时空数据库（共10篇）
时空数据库 篇1
摘要：对时空数据库中移动对象进行有效存取、查询和更新的关键技术在于索引。深入分析了时空数据库中的各种索引技术,最后讨论了移动对象索引技术研究中的问题并对未来方向进行了展望。
关键词：时空数据库,移动对象轨迹,索引
因为出现许多需要有效对移动对象管理的应用,STDB受到很多关注。这些应用需要在不同的时间戳记录对象的地理位置(有时也记录对象的形状),而且支持对它们历史的和将来预期的特征进行查询。
STDB的目的是根据数据的时间属性作历史性和预言性的检索。具体地说,给定对象集合o1,o2,…,oN(N是基数),对于每个对象oi(1≤i≤N),历史性STDB会存储oi在历史的所有时间戳t的有效范围oi.E(t)。根据空间数据库的原理,oi.E(t)能够表示为一个描述对象在时刻t的真实形状。尤其是,如果其形状不是重要属性,oi.E(t)则以一个点代替以表示oi在时刻t的位置。实际上,在连续时间戳,同一对象的有效范围可以用不同的方法压缩(例如:如果对象在几个连续时间戳保持静止,则它的有效范围在该时间内只需存储一次)。
另一方面,对每个对象oi,预期性STDB会存储它的最新更新的位置oi.L(tupd)(tupd:对象最新更新的时间)和用于描述它当前移动特性时间函数。最适合的时间函数是线性函数,因为1)线性函数能够近似描述任何运动轨迹,2)线性函数要求的参数个数最少。具体来说,除了oi.L(tupd),系统只需记录对象的速度oi.vel,就可以计算出在将来任何时刻t>tupd对象的位置:
oi.L(t)=oi.L(tupd)+oi.vel(t-tupd)
用这种模型只需在对象的时间函数的参数(如:速度)发生变化时采取更新数据库。
人们已经对作为支持时空查询的辅助结构的时空索引方法做了很多研究。时空存取方法主要集中在两个正交方向:1)对对象过去位置的索引,2)对现在的位置和将来预期位置的索引。
1 移动对象历史数据的时空索引
考虑到移动对象连续不断发送它们的位置,保持所有的更新几乎是不可能的。有两种方法可用来减少历史数据:1)采样,对数据流在某一时刻进行采样。可以采用线性插值计算出相邻采样点间的线性轨迹。2)仅在变化时更新,移动对象仅当它们的数据属性(速度或方向)发生变化时才发送数据。我们把对历史数据的时空索引机制分为三类。
第一类是在现存的空间索引方法加入时间属性。这类时空索引方法主要是处理空间维,时间维是第二要素。
RT-tree[1]结合了作为空间存取方法的R树和作为时间存取方法的TSB树。在RT树中,时间和空间信息是分开维护的。不管是叶结点还是非叶结点,每个索引项都包含(S,T,P)形式。S是空间信息,T是时态信息(时间间隔),P是指向子树或对象的指针。随着时间变化,如果对象空间位置不变,则它的空间信息S不变,仅对时态信息进行更新。如果对象空间位置发生变化,则需要创建一个新的索引项插入RT树。这种方法有许多局限性,一方面,如果变化对象的数量很大,许多索引项被创建,RT树会迅速膨胀;另一方面,当结点溢出时,怎样分裂结点还没有很好的解决办法。
3D R-tree[2]把时间看作除了空间维以外的另一维。主要思想是为了避开时间和空间查询之间的区别。3D R-tree可以直接利用现有的R树算法来处理空间及时态查询而无需修改,其前提是必须知道移动对象历史轨迹存在的有效时间范围,如果移动对象轨迹结束时刻不确定,那么3D R-tree将无法有效工作。比如若移动对象运动轨迹从某个历史时刻开始一直延伸到当前时刻,显然包围移动对象轨迹的3D MBR将会非常巨大且造成空间区域的大量重叠,直接导致3D R-tree的查询搜索性能下降。因此,在应用中要求移动对象轨迹是封闭的(closed),即移动对象历史轨迹必须在某个过去时刻终止而不能延伸到当前时刻。由于3D R-tree将时间维与空间维等同索引,时间片查询则必须扫描整个3D R-tree而非在此时间片下的有效子树,因此性能非常低下。
第二类是同时把空间和时间加入某一结构中,但它们是各自独立的。这是为了使在某一时刻所有有效的空间数据同时在一个索引结构(R-tree)中。最高目标使为每一时间项都建立一个单独的R-tree。这种方法需要很大的存储量。
MR-tree[3]采用了在R-tree的背景下可重叠B-tree的思想。主要思想是避免每个时间戳都有单独的R-tree而引起的存储量过大。通过在连续的R-tree中不存储相同的对象实现减少存储量。作为替代,以不同根结点的链接指向同一结点,而所有的结点项都保存着它们在不同时间戳的值。这种思想对时间片查询来说是完美的。搜索被指向适合的根结点,然后利用R-tree进行空间搜索。然而,它对时间窗口查询的执行是无效的。而且,一个主要的缺陷是存在许多重复项。考虑到这样的情况,在连续两个时间戳仅有一个结点项发生变化,而在这连续两个R-tree的所有其它结点也必须重新复制。
HR-tree与[4]MR-tree非常相似。HR-tree是一种采用重叠技术、将单一版本的结构转换为部分固定结构的高效时空索引结构。该结构为两级索引机制,分别对时空对象的时间信息和空间信息进行索引:1)HR-tree是对事务时间进行索引,它按时间递增顺序将时空对象的时间信息组织为有序表,并将时空对象不发生空间变化的那个时间片作为时空对象的时间信息值;2)用R-tree索引结构为每个时间片的空间对象建立索引,并将R-tree的存储信息(根结点存储地址)保存到对应时间片的时间索引结点中。为了节省空间,相邻时间片的R-tree可能会重叠,即若相邻时间片的R-tree有共同的分枝,则只保存该分枝的一个版本。
