与方法,实现遥感影像及空间矢量数据的分布式存储与并行处理,较现有研究具有明显优势,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%。最后将研究成果应用到林业领域,开展森林植被覆盖度遥感并行反演研究,提供一个新的林业信息化解决方案。
杨伟[5]（2019）在《时空轨迹数据的结构化处理与行为语义感知》文中提出在大数据智能时代,随着无线传感定位设备的普及使用,移动对象时空轨迹数据呈现爆炸式增长。轨迹大数据包括交通车辆轨迹、人类活动轨迹、动物迁徙轨迹、自然现象轨迹等,具有数量大、类型多、增长快、价值高、众源泛在、时空多维、精细分辨率等优点。由于其巨大的研究应用价值,已有诸多重量级研究成果相继涌现,并广泛服务于智能交通、城市规划、服务推荐、行为分析、环境监测、公共安全、城市计算、社会感知等领域。然而,大数据的“5V”特性给轨迹数据挖掘处理、知识发现带来了新的挑战,使其面临“数据丰富而知识贫乏”或“知识即常识”的困境。为此,建立快速、高效的轨迹数据结构化处理模型方法,对轨迹大数据去粗取精、去伪存真以提取高价值、结构化的时空知识成为迫切解决的问题。论文以时空轨迹数据为研究对象,以结构化道路信息化提取与更新和活动行为建模与场所语义感知为研究问题,开展了基于时空轨迹数据的结构化处理理论模型与技术方法研究。论文研究工作主要包括以下几个方面:1.针对结构化道路信息快速提取问题,提出了一种基于低频车辆轨迹数据的车行道路面、线一体化提取技术方法。首先,提出自适应优选加密方法解决低频车辆轨迹中存在的假轨迹段、高噪音、采样稀疏、轨迹点数量少等问题。然后,引入约束Delaunay三角网及Voronoi图模型建模车辆轨迹数据,建立基于轨迹密度分布差异的边界识别指标,并集成识别指标、轨迹运动特征构建道路边界探测模型。最后,通过探测模型在轨迹几何细节层次上的分类处理,提出基于Delaunay三角网的道路面、线信息提取模型与算法。该方法顾及车辆轨迹在路网空间中的上下文差异特征,适于处理复杂路网结构、多时间跨度、多密度差异情形下的低频车辆轨迹数据,实现了基于“车辆轨迹->道路边界->路网中线->车行地图”数据处理流程的车辆轨迹结构化建模。2.针对路网变化信息快速发现与更新问题,提出了一种基于众源车行轨迹数据的路网变化信息检测与更新技术方法。首先,分析道路变化信息与车辆轨迹间的关联关系,为路网现势性检测与更新提供理论支撑。然后,集成轨迹运动特征、车行语义、车行轨迹与路网关联知识构建道路变化信息检测与识别模型。最后,提出以道路弧度缓冲区为基本更新单元,通过在轨迹几何特征上的精细化处理,在局部范围内探测路网变化、识别道路变化类型,根据变化类型提取变化信息、快速完成路网更新。相比已有变化发现技术,该方法能在更精细粒度上识别道路局部变化、路网方向变化、判别真实变化与语义变化,实现了基于“局部分析->类型推断->变化提取->增量更新”数据处理流程的路网变化检测更新。3.针对中小区域精细道路地图构建问题,提出了一种基于多源多类活动轨迹数据的中小区域路网精细建模与地图重建技术方法。首先,深入分析人类活动轨迹数据特征和中小区域路网精细建模过程,为精细道路数据获取与地图构建提供理论支持。其次,根据“轨迹数据->轨迹转弯点->聚类中心->道路节点”的逻辑关系,提出轨迹转向点探测算法提取转向轨迹点集、ASCDT算法聚类轨迹转向点建模道路节点。最后,根据“轨迹分割->增量融合->路网构建->优化处理”的处理顺序,提出轨迹线分割、轨迹线增量融合、优化处理等系列方法分层构建多专题精细道路地图。该方法能快速获取中小区域路网信息、完成路网几何、拓扑、语义信息的精细建模、构建多主题路网地图,实现了基于“活动轨迹->道路节点->路网拓扑->道路地图”数据处理流程的精细道路地图重建。4.针对活动行为识别与场所语义感知问题,提出了一种基于时空轨迹数据的活动行为建模与语义特征信息提取技术方法。该方法基于轨迹几何、语义特征,在个体层面运用轨迹运动参数建模活动行为、提取典型化行为语义特征;分别运用三角网模型、语义增强等方法在群体聚合层面分析活动行为事件与场所关联耦合特征、提取活动场所位置语义信息。以加油停留行为和慢跑绕圈行为及其场所语义感知为例,初步建立了从“行为模式挖掘”到“场所语义感知”的轨迹语义感知框架。该框架通过结构化分而治之策略,提取结构化几何、语义特征建模活动行为、挖掘行为语义、完成深层次的场所语义理解,实现了基于“时空轨迹->行为建模->活动探测->场所感知”数据处理流程的活动场所挖掘分析。5.通过研发时空轨迹数据挖掘处理原型系统,实现了时空轨迹数据的一系列挖掘处理分析,验证了论文相关模型、算法的有效性和可行性。综上,论文开展了轨迹密度特征上的时空异质性分析、几何计算与空间统计融合的道路信息获取更新、时空上下文的典型化语义特征提取、活动行为事件的场所位置耦合挖掘等相关工作,提出了系列轨迹数据结构化处理模型、算法,实现了轨迹数据从几何细节层次到语义概化层次的建模处理与语义理解。但轨迹大数据建模处理作为一项既复杂又系统的工作,仍存在诸多问题需要深入研究。
周琛[6]（2018）在《面向CPU/GPU混合架构的地理空间分析负载均衡并行技术研究》文中提出地理空间分析是地理信息科学及遥感应用领域的研究热点。随着对地观测技术的快速发展,地理空间分析面临着数据量庞大、计算过程复杂密集和计算类型多样的难题。CPU（Central Processing Unit,简称CPU）集群、GPU（Graphics Processing Unit,简称GPU）集群等新一代高性能计算硬件架构的发展,为受制于计算性能而难以开展的大区域、多尺度、异构地理空间分析提供了契机;采用高性能并行计算技术以提高地理空间数据的计算效率十分迫切和必需。如何实现并行计算过程中的负载均衡是高性能地理空间分析中的关键问题与难点。因此,发展高效、适用性强的地理空间分析负载均衡并行技术,具有重要的研究意义和巨大的应用前景。现有的地理空间分析负载均衡并行技术多集中于调用开源并行算法库中的并行化语句实现对传统地理空间分析串行算法的简单并行化封装;此外,采用的空间数据划分、并行任务调度等负载均衡策略较为单一、粗略,未能顾及不同空间数据类型的结构特征、不同地理空间分析类型的算法特征、不同并行计算过程的粒度特征及并行计算环境的架构特征,极易引起并行计算过程中的任务负载失衡,造成并行加速效率低下。为解决上述问题,本研究面向CPU/GPU混合异构的并行硬件架构,围绕地理空间分析中具有代表性的典型算法与实际应用,即矢量多边形数据空间分析与地理栅格数据空间分析,设计并实现与其数据特征、计算特征和并行粒度相适应的负载均衡并行技术。具体来说,研究通过构建计算复杂度模型,以有效指导矢量多边形空间分析算法并行化过程中的数据划分,从而缓解并行计算中的数据倾斜;通过顾及栅格数据有效计算量和数据粒度分解特征,实现栅格数据空间分析算法并行化过程中的数据均衡分配及动态调度;研发自适应负载均衡并行模型,设计适应CPU/GPU混合异构的并行方法及自适应负载均衡方法,实现对不同并行计算环境、不同算法类型及不同数据量的良好适应性。研究的主要内容和贡献包括:（1）基于计算复杂度的矢量多边形空间分析负载均衡并行方法。围绕矢量数据空间分析中的典型应用类型——矢量多边形数据空间分析,针对传统数据划分方法的划分结果不能反映多边形的实际计算量,且极易引起数据倾斜的问题,研究分别针对数据密集型和计算密集型多边形空间分析类型构建多边形复杂度计算模型,用以指导矢量数据的均衡划分。通过分析不同算法类型的原理与特征,筛选可能影响算法计算效率的影响指数;构建多边形模拟数据集,通过模拟实验确定对算法效率实际有影响的指数及对应的影响程度顺序,并以此构建多边形复杂度计算模型。