地籍管理信息系统中宗地数据的时空组织与查询研究

时态信息是地理信息系统（GIS）中信息的重要一维，时态地理信息系统（TGIS）已成为当前国际GIS研究的热点。在地籍管理工作中，空间对象的历史状态和引起状态变化的相关事件等数据作为重要的存档资料都应当加以保存。在简要介绍了时态地理信息系统和时空数据模型之后，以地籍管理信息系统中的时态数据的管理来讨论适合实际地籍管理的宗地时空数据组织和查询。第一部分分析了宗地变更的基本类型，主要讨论了空间物体形态的变化，一般分为宗地合并、宗地分割和复杂变化。接着在第二部分则描述了宗地变化的时空拓扑关系－空间相关性（spatio-overlap）和时间相接性（time-meet）。第三部分在不改变原有的数据库的存储结构的条件下，运用基态修正法，通过定义时态对象来构造宗地数据时空模型，据此在宗地层区分现状层和历史层来对时态数据进行数据组织。在第四部分，根据宗地数据的时空变化类型和时空拓扑关系，设计了查询算法进行宗地空间数据的时态查询，并提供了查询算法的关键代码。最后，我们以某市旧城改造的实验数据进行了验证，实践表明运用该方法可以有效地对时态数据进行快照查询和任意宗地进行时态跟踪和搜索。     

时态地籍探讨

针对变更频繁、数量巨大、来源丰富的地籍信息,传统的地籍管理方法已经不能满足现代化土地管理的需要这一现实问题,介绍了时态地籍目前主要的两种实现模型及时空数据的存储方式,采用理论分析的方法,提出了随机分单位基态修正模型和分量基态修正存储方式,以实现保存宗地变更的历史和实现宗地追溯查询.研究结果有助于与同行探讨.     

面向事件的地理要素时空回溯研究

以基础地理数据为例,在研究现实世界-计算机世界-数据库中事件-变更操作-要素之间的逻辑关系的基础上,通过建立要素信息表、事件信息表以及包含事件关联、事件约束的事件树索引体系,提出并实现了面向事件的地理要素的时空回溯方法,为地理要素的时空查询与回溯奠定了基础.     

路网与动态交通信息一体化的导航时空数据库研究

路网与动态交通信息一体化的导航时空数据库设计所面临的一个问题,就是如何建立有效的时空数据模型组织路网与动态交通信息一体化数据.在建立适合路网与动态交通信息数据库一体化时空数据模型的基础上,提出了应用这些模型并实现存储、显示、查询和管理路网与动态交通信息的一体化数据.     

一种面向对象的时空数据模型及其操作

提出了一种面向对象的时空数据模型,研究了其数据结构、时空数据的建立算法、时空数据的更新算法及时空数据查询方法,并给出了一个模拟地籍的历史演变的实例．     

一种面向对象的时空数据模型及其操作

提出了一种面向对象的时空数据模型，研究了其数据结构，时空数据的建立算法，时空数据的更新算法及时空数据查询方法，并给出了一个模拟地籍的历史演变的实例。     

基于XQuery符号表示法的模糊时空数据查询

讨论了模糊时空数据查询的概念,研究了模糊时空数据时态查询、空间查询、属性查询和时空查询的各类查询形式及查询特性,基于XQuery提出了模糊时空数据查询的统一符号表示法,并对典型查询进行了举例说明.此外,还讨论了XQuery模糊时空扩展问题,包括XQuery表达上的扩展、处理上的扩展及体系结构上的扩展.提出的表示法可以表示时空查询语言STQL和移动目标查询语言FTL中规定的各类查询,并可以消除由不同查询表现形式带来的语义混淆,以对各类模糊时空数据查询进行统一表示.     

基于时间切片模型的设施农业时空数据研究

为实现北京市设施农业信息管理系统由静态GIS向时态GIS的转变,解决设施农业时空数据动态存储与表达的问题,针对设施农业数据的时空动态变化特征与情况,结合时间切片模型的思想与方法,提出了设施农业时空数据模型,以实现设施农业时空数据的重组与管理.阐述了设施农业时空数据的组织、存储结构与查询方法.研究表明,设施农业时空数据模型能很好地表达设施农业时空对象的空间信息、属性信息以及变化关系,为设施农业时空数据管理提供了新的思路与方法.     

地理信息系统中时空拓扑关系计算表达

针对TGIS时空对象,建立了基于时段时空数据模型,根据9交模型以及基于时段的时间表示方法,定义了TGIS时空对象时空拓扑关系模型,利用代数方法给出了时空拓扑关系计算的规则.能有效地重建时空数据的历史状态,跟踪时空数据的变化,处理一切基于时间的查询,实现对TGIS时空对象时空拓扑关系的计算.     

地籍变更的时态数据结构模型研究

通过对地籍变更特点的分析,只有在数据描述对象中引入起始日期、变更日期、来源记录指针和去向记录指针等概念后,才能有效的描述宗地变更过程,在此基础上,以数据更新和查询统计实例研究了时空数据的操作和应用,本文的结果已成功地应用于江苏省城镇地籍管理信息系统中。     

一种集成时空数据模型及语义扩展

采用面向对象的方法提出了一种具有集成特点的时空数据模型．模型分别扩展了空间数据对象和时态数据对象,时空对象是空间对象和时态对象的聚集,空间对象的变化由对象的行为进行描述并以不同的版本表现出来．此外,通过量词符号在时域上的扩充对对象的基本关系进行了语义扩展,在形式上将时态和空间谓词语义统一起来．这种模型能够更好地适应时空信息系统的应用需求．     

