Open KTurnura opened 6 days ago
本文基于四维十六叉树-多尺度表达R树的时空数据索引算法(4DHMSR),分别实现了对遥感时空影像多属性的索引(多维、多分辨率、时空位置关系、多尺度时空目标)。构建4DHMSR 树时空索引创建算以及动态插入和分裂算法,该方法通过改进MongoDB实现的实例化。
多维、多分辨率及多尺度时空数据存储表达与索引处理问题复杂、技术难度大、研究范围广,但从当前研究成果来看,主要从三个方面展开:
十六叉树的编码原理:首先,将重要的目标节点用7为基数来编码,称为定位码,定位码的位数表达了分辨率的大小或目标的划分程度,并且根据定位码来确定搜索目标的坐标位置,称为编码;其次,根据目标对象的坐标位置来确定定位码,称为解码;最后,利用定位码的编解码解算规则,计算出定位码的具体数值。其定
十六叉树是在原始八叉树的基础上演化而来的 每个正方体区域,包含固定时间段内所有空间目标的最小边界(纬度,经度,分辨率) 然后时间线为时间戳内容
多尺度表达的R树(Multi Scale represented RTree, MSR 树)是R树的一种改进形式,MSR 树是N+维(N是空间维数,1是分辦率维度)的R树,基本思想:首先利用R树表达实体对象的重要度因子19将实体对象进行等级划分,并将分辨率较低的视图对象数据删除,且在对象表达过程中引入显示分辨率维,利用MSR 树的深度遍历层次的树型来表达多尺度空间数据的变化分辨率;其次使用 MSR 树的上层树形结构来表达空间实体对象;最后为了使实际地理空间特征与所表达的树形分支结果相符合,需考虑地理空间对象间的关联性,这样采用综合算法来实现多尺度空间数据索引问题130
为了满足时空对象增量数据索引的要求,采用4DHMSR 树构建时空数据多尺度索引和查询方法。4DHIMSR 树数据结构采用嵌套的二级索引组织形式,其中 MR 树为一级索引结构,四维十六叉树为二级数据结构。该嵌套树形结构既可充分利用十六叉树快速收敛和划分特性,也具有 MSR 树在多维空间中的高效检索特性。图3是4DHMSR 树数据结构的组织结构图。
单节点:windows7 + mongoDB
本文基于四维十六叉树-多尺度表达R树的时空数据索引算法(4DHMSR),分别实现了对遥感时空影像多属性的索引(多维、多分辨率、时空位置关系、多尺度时空目标)。构建4DHMSR 树时空索引创建算以及动态插入和分裂算法,该方法通过改进MongoDB实现的实例化。
场景需求
多维、多分辨率及多尺度时空数据存储表达与索引处理问题复杂、技术难度大、研究范围广,但从当前研究成果来看,主要从三个方面展开:
十六叉树构建方法
十六叉树的编码原理:
十六叉树的编码原理:首先,将重要的目标节点用7为基数来编码,称为定位码,定位码的位数表达了分辨率的大小或目标的划分程度,并且根据定位码来确定搜索目标的坐标位置,称为编码;其次,根据目标对象的坐标位置来确定定位码,称为解码;最后,利用定位码的编解码解算规则,计算出定位码的具体数值。其定
十六叉树的定位码计算规则
原理
十六叉树是在原始八叉树的基础上演化而来的 每个正方体区域,包含固定时间段内所有空间目标的最小边界(纬度,经度,分辨率) 然后时间线为时间戳内容
多尺度表达的R树
多尺度表达的R树(Multi Scale represented RTree, MSR 树)是R树的一种改进形式,MSR 树是N+维(N是空间维数,1是分辦率维度)的R树,基本思想:首先利用R树表达实体对象的重要度因子19将实体对象进行等级划分,并将分辨率较低的视图对象数据删除,且在对象表达过程中引入显示分辨率维,利用MSR 树的深度遍历层次的树型来表达多尺度空间数据的变化分辨率;其次使用 MSR 树的上层树形结构来表达空间实体对象;最后为了使实际地理空间特征与所表达的树形分支结果相符合,需考虑地理空间对象间的关联性,这样采用综合算法来实现多尺度空间数据索引问题130
十六叉树 + 多尺度表达的融合
为了满足时空对象增量数据索引的要求,采用4DHMSR 树构建时空数据多尺度索引和查询方法。4DHIMSR 树数据结构采用嵌套的二级索引组织形式,其中 MR 树为一级索引结构,四维十六叉树为二级数据结构。该嵌套树形结构既可充分利用十六叉树快速收敛和划分特性,也具有 MSR 树在多维空间中的高效检索特性。图3是4DHMSR 树数据结构的组织结构图。![](https://raw.githubusercontent.com/KTurnura/imgs/main/202405/202406251050213.png)
评价指标
测试环境
单节点:windows7 + mongoDB