此外,考虑到多边形形态各异、复杂多样的数据结构特征,根据具体算法原理设计复杂多边形的分解方法,从而进一步缓解并行计算过程中的多边形数据倾斜。在并行CPU集群上进行算法并行效率及负载均衡性能的测试。该集群包含9个并行计算节点,每个计算节点包含2颗Intel（R）Xeon（R）E5-2620 CPU;各CPU的规格为2.00 GHz主频、六核十二线程、16GB内存。实验结果表明,基于多边形计算复杂度的并行方法较传统并行方法可大大缩短算法的运行时间,并取得良好的加速比和稳定的负载均衡性能。采用上述方法实现的多边形栅格化并行算法在计算5.5 GB的多边形数据集时,可将运行时间从1668.45秒减少至86.95秒,并取得19.19的最高加速比;实现的多边形相交计算并行算法在求解1,207,826个相交多边形组时,可将运行时间从1497.24秒减少至85.97秒,取得的加速比峰值为17.42。此外,实现的并行算法对不同多边形数据类型和不同算法类型均具有良好的适用性。（2）顾及有效计算量的多粒度栅格空间分析负载均衡并行方法。常用的栅格数据划分方法未能顾及栅格有效计算量,且调度方法极易引起计算节点间的并行阻塞,并造成空闲节点处于无效等待状态。为了解决上述问题,研究根据不同栅格空间分析的算法特征将其分为局部型和全局型计算类型,并以非空值栅格单元个数作为栅格有效计算量的度量标准。针对局部型栅格空间分析类型,研究提出考虑栅格有效计算量的不规则数据划分方法和多粒度动态并行调度方法;针对全局型栅格数据空间分析类型,研究设计两阶段数据划分方法、抓取式并行调度方法以及基于二叉树的计算结果融合策略。实验结果表明,研究提出的数据划分方法和并行调度方法较传统方法均能大大缩短算法的并行时间、取得更好的并行加速比和稳定的负载均衡性能。采用上述方法实现的k-means遥感影像分类并行算法,在9节点并行CPU集群上计算6.9 GB遥感影像时,可将运行时间从2400.28秒减少至118.42秒,最优加速比为20.27;实现的栅格多边形矢量化并行算法在计算3.8 GB的土地利用分类栅格数据时,可将运行时间从1362.36秒减少至146.65秒,并能取得9.29的最高加速比。（3）面向CPU/GPU混合架构的自适应负载均衡并行计算模型。研究将地理空间分析负载均衡并行技术涉及的不同层面归纳为数据、算子、并行化方法、粒度和并行计算环境五个要素,并在此基础上构建了自适应的负载均衡并行计算模型。为使模型能良好地适应于CPU/GPU的混合架构,研究提出适应CPU/GPU混合异构计算环境的并行方法,可充分利用CPU和GPU的并行计算性能。研究设计串行算法快速并行化方法和自适应负载均衡方法,可根据待处理数据类型、算法类型和并行计算环境自适应地选择并行化方法和计算粒度,实现不同串行算法和自定义计算规则的快速并行化,并实现并行计算过程中的有效动态负载均衡。最后,采用面向对象、插件式开发的设计思想,研发了面向CPU/GPU混合架构的自适应负载均衡并行计算平台,实现了模型从抽象的逻辑描述到实际应用的转化。实验结果表明,研究提出的自适应负载均衡并行模型对CPU/GPU混合异构计算环境中不同的算法类型和不同的数据量均具有良好的适应性。本研究的主要贡献包括:设计了系统的矢量多边形复杂度模型构建方法及复杂多边形粒度分解方法,提出了融合多计算粒度的栅格有效计算量负载均衡并行技术及研建了适应性强的CPU/GPU混合异构负载均衡并行方法。
李玲[7]（2018）在《嵌入式GIS空间数据多尺度表达与快速显示技术研究》文中研究说明以智能移动终端为载体的地理信息应用已成为发展趋势,并成为当今地理信息科学领域的研究热点之一。随着地理信息获取手段的日益增多,如智能机、无人机、遥感卫星等,海量空间数据以GB级速度不断呈现。当前计算机硬件制造业的迅猛发展使得移动终端（嵌入式设备）性能在计算速度、内存大小和存储容量等方面都得到较大的提升。但是与空间数据的数据量相比,其计算资源和存储资源依旧是相对有限的,仍然无法满足大数据量空间数据快速处理的需求。嵌入式设备性能的提高速度难以匹敌空间数据的增长速度,这一矛盾也使得地理信息服务质量受到制约。如何利用嵌入式设备有限的计算资源和存储资源进行海量空间数据存储、处理与显示是一个意义重大且迫在眉睫的问题。空间数据多尺度表达可以实现不同细节层次信息的提取,已成为嵌入式设备上空间数据快速处理与显示的一种有效方法。我国国家自然科学基金委员会在构建“数字中国”地理空间基础框架的总体战略中将空间数据的多尺度表示作为地理空间数据库关键技术研究的核心问题之一。现有研究虽然已取得不少成果,但仍存在一些亟待解决的问题:在矢量多尺度信息提取过程中没有很好地融入专题数据知识规则,仅考虑了数据的空间结构特征;基于商业数据库或分布式文件系统的数据存储管理方式对硬件配置要求高且管理复杂,不适用于嵌入式设备中影像数据的高效存储与管理。本论文致力于研究面向嵌入式设备的GIS空间数据多尺度表达与快速显示关键技术,突破了嵌入式设备上百兆级矢量数据以及GB级遥感影像数据快速显示技术难题;研发了一套数字化动态变更外业调查与核查系统,解决了土地外业实地调查中定位、底图和属性信息的一体化集成技术问题。论文主要研究成果包括以下五个方面内容:（1）基于特征的矢量数据多尺度快速可视化技术。分析并提出提取土地利用现状数据多尺度信息时必须把数据的语义特征、空间结构特征以及图斑形状特征综合进行考虑的思想,构建了一种动静结合的矢量数据多尺度处理模型,实现了嵌入式设备上百兆级基于特征的矢量数据多尺度快速可视化技术。实验结果表明,该方法使得嵌入式GIS软件能够支持100MB以上矢量图的流畅显示,且整体平均渲染时间均不超过2秒,最恶劣情况下渲染时间不超过4秒,能满足大范围土地快速调查的需求。（2）基于关键检测点识别的拓扑一致性面状图斑快速简化算法。列举分析了现有线要素化简算法存在的不足,通过研究顾及相邻地理实体空间关系的关键检测点识别方法,提出并实现了一种基于关键检测点识别的拓扑一致性快速化简算法。实验验证,该算法不仅能够避免简化后数据集中出现拓扑错误,实现一致性化简,而且在拓扑冲突检查时避免了不必要的拓扑一致性校验,提高了化简效率。（3）基于改进G-H算法的超大图斑快速显示算法。针对在嵌入式设备上对超大尺寸图斑进行绘制时渲染耗时很长且由此易导致程序卡死这一问题,经实验揭示了该问题产生的原因是WindowsCE、WindowsMobile中GDI的多边形图形绘制函数缺乏图形裁剪功能,提出引入多边形裁剪算法来解决该问题。详细分析了现有多边形裁剪算法在交点退化情况下算法失效原因,对G-H算法进行了改进,提出了一种顾及交点退化现象的多边形裁剪算法。实验验证,与以往算法相比,该算法不但在交点退化情况下能输出正确的裁剪结果,而且裁剪效率高。提出了基于多边形裁剪的超大尺寸图斑按需渲染策略,实验结果表明,与常规方法相比,所提渲染方法将嵌入式设备上超大尺寸图斑渲染效率提高了 85%以上;当图斑放大到一定比例尺后渲染效率可提高94.5%以上,渲染时间甚至可从原先的几十秒降到1秒以内;将整幅矢量图显示效率提升了 88%以上。（4）自适应海量影像LOD快速可视化技术。针对资源有限的嵌入式设备难以处理、显示GB级影像数据这一问题,提出了一种海量影像金字塔构建优化算法,设计了LOD数据存储组织策略,提出了基于视相关LOD的遥感影像快速调度显示算法,实现了嵌入式设备上影像LOD快速显示。为了克服嵌入式设备存储卡自身硬件条件对嵌入式GIS软件系统实时处理影像数据能力的限制,提出了一种改进的自适应海量影像LOD表达处理算法。实验结果表明,改进方法使得嵌入式GIS软件能支持50GB以上影像数据快速渲染,渲染时间不超过1秒,且影像显示速度与原始影像大小无关。（5）数字化动态变更外业调查与核查软件系统研发与应用。在上述关键技术研究成果的基础上研发了一套拥有自主知识产权的基于智能机的动态变更外业调查与核查系统,为快速获取准确、高现势性的土地基础数据提供了技术保障。从系统体系结构、框架结构、功能模块划分、总体工作流程这四个方面详细阐述了该系统设计方案。利用设计模式思想,基于Strategy、Command、Abstract Factory等模式进行软件开发,提高了嵌入式GIS框架的可复用性、可扩展性以及可维护性。该系统已成功应用于全国土地调查、国家土地督察、全国土地变更调查、全国土地卫片执法检查,为我国制定相关调查方案和标准提供了重要参考。实际应用表明,实地调查效率较以往提高2-3倍,配合遥感数据,可以实现土地利用信息“月清季累”。系统已成为构建“数字城市”的动态空间地理基础设施,它的推广应用将会产生良好的经济效益和社会效益。