时空数据模型的研究进展评述

时空数据模型是研究地学时空过程的基础数据设施条件．在介绍时空数据模型的研究进展的同时也讨论了当前主要时空数据模型的优缺点．时空数据模型根据其建模思路主要地可分为4类，即着重于描述时空状态序列的过程模型，着重于描述某个时间点上形成的时空因果联系的时间点模型，意图全面描述时空关系的面向对象的模型以及满足特定时空推理方法要求的专用数据模型．时空对象的特征变化过程、空间关系以及时序关系的表达在时空数据模型的研究中讨论得比较广泛而深入，但是针对时空中的相互作用过程及存在于其中的时空因果联系以及针对时空不确定性的表达研究目前仍显不足，需要进一步研究．针对特定时空推理算法的专用时空数据模型需要与时空推理模型的研究紧密结合才能取得同步发展．越来越多的多源异构时空数据需要一个逻辑上的集成模型以实现一体化的数据管理，这方面的研究也需要进一步深入．     

基于RBF神经网络的地理时空信息预测推理方法

本文在深入分析地理实体时空特征的基础上,对地理实体进行抽象和标准化处理,提出一种针对特征复杂地理实体的地理信息预测推理方法。该方法重点研究了基于RBF网络学习方法的地理实体时空信息预测推理的理论、模型方法和具体过程,通过对地理实体对象化抽象描述和标准化处理,建立时空信息融合的超曲面,并利用RBF神经网络超强的非线性拟合能力,构建了复杂地理实体的时间、空间和属性信息的一体化预测和推理模型,并以桂林漓江阳朔段流域水质中溶解氧(DO)的含量的预测推理验证该方法的可行性,为时空数据处理过程中智慧决策和推理分析提供了有效途径。     

一种双时态时空模型和索引机制

建立了一种支持三维空间和双时态的时空模型，给出了模型的形式化定义，讨论了时空数据类型，并在此模型上提出了一个基于R树的统一时空索引（UST-TREE）机制，定义了节点结构，并分析、描述此索引的结构及原理，所提出的索引机制可大大提高数据的检索效率，减少了冗余信息。     

基于XML的不确定时空数据模型

由于在传送过程中存在数据失真、丢失或者网络延迟等原因,时空数据的不确定性普遍存在且无法避免,因此需要研究一个折中办法,使其不影响对数据的处理.基于XML建立不确定时空数据模型表达时空数据具有更多优势,可以更好地管理不确定时空数据.传统的关系数据库对数据的表示以关系为基础,对时间的表示有大量的数据冗余,使其不能很好地表示不确定时空数据.基于XML构建不确定时空数据的表示模型,对各个节点分类,对于特殊的不确定节点,引入概率属性来表述,提高了数据表示能力.     

面向移动环境的时空数据模型研究

对时空数据模型进行了系统的分析，从面向对象的基本概念出发着重阐述了面向移动环境的时空数据模型的设计方法，完整地定义和描述了时空数据模型所涉及的时空对象类型，同时对模型的时态属性数据组织和空间对象的时态处理进行了描述．     

时空XML文档中不一致性修正方法的研究

作为时空数据库的核心和基础,许多时空数据模型被提出以适应越来越多的应用.基于XML对时空数据建模的研究特别是修正时空数据在XML文档中的不一致性的研究还很少.首先,提出了一个基于XML的时空数据模型,并在此模型的基础上给出了时空数据在XML文档中的一致性条件.然后,对三种主要的变化操作即更新操作、插入操作和删除操作中的不一致性阐述了修正方法,并给出了相应的例子说明.最后,对这三种操作不一致性种类进行了讨论.     

模糊时空XML数据Schema的研究

为了管理模糊时空XML数据,将若干个模糊构造子引入到XML文档中,并对XML文档的Schema进行模糊时空扩展,同时,通过修改XML文档的Schema以容纳这些新引入的模糊构造子.由此形式化提出模糊时空XML数据模型,之后分别对模糊时空XML数据模型中OID部分、ATTR部分、FP部分、FM部分以及FT部分的Schema进行扩展,并举出具体实例加以说明.通过对Schema的扩展,使其兼容模糊时空信息,方便管理模糊时空XML数据,从而可以进一步表示、推理和查询模糊时空XML数据.     

面向地表特征变化区域的时空遥感数据融合方法研究

高时间、高空间分辨率的遥感影像能够在空间、时间尺度上精细刻画植被生物物理特征和结构特性及其在空间、时间上的变化,对监测植被生态特征有着重要的作用.为有效记录地表特征的变化,本文提出了一种基于像元降尺度的时空遥感数据融合算法(downscaling difference spatial and temporal data fusion algorithm,DDSTDFA).该方法分别开展基于Landsat、MODIS和NOAA影像的模拟与真实实验,与已有STDFA(spatial and temporal data fusion algorithm)和FSDAF(flexible spatiotemporal data fusion)进行对比.结果表明,DDSTDFA算法表现出以下优势:1)DDSTDFA算法能够同时预测地表特征发生的多种变化方向,改进了基于像元分解算法的缺陷,与STDFA相比在变化区域表现出更高的精度;2)DDSTDFA融合影像的空间分布特征更接近真实影像,消除像元分解融合法中常见的"图斑""边界"问题;3)与FSDAF算法相比,DDSTDFA算法在保证影像融合精度的前提下,运行速度提高了50%~60%.因此,DDSTDFA算法更适合于大范围高时空影像数据融合,为地表动态监测提供丰富的遥感影像数据源.     

基于深度学习的城市流量预测

就所述的长短期记忆(LSTM)模型和DeepST-ResNet模型进行了研究分析,并基于西安滴滴出行的真实数据对相关模型进行对比实验,分析了各个模型的优劣,提出了建立更优模型的思路与展望.