移动对象时空拓扑关系模型

时空拓扑关系是移动对象时空特性研究的一个重要内容。针对二维欧氏空间内的平面移动对象,建立基于时间片的时空数据模型。并基于点集理论定义移动对象时空拓扑关系的定性模型,表达为由9交模型描述的时态拓扑关系和空间拓扑关系的复合。同时提出其时空拓扑有效性、可计算性约束及其计算规则,进而给出移动对象动态时空特征的表达方法。该模型提出了一种移动对象时空拓扑关系的表达和计算方法,有效的刻画其动态特征,可以为移动对象数据库及其时空查询提供理论基础     

一种面向对象的GIS时空数据模型

为了更加自然地描述时空对象、再现历史时刻下的时空对象的空间状态和拓扑关系,采用面向对象的方法组织和管理时态地理信息系统(temporal GIS,TGIS)中的地理数据,即任何地理目标都可以看作时空对象,它们都有自己的生存期和行为方式,地理目标之间通过关联关系进行联络.结果表明:利用时空对象的继承性和重用性,可以灵活地构建复杂地理对象;利用暗示型的时空对象关联,可以有效简化时空数据拓扑关系的管理和维护;利用时空对象的查找、构建算法,可以方便地再现任意历史时刻下时空对象的存在状态.     

模糊时空XML数据拓扑关系表示和确定的研究

在模糊时空数据的管理中,确定拓扑关系是模糊时空数据最为重要的操作之一.已有基于XML对模糊时空数据拓扑关系的研究工作大多是对模糊时空数据拓扑关系的定性研究.首先提出了模糊时空XML数据的模型,研究了模糊时空XML数据间拓扑关系的表示方法并定量的给出了其计算方法.之后,讨论了模糊时空XML数据模型结构的转换问题.在对编码模式进行扩展后,提出了模糊时空XML数据模型结构中位置结点的匹配算法,并通过实验验证了所提方法的性能优势.     

宗地时空拓扑关系表达与判别

时空拓扑关系对时空变化语义分析和时空推理具有重要意义。根据地理信息特征,定义了三维欧氏空间里时空体和时空对象,阐述了时空拓扑关系的涵义,包含时间、位置、状态、事件等之间的拓扑关系。利用4I模型描述时空拓扑关系。以宗地缩小、扩充、分割、合并、部分占用、边界调整等几种不同变更类型为例,分析了宗地变更前后可能的时空拓扑关系,归纳出其必须满足的6个一般性推论,给出应用的具体实例。结果表明,基于时空拓扑关系可隐式地判别出2个宗地时空对象之间是否存在父子关系,及可能的变更操作语义类型。     

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。     

基于CDT的时空区域拓扑关系确定方法

研究了基于逆时针有向三角形(conterclockwisely directed triangle,CDT)的时空区域拓扑关系的确定方法,尤其对静态时空数据库中基于逆时针有向多边形的时空区域表示方法、简单多边形形状时空区域的三角化方法及静态时空联系下两个简单多边形形状时空区域间拓扑关系的确定方法进行了研究.结果表明:时空区域间的相等、包含、部分覆盖、相离、相接5种基本拓扑关系均可通过基于逆时针有向三角形的方法确定.该方法不仅有效地实现了各种时空数据的表示和操作,而且避免了直接基于边界坐标计算时空数据时对效率的影响.     

基于UML的时空建模

现实世界中存在大量的时空数据,时空数据的管理对时空建模提出了更高的要求,因此成为当前许多领域的研究热点.UML作为众多领域广泛使用的统一建模语言,基于UML的时空扩展模型也成为许多领域时空建模的重要形式.为此,本文提出一种时空UML模型,该模型能够表示与处理时空对象的多种时空拓扑关系(包括RCC-8空间和Allen-13时态拓扑关系)以及它们之间的复杂语义关系(例如关联、聚合、泛化和依赖);同时给出了时空UML的形式化表示形式和语义解释方法.最后结合地籍变更的实例说明了所提方法的可行性和实用性.     