陈志荣,尹天鹤,徐财江,周峰[8]（2016）在《面向移动用户的矢量地图数据压缩方法》文中研究表明随着第4代移动通信技术（4G）的普及以及4核和8核CPU手机的出现,无线网络数据传输能力大幅提升,移动终端性能大为改善.移动用户的广泛参与使得地理信息的采集和上传下载数据巨量,致使有限的带宽传输速率与海量信息传输需求不匹配.针对移动用户对空间数据的高压缩率和高失真度容忍率的需求,提出了一种新的矢量地图数据压缩方法,通过去除冗余点、平移坐标轴和转换数据类型3个步骤,可2次压缩数据.测试结果显示,该方法的综合压缩率接近70%,可有效降低无线网络数据传输负荷,节约移动终端的存储空间.
岳利群[9]（2011）在《基于分布式存储的虚拟地理环境关键技术研究》文中指出本文在学习,借鉴国内外相关研究成果的基础上,对分布式存储虚拟地理环境中的一些重要理论和关键技术以及相关算法做了较为深入的研究,通过大量的实验数据论证了论文提出的自适应空间数据模型和基于元数据的空间数据引擎,并在此基础上模拟构建了多级别多地区分布式存储虚拟地理环境,完成了原型平台的设计与开发,实现了地理空间数据的存储、管理、共享及可视化。主要研究内容和创新点如下:1.研究分析了现有分布式存储VGE的体系结构、数据资源、支撑技术和应用平台的特征及存在问题,建立了四层体系结构的分布式存储虚拟地理环境的架构,并从技术和应用两个层面,给出了基础层、资源层、服务层和应用层的内容构成和支撑技术,为分布式存储VGE的研究设计和应用服务提供了理论和方法指导。同时,探索并设计了基于网格、云模式和物联网模式下的虚拟地理环境的体系结构,为分布式存储VGE的发展提供了思路,也验证了本文提出的体系结构的扩展性和兼容性。2.建立了VGE元数据模型。结合分布式存储VGE的应用需求,建立了面向三维仿真模型、矢栅一体表达的元数据模型,实现了VGE元数据的动态管理、快速解析、缓存维护等8项技术,为分布式存储VGE元数据的规范化和标准化提供参考。3.建立了自适应的空间数据模型。提出了自适应空间数据模型建立的五大制约因素:数据、软件、用户、计算机和网络,通过改进基于球面Clipmap的数据模型和分布式存储VGE的数据模型,构建了自适应空间数据模型,解决了分布式存储VGE中空间数据自适应组织和管理的难题。其中改进后的球面Clipmap空间数据模型,空间数据利用率提高了2倍。4.构建了基于元数据的分布式空间数据引擎,解决了分布式存储空间数据的快速索引和提取问题。构建并分析了空间数据存储体系,提出了基于Linux构建多缓存服务器的数据服务模式,该服务模式不但提高了数据访问速度,还消除了Lustre文件系统不支持Windows客户端的瓶颈问题。在服务器快速定位、数据缓存设计、数据并行提取、Socket连接池等方面改进和实现了空间数据引擎的若干关键技术,最终构建了分布式存储VGE的空间数据引擎。5.实现了自适应空间数据可视化的多模式应用,建立了全球矢栅一体可视化框架和分布式空间数据可视化框架,探讨并实践了分布式空间数据可视化应用的加速技术,基于自适应空间数据模型生成了空间数据可视化多模式应用,验证了自适应空间数据模型的有效性。6.设计并实现了基于分布式存储的高效高可用性虚拟地理环境平台。对分布式存储虚拟地理环境平台（DSVGEP）中重点模块存储数据入库、元数据管理、自适应空间数据模型、空间数据服务引擎、可视化表达进行了说明,在此基础上对平台进行模拟部署与应用。经实验测试,单台Linux客户端能够同时支持100台可视化客户端的并行访问。
吴长伟[10]（2011）在《森林监护移动GIS及火灾扑救设备调度关键技术研究》文中进行了进一步梳理目前,随着天保工程的深入推进以及智慧林业要求的不断提高,林业工作的信息化、网络化和智能化已经成为森工企业适应新机遇、面对新挑战的前提和基础,也是加速林业现代化建设的重要手段。然而,作为林业现代化建设中最不可或缺的部分,森林监护工作由于监护面积大、监护人员监管难以及野外工作等缺陷,其现代化进展非常缓慢。因此,研究人员一直探求将先进的技术和方法应用到森林监护工作中,以提高效率,加强监督,实现监护数据的实时获取和高效传输。本文充分利用移动GIS具有的GPS卫星定位、智能终端携带方便以及无线网络互联等特点,在对其进行深入研究的基础上,将其应用到森林监护工作中,以实现森林监护工作的实时监护和数字化跟踪管理。本文研究和总结了森林监护工作的国内外发展现状,分析了目前实际工作中存在的问题,并确定将移动GIS应用到森林监护工作中；并且,针对于移动智能终端自身存在的有限带宽和计算能力与对位置的依赖性等劣势,及其在森林监护工作中的应用难点,确定了本文的研究方向和主要研究内容,即最大限度的发挥移动GIS在森林监护工作中的作用,实现森林监护工作中基于位置的各种空间信息服务。本文对基于移动GIS的森林监护空间信息服务进行研究和分析,确定适合本系统的空间信息服务体系。在移动通信网络方面,采用了卫星网络和广域蜂窝网络混合的通信网络；在移动定位技术方面,采用了混合移动定位技术；在移动GIS信息服务模式方面,采用了离线和在线两者混合的信息服务模式；在WebGIS实现策略方面,采用了客户端策略和服务器端策略相互补充配合的混合策略。为了最大限度的发挥移动GIS在森林监护工作中的作用,本文对矢量空间数据压缩、空间数据存储与管理、空间数据索引、空间数据渐进传输、空间数据缓存以及火灾扑救设备的分配与调度等关键技术进行研究。在对各矢量数据压缩算法进行比较分析的基础上,提出了基于多目标优化的Douglas-Peucker矢量数据压缩算法,以寻求在矢量数据压缩过程中压缩率和压缩误差的最优组合；在对前人研究进行总结分析的基础上,提出了去冗余动态四叉树空间索引算法,以实现移动GIS的空间数据索引；对空间数据渐进传输和空间数据缓存进行研究,以实现空间数据的优化传输,提高用户的查询效率；对森林火灾扑救设备的分配与调度进行研究,以实现多出救点多目标的森林火灾扑救设备优化调度。为了对本研究进行实际检验,本文对基于移动GIS的森林监护系统进行研究。对系统的功能需求和数据需求进行分析,并根据系统的需求进行系统的体系结构设计、功能设计和系统流程设计,再根据系统的设计进行系统功能实现。为了解决无线网络环境下的安全问题,对系统的相关安全策略进行探讨。该系统在黑龙江省塔河林业局进行实际应用,并取得了较好的效果。通过对森林监护移动GIS及火灾扑救设备调度关键技术进行研究,能够实现森林资源监护巡查过程的全方位数字化跟踪管理,极大地提高林业监护工作的效率,从根本上遏制谎报、瞒报和旷工等现象,对森林的人为破坏和自然灾害做到及时监护和报警,防止国有资产的大量流失,产生极大的经济效益和社会效益。
二、一种面向移动用户的空间矢量数据压缩算法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、一种面向移动用户的空间矢量数据压缩算法（论文提纲范文）
（1）面向移动端的空间数据传输保密技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 移动GIS的研究 |
| 1.3.2 空间数据加密方法研究 |
| 1.3.3 数据传输安全技术策略研究 |
| 1.4 研究目标和内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法 |
| 1.5 论文组织结构 |
| 第二章 信息安全理论与相关技术 |
| 2.1 信息安全理论 |
| 2.1.1 信息安全的定义 |
| 2.1.2 密码学理论 |
| 2.1.3 混沌理论 |
| 2.1.4 信息保密多级安全模型 |
| 2.2 信息安全相关技术 |
| 2.2.1 对称加密 |
| 2.2.2 公钥加密 |
| 2.2.3 混沌密码 |
| 2.2.4 单向散列函数 |
| 2.3 密码技术应用 |
| 2.3.1 保密通信系统 |
| 2.3.2 密码分析和攻击 |
| 2.3.3 基于口令的加密 |
| 2.4 本章小结 |
| 第三章 移动端开发安全技术 |
| 3.1 移动应用开发技术 |
| 3.1.1 原生App开发 |
| 3.1.2 Web App开发 |
| 3.1.3 跨平台App开发 |
| 3.1.4 移动开发技术选型 |
| 3.2 网络数据传输安全技术 |
| 3.2.1 网络参考模型和协议 |
| 3.2.2 SSL/TLS协议 |
| 3.2.3 身份认证 |
| 3.2.4 访问控制 |
| 3.3 应用开发安全要点 |
| 3.3.1 权限认证 |
| 3.3.2 请求合法性校验 |
| 3.3.3 数据合法性校验 |
| 3.3.4 数据加密 |
| 3.3.5 日志管理和审计 |
| 3.4 本章小结 |
| 第四章 空间数据加密算法研究 |
| 4.1 空间数据模型 |
| 4.1.1 概念模型 |
| 4.1.2 逻辑数据模型 |
| 4.1.3 物理数据模型 |
| 4.1.4 空间数据的组织方式 |
| 4.2 移动端空间数据加密需求 |
| 4.2.1 空间数据特征 |
| 4.2.2 移动端数据加密要求 |
| 4.2.3 加密算法选取要求 |
| 4.3 加密算法设计与改进 |
| 4.3.1 经典Logistic混沌映射算法 |
| 4.3.2 改进Logistic混沌映射算法 |
| 4.3.3 矢量数据加密算法 |
| 4.3.4 栅格数据加密算法 |
| 4.3.5 密钥生成和管理 |
| 4.4 算法的安全性和性能分析 |
| 4.4.1 密钥空间分析 |
| 4.4.2 密钥敏感性分析 |
| 4.4.3 直方图分析 |
| 4.4.4 加解密效率分析 |
| 4.5 本章小结 |
| 第五章 移动安全GIS原型系统的设计实现 |
| 5.1 系统架构设计 |
| 5.2 系统功能设计 |
| 5.3 系统功能实现 |
| 5.3.1 软硬件开发环境 |
| 5.3.2 用户管理 |
| 5.3.3 数据加密 |
| 5.3.4 服务发布 |
| 5.3.5 效率评估 |
| 5.3.6 数据访问 |
| 5.3.7 地图浏览 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 下一步的工作 |
| 致谢 |
| 参考文献 |
（2）面向移动智能终端的矢量地理数据访问控制模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状与存在的问题 |
| 1.2.1 矢量地理数据访问控制研究现状 |
| 1.2.2 移动端访问控制研究现状 |
| 1.2.3 矢量地理数据加密技术研究现状 |
| 1.2.4 存在的问题 |
| 1.3 研究内容、技术路线与论文组织 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 论文组织 |
| 第2章 移动环境下矢量地理数据访问控制基础 |
| 2.1 矢量地理数据特征分析 |
| 2.2 矢量地理数据访问控制理论基础 |
| 2.3 移动环境下矢量地理数据攻击方式分析 |
| 2.4 移动环境下矢量地理数据访问控制需求 |
| 2.5 移动端矢量地理数据访问控制框架 |
| 2.6 本章小结 |
| 第3章 顾及权限空间范围的矢量数据选择性加密算法 |
| 3.1 顾及权限空间范围的选择性加密思想 |
| 3.2 基于改进的Tent映射的矢量地理数据置乱算法 |
| 3.2.1 改进的Tent映射 |
| 3.2.2 基于改进的Tent映射的置乱算法 |
| 3.3 基于仿射变换的矢量地理数据可逆偏移算法 |
| 3.3.1 矢量坐标可逆偏移思想 |
| 3.3.2 矢量数据可逆偏移算法 |
| 3.4 矢量地理数据选择性加密算法 |
| 3.4.1 加密算法 |
| 3.4.2 解密算法 |
| 3.5 实验与分析 |
| 3.5.1 加解密效果分析 |
| 3.5.2 精度评估 |
| 3.5.3 安全性评估 |
| 3.5.4 效率评估 |
| 3.6 本章小结 |
| 第4章 面向移动智能终端的矢量数据访问控制模型设计 |
| 4.1 VGD-DTBAC模型 |
| 4.1.1 模型描述 |
| 4.1.2 模型中对象的定义 |
| 4.1.3 访问控制策略 |
| 4.2 动态信任评价方法 |
| 4.2.1 动态信任评价指标 |
| 4.2.2 动态信任评价指标量化方法 |
| 4.3 移动环境下矢量地理数据访问控制过程 |
| 4.3.1 VGD-DTBAC过程框架 |
| 4.3.2 访问控制过程 |
| 4.4 本章小结 |
| 第5章 移动端矢量地理数据访问控制系统实现与模型验证 |
| 5.1 系统设计 |
| 5.1.1 系统框架 |
| 5.1.2 系统功能结构 |
| 5.2 系统具体实现 |
| 5.2.1 管理端具体实现 |
| 5.2.2 用户端具体实现 |
| 5.3 系统实验与模型验证 |
| 5.3.1 实验环境 |
| 5.3.2 权限分配 |
| 5.3.3 权限认证 |
| 5.3.4 信任评价 |
| 5.3.5 细粒度访问控制 |
| 5.3.6 攻击防范 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要研究内容及结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 在读期间发表的学术论文及研究成果 |
| 致谢 |
（3）云计算环境下海量矢量数据的高效存储与并行叠置分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 研究项目依据 |
| 1.2 国内外研究动态 |
| 1.2.1 空间大数据的存储技术 |
| 1.2.2 高性能空间分析算法并行化研究 |
| 1.2.3 空间大数据负载均衡研究 |
| 1.3 研究目标及研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第二章 相关理论与技术介绍 |
| 2.1 矢量数据模型及存储概述 |
| 2.1.1 矢量数据模型 |
| 2.1.2 传统矢量数据存储策略 |
| 2.1.3 云环境下矢量数据存储策略 |
| 2.2 云计算及相关技术架构体系 |
| 2.2.1 云计算的概述 |
| 2.2.2 云计算技术体系架构 |
| 2.2.3 云环境下关键技术 |
| 2.3 负载均衡策略 |
| 2.3.1 负载均衡定义 |
| 2.3.2 基于数据划分的负载均衡策略 |