基于综合时空数据模型的包头市郊区土地监测信息系统

为了深化多时态地理信息系统 (TGIS)研究 ,建立包头市郊区土地监测信息系统 ,提出了时空地理实体这一新的概念。阐述了决定土地监测信息系统模型设计的数据基础、身份确认原则、时间综合期、时间粒度和查询功能等几个关键因素。以时空地理实体为出发点 ,根据土地监测信息系统的特点将基图修正模型和组合体模型结合起来形成综合时空数据模型。实践证明基于综合时空数据模型建立的包头市郊区土地监测信息系统具有较高的时间效率、空间效率和较强的查询功能     

时空数据模型研究原则与表达方法的探讨

时空数据模型的三个基本要素是空间位置、属性和时间．确定研究尺度范围内地理信息基元，合理表达时空关系和模型的层次体系是时空数据模型研究的基本原则．时空数据模型的表达方法主要有序列快照模型、基图修正模型、时空复合立方体模型、基于特征的时空数据模型和图谱数据模型．目前条件下，时空数据模型研究的重要意义在于，扩展传统地理信息系统的功能，实现时态地理信息系统(TGIS)的时序分析与规律预测．     

时间-空间GIS时空数据库基础模型初探

时间-空间尺度的数据表达、基础模型的研究与处理是时间地理信息系统发展的关键.时间地理信息系统(TGIS)的建立,可以记录历史的地理实际状况,有助于解释与分析地理变化的动力学过程,研究导致地理现象时间演化的各种相关过程与机理.时间-空间数据的一体化定义与表达、基础模型的类型体系划分、模型构筑与模拟实现是TGIS研究与建立的基础.从TGIS理念提出伊始,基础模型基本上按照应用中可能进行的查询类型——什么、何地、何时(分别对应于特征、空间与时间),或按照所使用的建模工具——实体关系图、语义模型,或面向对象模型等进行分类.通过对TGIS中不同尺度、不同分类方法所定义的基础模型的区别与联系等分析,尝试在基本、组合、高级3个层次上划分与研究基础模型,讨论相应的模型表述,为进一步研究TGIS模型提供一些设想和参照.     

海船监控调度系统中时态问题研究

时空数据库是时态GIS的组织核心，时空数据模型是时空数据库的理论基础．以海上船舶监控调度系统为例，分析了时空数据、时空数据模型的特点和时态关系，研究了时空数据建棋思路．进而设计了针对移动目标的时空数据库模型，并实现了海船监控调度系统中移动目标信息的表达和时空数据的查询和表现．     

基态修正时空数据模型的进一步扩展

引入超图模型的部分理论，建立了基于基态修正的面向对象时空数据模型。很好地解决了时空对象的空间关系和时空对象之间的关系，提出了时空对象的索引结构。并引入基态距因子和等比系数，从而大大提高了查询效率。并缩短了查询时间。     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

现有时空数据模型的研究

阐述了时空数据建模的主要定义,分析了时空数据库领域的建模需求,包括时态语义、空间语义、时空语义和查询能力．通过对各模型在时空领域中实际应用的研究,重点比较了现有时空数据模型在这4个需求方面的能力表现,并对模型做出评价．结果表明,面向对象数据模型和移动对象数据模型在时空对象的表达上体现了较强的能力．     

时空数据模型的初步设计

时空数据库用于模拟和查询位置或形状随时间改变的移动对象。提出了用于表示移动对象的时空数据类型和扩展数据类型。并在此基础上,对时空操作符也作了相应的概括。该数据模型便于实现,并能较好地支持时空查询。     

时空数据模型的初步设计

时空数据库用于模拟和查询位置或形状随时间改变的移动对象。提出了用于表示移动对象的时空数据类型和扩展数据类型。并在此基础上，对时空操作符也作了相应的概括。该数据模型便于实现，并能较好地支持时空查询。     

基于时空图卷积网络的输电线路覆冰预测

针对已有的输电线路覆冰预测模型鲜有考虑覆冰过程中的空间特征信息,从而导致预测精度欠佳的问题,本文从时空序列预测的角度建立输电线路覆冰方面的预测体系,采用图卷积网络(Graph Convolutional Network, GCN)构建输电线路覆冰预测模型,基于图神经网络设计对输电线路覆冰拉力的图数据进行深度特征学习与图特征向量表示,以更好地提取电网塔杆覆冰拉力值的时空分布特征,从而准确预测未来的拉力值。基于南方电网的真实实验数据,设计一套可靠的数据预处理流程,将电网覆冰拉力数据转化为可以深度学习的时空序列大数据进行训练和验证。实验结果表明,本文提出的模型较已有的主流覆冰预测模型具有更加优异和稳定的预测结果,能够为输电线路及时除冰工作提供决策参考。