| 2.3.3 基于任务调度的负载均衡策略 |
| 2.3.4 基于资源调度的负载均衡策略 |
| 2.4 本章小结 |
| 第三章 云环境下海量矢量数据存储模型设计 |
| 3.1 矢量数据存储模型设计 |
| 3.1.1 RowKey的设计 |
| 3.1.2 列族的设计 |
| 3.2 基于Spark的海量矢量数据并行导入技术设计 |
| 3.3 云存储模型下二级索引设计 |
| 3.3.1 基于属性查询的二级多列索引表设计 |
| 3.3.2 基于空间范围查询的索引表设计 |
| 3.4 基于Hilbert编码的并行区域查询方法 |
| 3.5 本章小结 |
| 第四章 云环境下顾及计算复杂度的负载均衡策略研究 |
| 4.1 复杂度对高性能空间分析计算效率的影响 |
| 4.2 矢量空间数据计算复杂度模型的构建 |
| 4.2.1 空间算法特征分析 |
| 4.2.2 影响指数分析 |
| 4.2.3 影响指数筛选 |
| 4.2.4 复杂度模型构建 |
| 4.2.5 复杂度模型验证 |
| 4.3 高性能空间分析中顾及计算复杂度的数据划分策略 |
| 4.3.1 顾及计算复杂度的数据划分策略 |
| 4.3.2 高性能空间分析中基于计算复杂度的数据划分策略计算流程 |
| 4.4 本章小结 |
| 第五章 原型系统的实现 |
| 5.1 系统架构设计 |
| 5.2 系统运行环境 |
| 5.2.1 硬件环境 |
| 5.2.2 软件环境 |
| 5.2.3 集群环境运行示列 |
| 5.3 实验结果及分析 |
| 5.3.1 数据入库性能分析 |
| 5.3.2 数据查询分析 |
| 5.3.3 顾及计算复杂度的并行叠置性能分析 |
| 5.3.4 顾及计算复杂度的统计汇总性能分析 |
| 5.4 本章小结 |
| 第六章 结论及展望 |
| 6.1 结论 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
（4）空间数据分布式存储与并行处理方法研究及其在林业领域的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地理空间大数据时代的到来 |
| 1.2.2 遥感影像分布式存储及并行处理研究现状 |
| 1.2.2.1 遥感影像分布式存储研究现状 |
| 1.2.2.2 遥感影像并行处理研究现状 |
| 1.2.3 空间矢量数据分布式存储及并行处理研究现状 |
| 1.2.3.1 空间矢量数据分布式存储研究现状 |
| 1.2.3.2 空间矢量数据并行处理研究现状 |
| 1.2.4 空间矢量数据索引研究现状 |
| 1.2.5 当前研究不足之处 |
| 1.3 论文研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 2 相关技术介绍 |
| 2.1 分布式文件系统 |
| 2.1.1 HDFS |
| 2.1.2 Alluxio |
| 2.2 并行计算技术 |
| 2.2.1 MapReduce |
| 2.2.2 Spark |
| 2.3 本章小结 |
| 3 遥感影像分布式存储模型 |
| 3.1 遥感影像特性分析 |
| 3.1.1 影像数据模型 |
| 3.1.2 遥感影像数据访问 |
| 3.2 遥感影像分布式存储模型的设计与实现 |
| 3.2.1 HDFS小文件问题 |
| 3.2.2 键值对容器 |
| 3.2.3 索引后的键值对容器 |
| 3.2.4 影像数据块编号 |
| 3.2.4.1 矩形块划分编号 |
| 3.2.4.2 行划分编号 |
| 3.2.4.3 列划分编号 |
| 3.2.5 遥感影像分布式存储模型-MapImge |
| 3.2.6 模型存取接口 |
| 3.3 实验与分析 |
| 3.3.1 实验环境与实验数据 |
| 3.3.2 实验结果与分析 |
| 3.4 本章小结 |
| 4 空间矢量数据分布式存储模型 |
| 4.1 矢量数据模型 |
| 4.1.1 空间关系型矢量数据 |
| 4.1.2 面向对象型矢量数据 |
| 4.1.3 矢量瓦片金字塔 |
| 4.1.4 矢量瓦片格式-mvt |
| 4.2 矢量数据分布式存储模型的设计与实现 |
| 4.2.1 矢量空间索引 |
| 4.2.2 内存键值对容器 |
| 4.2.3 矢量数据分布式存储模型-VectorTileStore |
| 4.2.4 模型存取接口 |
| 4.3 实验与分析 |
| 4.3.1 实验环境与实验数据 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 5 空间数据并行处理 |
| 5.1 遥感影像金字塔并行构建及加载 |
| 5.1.1 数据预处理 |
| 5.1.2 并行构建及加载流程 |
| 5.1.3 实验与分析 |
| 5.2 矢量瓦片金字塔并行构建及加载 |
| 5.2.1 数据预处理 |
| 5.2.2 并行构建及加载流程 |
| 5.2.3 实验与分析 |
| 5.3 存储模型并行输入格式 |
| 5.3.1 InputFormat抽象类 |
| 5.3.2 MapImage并行输入格式 |
| 5.3.3 VectorTileStore并行输入格式 |
| 5.3.4 实验与分析 |
| 5.4 矢量空间并行查询 |
| 5.4.1 空间查询 |
| 5.4.2 并行查询流程 |
| 5.4.2.1 第一层过滤 |
| 5.4.2.2 第二层过滤 |
| 5.4.2.3 空间连接并行查询 |
| 5.4.3 实验与分析 |
| 5.5 遥感影像并行镶嵌 |
| 5.5.1 数据预处理 |
| 5.5.2 并行镶嵌流程 |
| 5.5.3 实验与分析 |
| 5.6 空间数据并行处理接口 |
| 5.7 本章小结 |
| 6 植被覆盖度遥感并行反演 |
| 6.1 研究区域与数据 |
| 6.2 影像分布式存储 |
| 6.3 数据预处理与植被覆盖度反演模型 |
| 6.3.1 数据预处理 |
| 6.3.2 植被覆盖度反演模型 |
| 6.4 植被覆盖度并行反演流程 |
| 6.5 实验与分析 |
| 6.5.1 实验环境与实验数据 |
| 6.5.2 实验结果与分析 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（5）时空轨迹数据的结构化处理与行为语义感知（论文提纲范文）
| 本论文创新点 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 大数据与时空大数据 |
| 1.1.2 时空轨迹大数据 |
| 1.2 国内外研究现状 |
| 1.2.1 时空轨迹数据挖掘 |
| 1.2.2 结构化道路信息提取 |
| 1.2.3 时空轨迹数据语义感知 |
| 1.3 研究内容及论文组织 |
| 1.3.1 研究对象与研究目标 |
| 1.3.2 研究内容与技术路线 |
| 1.3.3 论文结构与章节安排 |
| 1.4 本章小结 |
| 第2章 理论基础与技术方法 |
| 2.1 时空轨迹相关概念 |
| 2.1.1 时空轨迹基本定义 |
| 2.1.2 时空轨迹获取与分类 |
| 2.1.3 时空轨迹基本特征 |
| 2.2 时空轨迹相关理论模型 |
| 2.2.1 运动空间与运动概念模型 |
| 2.2.2 时空GIS与时空数据模型 |
| 2.2.3 时间地理学 |
| 2.2.4 行为地理学 |
| 2.3 时空轨迹相关处理技术与方法 |
| 2.3.1 轨迹数据预处理 |
| 2.3.2 轨迹数据存储管理 |
| 2.3.3 时空轨迹数据挖掘 |
| 2.3.4 其他处理技术方法 |
| 2.4 本章小结 |
| 第3章 面向众源车辆轨迹数据的结构化道路信息提取与更新 |
| 3.1 众源车辆轨迹数据分析 |
| 3.2 道路信息与轨迹数据关联分析 |
| 3.2.1 道路几何拓扑信息 |
| 3.2.2 道路属性语义信息 |
| 3.2.3 道路变化信息分析 |
| 3.3 三角网支持下的低频车辆轨迹提取结构化道路信息 |
| 3.3.1 问题分析 |
| 3.3.2 方法原理 |
| 3.3.3 实验结果分析 |
| 3.4 众源车行轨迹数据的路网变化信息检测与更新方法 |
| 3.4.1 问题分析 |
| 3.4.2 方法原理 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第4章 面向人类活动轨迹数据的路网精细建模与地图重建 |
| 4.1 人类活动轨迹数据分析 |
| 4.1.1 活动轨迹数据获取 |
| 4.1.2 活动轨迹数据类型 |
| 4.1.3 活动轨迹数据特征 |
| 4.1.4 活动轨迹与精细路网信息关联分析 |
| 4.2 活动轨迹数据构建精细道路地图过程认知分析 |
| 4.2.1 轨迹数据综合过程 |
| 4.2.2 图结构抽象建模过程 |
| 4.2.3 专题地图分层构建过程 |
| 4.3 基于多类活动GPS轨迹的中小区域精细道路地图构建 |
| 4.3.1 问题分析 |
| 4.3.2 方法原理 |
| 4.3.3 实验结果分析 |
| 4.4 本章小结 |
| 第5章 面向时空轨迹数据的活动行为建模与场所语义感知 |
| 5.1 轨迹数据的时空语义感知 |
| 5.1.1 时空行为语义感知 |
| 5.1.2 场所位置语义感知 |
| 5.1.3 活动事件语义感知 |
| 5.1.4 时空语义感知框架 |
| 5.2 低频车辆轨迹加油停留行为识别与加油场所信息提取 |
| 5.2.1 问题分析 |
| 5.2.2 方法原理 |
| 5.2.3 实验结果分析 |
| 5.3 慢跑运动轨迹绕圈周期行为探测与运动场所信息提取 |
| 5.3.1 问题分析 |
| 5.3.2 方法原理 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 第6章 时空轨迹数据结构化处理原型系统实现 |
| 6.1 系统架构设计 |
| 6.1.1 系统设计思路 |
| 6.1.2 系统总体设计 |
| 6.1.3 系统开发环境 |
| 6.1.4 系统实验数据集 |
| 6.2 系统功能模块设计与实现 |
| 6.2.1 轨迹数据预处理模块 |
| 6.2.2 轨迹数据挖掘模块 |
| 6.2.3 系统交互与可视化模块 |
| 6.3 系统示例展示 |
| 6.3.1 系统主界面 |
| 6.3.2 系统功能模块展示 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 中外文参考文献 |
| 攻博期间发表的科研成果 |
| 致谢 |
（6）面向CPU/GPU混合架构的地理空间分析负载均衡并行技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.1.3 项目支撑 |
| 1.2 研究进展综述 |
| 1.2.1 负载均衡并行技术概述 |
| 1.2.2 地理空间分析并行技术研究 |
| 1.2.3 CPU/GPU混合架构并行技术研究 |
| 1.2.4 地理空间分析通用并行化方法研究 |
| 1.2.5 研究现状评述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文组织 |
| 第2章 基于计算复杂度的矢量多边形空间分析负载均衡并行方法 |
| 2.1 数据密集型多边形空间分析负载均衡并行方法 |
| 2.1.1 算法特征分析 |
| 2.1.2 基于多边形复杂度的数据划分方法 |
| 2.1.3 并行计算实现流程 |
| 2.1.4 实验与分析 |
| 2.2 计算密集型多边形空间分析负载均衡并行方法 |
| 2.2.1 算法特征分析 |
| 2.2.2 基于改进边界代数法的多边形空间分析算法 |
| 2.2.3 多边形计算复杂度模型构建 |
| 2.2.4 复杂多边形分解方法 |
| 2.2.5 并行计算实现流程 |
| 2.2.6 实验与分析 |
| 2.3 本章小结 |
| 第3章 顾及有效计算量的多粒度栅格空间分析负载均衡并行方法 |
| 3.1 局部型栅格数据空间分析负载均衡并行方法 |
| 3.1.1 算法特征分析 |
| 3.1.2 不规则数据划分方法 |
| 3.1.3 多粒度动态并行调度方法 |
| 3.1.4 并行计算实现流程 |
| 3.1.5 实验与分析 |
| 3.2 全局型栅格数据空间分析负载均衡并行方法 |
| 3.2.1 算法特征分析 |
| 3.2.2 两阶段数据划分方法 |
| 3.2.3 抓取式并行调度方法 |
| 3.2.4 基于二叉树的结果融合方法 |
| 3.2.5 并行计算实现流程 |
| 3.2.6 实验与分析 |
| 3.3 本章小结 |
| 第4章 面向CPU/GPU混合架构的自适应负载均衡并行计算模型 |
| 4.1 自适应负载均衡并行计算模型 |
| 4.1.1 总体架构 |
| 4.1.2 适应CPU/GPU混合异构计算环境的并行方法 |
| 4.1.3 串行算法快速并行化方法 |
| 4.1.4 自适应负载均衡方法 |
| 4.2 自适应负载均衡并行计算平台 |
| 4.2.1 设计思想 |
| 4.2.2 平台配置 |
| 4.2.3 功能结构 |
| 4.3 实验与分析 |
| 4.3.1 实验设计 |
| 4.3.2 多核CPU下进程级/线程级混合并行方法验证 |
| 4.3.3 CPU/GPU协同并行方法验证 |
| 4.3.4 LBPM并行计算模型适应性验证 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研成果 |
| 致谢 |
| 附录: 部分算法实现伪代码 |
（7）嵌入式GIS空间数据多尺度表达与快速显示技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 矢量数据多尺度表达技术研究概述 |
| 1.2.2 遥感影像多分辨率表达技术研究概述 |
| 1.3 本文的研究内容及结构 |
| 第二章 面向嵌入式的土地利用数据多尺度表达与快速显示技术 |
| 2.1 引言 |
| 2.2 基于土地利用数据特征的综合规则提取 |
| 2.2.1 语义特征综合规则制定 |
| 2.2.2 空间结构特征综合规则制定 |
| 2.3 一种动静结合的矢量数据多尺度处理模型 |
| 2.4 基于拓扑一致性的面状图斑快速简化算法 |
| 2.4.1 算法研究背景 |
| 2.4.2 DP算法分析 |
| 2.4.3 一种顾及相邻地理实体空间关系的关键检测点识别方法 |
| 2.4.4 一种基于关键检测点识别的拓扑一致性化简算法 |
| 2.4.5 实验结果与分析 |
| 2.5 面向大容量快速显示的多尺度空间数据存储模型设计 |
| 2.5.1 典型嵌入式数据库分析与比较 |
| 2.5.2 空间数据存储方式设计 |
| 2.5.3 数据库表逻辑映射关系设计 |
| 2.5.4 数据库表结构设计 |
| 2.6 实验结果与分析 |
| 2.6.1 综合规则应用与综合效果展示 |
| 2.6.2 多尺度快速显示算法有效性测试 |
| 2.7 本章小结 |
| 第三章 基于改进G-H算法的超大图斑快速显示算法 |
| 3.1 引言 |
| 3.2 多边形裁剪算法问题分析 |
| 3.3 一种基于出入性的交点退化检测算法 |
| 3.3.1 交点退化现象分析 |
| 3.3.2 多边形裁剪算法失效原因分析 |
| 3.3.3 交点出入特性判定策略设计 |
| 3.4 一种顾及交点退化现象的多边形裁剪算法 |
| 3.4.1 算法思路 |
| 3.4.2 算法的数据结构 |
| 3.4.3 算法描述 |
| 3.4.4 实验结果与分析 |
| 3.5 一种适用于嵌入式GIS的矢量图加速显示策略 |
| 3.5.1 基于图形裁剪的矢量图渲染改进方案 |
| 3.5.2 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 面向嵌入式的遥感影像LOD表达与快速显示技术 |
| 4.1 引言 |
| 4.2 海量遥感影像LOD表达预处理算法 |
| 4.2.1 影像金字塔模型参数确定方法 |
| 4.2.2 金字塔构建算法改进思路 |
| 4.2.3 一种海量影像金字塔构建优化算法 |
| 4.3 LOD数据存储组织策略设计 |
| 4.4 基于视相关LOD的遥感影像快速调度显示算法 |
| 4.5 实验结果与分析 |
| 4.5.1 实验环境 |
| 4.5.2 实验结果 |
| 4.6 一种改进的自适应海量影像LOD表达处理算法 |
| 4.6.1 改进思路 |
| 4.6.2 一种最优预设压缩比设置策略 |
| 4.6.3 实验结果与分析 |
| 4.7 本章小结 |
| 第五章 数字化动态变更外业调查与核查系统研发 |
| 5.1 引言 |
| 5.2 数字化动态变更外业调查与核查系统设计 |
| 5.2.1 系统体系结构设计 |
| 5.2.2 系统框架结构设计 |
| 5.2.3 系统功能模块设计 |
| 5.2.4 系统总体工作流程 |
| 5.3 利用设计模式提高嵌入式GIS框架可复用性方法 |
| 5.3.1 基于Strategy模式的多尺度显示算法集成 |
| 5.3.2 基于Command模式的UI界面操作实现 |
| 5.3.3 基于Abstract Factory模式的窗口风格设计 |
| 5.4 主要功能实现 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的科研工作和学术活动 |
（8）面向移动用户的矢量地图数据压缩方法（论文提纲范文）
| 0引言 |
| 1压缩方法设计 |
| 1.1去除冗余数据点 |
| 1.2坐标轴平移 |
| 1.3数据类型转换 |
| 2数据压缩测试 |
| 2.1样本数据选取 |
| 2.2压缩测试 |
| 2.2.1 Douglas-Peucker方法初次压缩 |
| 2.2.2坐标轴平移 |
| 2.2.3二次压缩 |
| 2.3结果分析 |
| 3结论 |
（9）基于分布式存储的虚拟地理环境关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目标和内容 |
| 1.3 国内外研究现状 |
| 1.3.1 关于分布式存储的研究 |
| 1.3.2 关于虚拟地理环境的研究 |
| 1.3.3 关于分布式地理信息服务的研究 |
| 1.3.4 关于自适应空间信息可视化的研究 |
| 1.4 论文的组织 |
| 第二章 分布式存储虚拟地理环境体系结构 |
| 2.1 基本概念 |
| 2.1.1 分布式存储概念与内涵 |
| 2.1.2 虚拟地理环境概念与内涵 |
| 2.1.3 分布式存储VGE 概念与内涵 |
| 2.2 分布式存储VGE 研究现状分析 |
| 2.2.1 应用需求分析 |
| 2.2.2 体系结构分析 |
| 2.3 分布式存储VGE 体系结构 |
| 2.3.1 分布式存储VGE 的总体架构 |
| 2.3.2 分布式存储VGE 的内容体系 |
| 2.3.3 分布式存储VGE 体系结构的拓展 |
| 2.4 本章小结 |
| 第三章 分布式存储虚拟地理环境元数据模型建立 |
| 3.1 元数据 |
| 3.1.1 元数据发展现状 |
| 3.1.2 元数据理论内涵 |
| 3.1.3 元数据的表达形态及功能 |
| 3.2 地理空间信息元数据 |
| 3.2.1 地理空间信息元数据基础结构设计 |
| 3.2.2 面向三维仿真模型的元数据 |
| 3.2.3 面向矢栅一体表达的元数据 |
| 3.3 分布式存储VGE 元数据 |
| 3.3.1 元数据的存储与动态管理 |
| 3.3.2 元数据的快速解析机制 |
| 3.3.3 元数据的交互设计 |
| 3.3.4 元数据的缓存维护策略 |
| 3.3.5 元数据的负载均衡设计 |
| 3.3.6 元数据的互斥锁机制 |
| 3.3.7 元数据的文件操作模式 |
| 3.3.8 元数据的容灾和快速恢复机制 |
| 3.4 本章小结 |
| 第四章 自适应地理空间数据模型构建 |
| 4.1 自适应地理空间数据模型 |
| 4.1.1 自适应概念与内涵 |
| 4.1.2 地理空间数据模型 |
| 4.1.3 自适应地理数据模型 |
| 4.2 自适应空间数据模型建立的制约因素 |
| 4.2.1 数据因素 |
| 4.2.2 软件因素 |
| 4.2.3 用户因素 |
| 4.2.4 计算机因素 |
| 4.2.5 网络因素 |
| 4.3 自适应空间数据模型构建 |
| 4.3.1 基于球面Clipmap 的空间数据模型 |
| 4.3.2 基于分布式存储的空间数据模型 |
| 4.3.3 自适应空间数据模型建立 |
| 4.4 本章小结 |
| 第五章 基于元数据的分布式空间数据引擎构建 |
| 5.1 海量空间数据分布存储 |
| 5.1.1 基于单机的空间数据存储 |
| 5.1.2 基于文件系统的空间数据分布存储 |
| 5.1.3 两种存储体系比较 |
| 5.2 空间数据分布式存储环境构建 |
| 5.2.1 单模式元数据服务器构建 |
| 5.2.2 基于集群的数据存储服务器构建 |
| 5.2.3 基于Linux 的客户端多缓存服务器构建 |
| 5.3 分布式存储空间数据快速索引与提取 |
| 5.3.1 空间数据索引算法分析 |
| 5.3.2 基于名字空间的服务器快速定位 |
| 5.3.3 基于改进Morton 码的四叉树元数据索引 |
| 5.3.4 基于Hash 表的数据块缓存搜寻算法 |
| 5.3.5 基于多缓存服务器的数据并行提取方案 |
| 5.3.6 基于多Linux 客户端的Socket 连接池的建立 |
| 5.4 基于分布式存储的空间数据引擎设计 |
| 5.4.1 面向单机单目录的数据引擎 |
| 5.4.2 面向单机多目录的数据引擎 |
| 5.4.3 面向单文件系统的数据引擎 |
| 5.4.4 面向多文件系统的数据引擎 |
| 5.4.5 面向网络传输的数据引擎 |
| 5.4.6 面向异构配备硬件的数据引擎 |
| 5.4.7 面向分布式存储的数据引擎 |
| 5.5 本章小结 |
| 第六章 自适应空间数据可视化多模式应用 |
| 6.1 空间数据可视化总体架构 |
| 6.1.1 空间数据三维可视化基础结构 |
| 6.1.2 全球矢栅一体可视化框架建立 |
| 6.1.3 分布式空间数据可视化框架建立 |
| 6.2 分布式空间数据可视化应用技术 |
| 6.2.1 分布式空间数据可视化应用加速技术 |
| 6.2.2 分布式空间数据可视化实践 |
| 6.3 基于自适应空间数据模型的多模式可视化应用策略 |
| 6.3.1 基础可视化引擎构建 |
| 6.3.2 地形漫游的可视化应用策略 |
| 6.3.3 空间分析的可视化应用策略 |
| 6.3.4 态势表达的可视化应用策略 |
| 6.3.5 多机多屏并行计算的可视化应用策略 |
| 6.3.6 移动客户端的可视化应用策略 |
| 6.4 本章小结 |
| 第七章 分布式存储虚拟地理环境平台实践 |
| 7.1 分布式存储虚拟地理环境平台支撑 |
| 7.1.1 平台环境支持 |
| 7.1.2 平台功能体系 |
| 7.1.3 平台开发路线 |
| 7.2 分布式存储虚拟地理环境平台实现 |
| 7.2.1 存储数据入库模块 |
| 7.2.2 元数据管理模块 |
| 7.2.3 自适应空间数据模型模块 |
| 7.2.4 空间数据服务引擎模块 |
| 7.2.5 空间数据可视化表达模块 |
| 7.3 分布式存储虚拟地理环境平台部署与应用 |
| 7.3.1 DSVGEP 运行部署 |
| 7.3.2 DSVGEP 实践应用 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究工作总结 |
| 8.1.1 主要研究工作 |
| 8.1.2 主要创新点 |
| 8.2 研究工作展望 |
| 参考文献 |
| 作者简历 攻读博士学位期间完成的主要工作 |
| 致谢 |
（10）森林监护移动GIS及火灾扑救设备调度关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 森林监护发展现状 |
| 1.3 移动GIS的国内外研究发展现状 |
| 1.3.1 国外研究发展现状 |
| 1.3.2 国内研究发展现状 |
| 1.4 研究的目的和意义 |
| 1.5 研究的内容和论文组织结构 |
| 2 移动空间信息服务技术研究分析 |
| 2.1 移动GIS技术研究 |
| 2.1.1 移动GIS概述 |
| 2.1.2 移动GIS的特点 |
| 2.1.3 移动G1S体系结构 |
| 2.2 无线移动通信网络 |
| 2.2.1 无线广域网络(Wireless Wide Area Networks,WWAN) |
| 2.2.2 无线局域网络(Wireless Local Area Networks,WLAN) |
| 2.2.3 无线个人区域网络(Wireless Personal Area Networks,WPAN) |
| 2.2.4 卫星网络(Satellite Networks,SN) |
| 2.3 移动定位技术 |
| 2.3.1 基于网络的定位技术 |
| 2.3.2 基于终端的定位技术 |
| 2.3.3 混合的定位技术 |
| 2.4 移动GIS信息服务模式 |
| 2.4.1 离线服务模式 |
| 2.4.2 在线服务模式 |
| 2.4.3 混合服务模式 |
| 2.5 WebGIS技术 |
| 2.5.1 WebGIS概述 |
| 2.5.2 WebGIS的特点 |
| 2.5.3 WebGIS的功能 |
| 2.5.4 WebGIS的实现策略 |
| 2.6 本章小结 |
| 3 矢量数据压缩算法研究 |
| 3.1 矢量数据压缩概述 |
| 3.2 矢量数据压缩基本算法 |
| 3.2.1 垂距限值法 |
| 3.2.2 角度限值法 |
| 3.2.3 Douglas-Peucker算法 |
| 3.2.4 基于小波技术的压缩算法 |
| 3.3 基于多目标优化的矢量数据压缩算法 |
| 3.3.1 多目标优化理论基础 |
| 3.3.2 矢量数据压缩多目标优化问题描述 |
| 3.3.3 基于多目标优化的Douglas-Peucker矢量数据压缩算法求解 |
| 3.3.4 算法验证与分析 |
| 3.4 本章小结 |
| 4 移动GIS矢量空间数据组织管理和渐进传输研究 |
| 4.1 空间数据组织存储与管理 |
| 4.1.1 服务控制中心数据存储与管理 |
| 4.1.2 移动终端数据读取显示数学模型分析 |
| 4.1.3 移动终端数据存储与管理 |
| 4.2 移动空间矢量数据索引 |
| 4.2.1 空间索引技术的比较与分析 |
| 4.2.2 基于四叉树的空间索引算法分析 |
| 4.2.3 去冗余动态四叉树空间索引算法 |
| 4.3 移动空间矢量数据渐进传输 |
| 4.3.1 矢量数据渐进传输思想 |
| 4.3.2 矢量数据渐进传输研究现状及存在的问题 |
| 4.3.3 渐进传输的体系结构 |
| 4.4 空间数据缓存技术 |
| 4.5 本章小结 |
| 5 森林火灾扑救设备分配与调度的研究 |
| 5.1 森林火灾扑救设备数量确定的数学模型 |
| 5.1.1 火灾扑救设备数量问题数学分析 |
| 5.1.2 数学模型构建 |
| 5.1.3 数学模型求解 |
| 5.2 森林救灾设备调度模型的研究 |
| 5.2.1 多出救点多目标问题描述 |
| 5.2.2 多出救点多目标数学模型 |
| 5.2.3 基于理想点方法的模型求解 |
| 5.3 最短路径求解算法 |
| 5.3.1 Dijkstra算法描述 |
| 5.3.2 Dijkstra算法分析与改进思想 |
| 5.4 森林火灾扑救设备分配与调度的实现 |
| 5.5 本章小结 |
| 6 基于移动GIS的森林监护系统研究 |
| 6.1 系统需求 |
| 6.1.1 系统功能需求 |
| 6.1.2 系统数据需求 |
| 6.2 开发平台及软硬件环境 |
| 6.2.1 ArcGIS Server平台介绍 |
| 6.2.2 ArcGIS Mobile ADF |
| 6.2.3 ArcGIS Mobile ADF开发 |
| 6.2.4 系统开发软硬件环境 |
| 6.3 系统设计 |
| 6.3.1 面向对象用例分析 |
| 6.3.2 系统体系结构设计 |
| 6.3.3 系统功能设计 |
| 6.3.4 系统主要流程设计 |
| 6.4 系统主要功能实现 |
| 6.4.1 森林监护系统主界面实现 |
| 6.4.2 森林巡护坐标采集的实现 |
| 6.4.3 移动终端地图功能的实现 |
| 6.4.4 巡护管理功能的实现 |
| 6.4.5 巡护基本信息维护的实现 |
| 6.5 系统安全 |
| 6.5.1 无线传输的安全性和完整性 |
| 6.5.2 系统应用安全 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
四、一种面向移动用户的空间矢量数据压缩算法（论文参考文献）
- [1]面向移动端的空间数据传输保密技术研究[D]. 张挺. 东南大学, 2020
- [2]面向移动智能终端的矢量地理数据访问控制模型研究[D]. 夏一天. 南京师范大学, 2020(03)
- [3]云计算环境下海量矢量数据的高效存储与并行叠置分析[D]. 蒋元义. 昆明理工大学, 2020
- [4]空间数据分布式存储与并行处理方法研究及其在林业领域的应用[D]. 聂沛. 东北林业大学, 2020(01)
- [5]时空轨迹数据的结构化处理与行为语义感知[D]. 杨伟. 武汉大学, 2019(06)
- [6]面向CPU/GPU混合架构的地理空间分析负载均衡并行技术研究[D]. 周琛. 南京大学, 2018(09)
- [7]嵌入式GIS空间数据多尺度表达与快速显示技术研究[D]. 李玲. 东南大学, 2018(12)
- [8]面向移动用户的矢量地图数据压缩方法[J]. 陈志荣,尹天鹤,徐财江,周峰. 浙江大学学报(理学版), 2016(01)
- [9]基于分布式存储的虚拟地理环境关键技术研究[D]. 岳利群. 解放军信息工程大学, 2011(07)
- [10]森林监护移动GIS及火灾扑救设备调度关键技术研究[D]. 吴长伟. 东北林业大学, 2011(09)