第三类是主要考虑时间维索引,其次考虑空间维。第三类方法主要集中在面向轨迹的查询。在此类中处理空间查询处于次要位置。
Trajectory-bundle(TB-tree)[5]是完全保持轨迹的类似R-tree结构。一个叶子结点仅能包含属于同一轨迹的线段。存在一个缺陷:在空间上比较靠近的不同轨迹的线段将被存储在不同的结点上。构建TB-tree是从左到右的原则。也就是说。最左边的结点是最先插入的结点,最右边的结点是最后插入的结点。
Scalable and Efficient Trajectory Index(SETI)[6]将空间区域分割成静态且不重叠的分区,在每个分区下对移动对象的轨迹线段利用R树进行索引。其考虑是,相对于无限连续变化的时间维而言,移动对象轨迹受空间范围所限,那么可以把受限的空间区域利用某种规则静态划分以分而治之。良好的划分函数应尽量把同一移动对象不同轨迹线段聚类在同一个分区中。若一条轨迹线段穿过多个分区,那么必须将此线段裁剪并分别存储在不同分区R树中,这样会导致查询结果的重复,在查询处理后必须进行重复结果的剔出。相应地,时态查询则被转换为对折线段集合的空间窗口查询,利用几何计算方法可以得到空间窗口内的折线段集合,其对应的移动对象集合即是时态查询结果。
2 移动对象当前位置轨迹索引
在现实应用中许多要求能够有效地对移动对象当前位置进行管理和查询。相对来说,检索移动对象当前位置更具有挑战性,其关键在于如何提高传统空间索引的频繁更新动态性能以满足动态环境下的应用要求。标准R树更新算法采用删除-重插机制来实现移动对象位置更新,频繁更新会导致R树性能急剧下降。为了支持R树的频繁更新操作,近年来提出的方法包括LUR树(Lazy Update R-tree)、自底向上更新策略(Bottomup Update)、哈希方法(Hash)等。LUR[7]提出了一种延迟更新(Lazy Update)策略,即若移动对象位置未超出当前节点MBR,算法仅仅更新移动对象所在的数据页面并维持索引页面不变;对于移出MBR之外的移动对象,根据其超出MBR程度大小,判断是否将MBR进行有限扩展以包含移动对象新位置;或者利用标准R树更新算法进行更新以尽量减少位置更新所带来的索引树更新操作。Bottom-up Updates的自底向上法扩展了LUR-tree思想。自底向上法比较适合处理移动对象的连续更新。例如:扩展MBR以包含新的值和移动当前对象到兄弟结点。
Song等人利用空间划分的思想来索引移动对象当前位置,首先静态地把空间划分为可以相互重叠的区域,然后根据当前位置将移动对象哈希映射到不同区域中去。只有当移动对象位置超出了当前区域才会更新此对象的索引记录,数据库中保存了移动对象位置近似视图。
3 当前和将来轨迹查询索引
在移动计算、位置服务等新兴应用中,需要对移动对象当前及未来位置预测以提供相关服务,针对移动对象当前和未来轨迹的索引方法是目前研究的热点。为了能够预测移动对象未来轨迹,需要存储一些额外的信息(如移动对象当前速度和目的地等)。然后根据移动对象当前的运动特性对未来轨迹进行预测,目前通常使用线性方程来描述移动对象的运动特性。在D维空间下,移动对象运动特性可以使用参考时间tref时位置xref=(x1,x2,…,xd)以及速度矢量v=(v1,v2,…,vd)来描述。移动对象在任何时间点t(t≥tref)的位置可利用公式xt=xref+v(t-tref)计算得出。主要的索引方法有:FT-Quadtree、PMR-Quadtree、STRIPE索引、TPR-tree、TPR*-tree等。
FT-Quadtree[8]使用的是Quad-tree索引结构,最大的特点是使用了轨迹共享技术来最大限度地减少数据的存储数量,提高索引的更新效率。在这种树中的叶子节点结构表示为(oid,轨迹的数量,起始坐标,结束坐标,起始时间,结束时间,其他信息)。对于在同一时间内的节点而言,如果它们的坐标位置相同或者接近,那么就可以采取共享策略把若干个节点的内容放入一个公共的节点内,这样就可以明显地减少存储的空间。
使用PMR-quadtree[9]作为索引将来轨迹的基本空间存取方法,关键的一点是当移动对象发生更新时,整个索引结构被破坏,然后根据新的信息重建索引结构。为了避免过多的更新操作,索引每ΔT时间单元重建。在理论上,无限的时间维可以分割为大小为ΔT的相等的时间片。对于每一时间片,会构建一个新的基于运动方程的PMR-tree。然而,由于存储设备的有限性,只有当前的PMR-tree会被存储。
TPR-tree[10]使用时间参数化包围框来包含移动对象,其索引结构与R树类似。但TPR-tree采用谨慎的BR策略,在某些时刻(如构建时刻)包围框是最小的,但在其后的时间内往往不是。从一维角度考虑,MBR最(大)小边界速度为其范围内所有点的最(大)小速度,从而保证所有点始终包含在同一个MBR中。TPR-tree索引节点记录不仅存储了移动对象(子树)MBR,而且包含了移动对象(子树)MBR速度矢量。由于节点MBR呈现出一种随时间变化的动态性,随着时间延伸包围框会越来越大,导致空间区域的大量重叠从而使得性能下降。因此,必须在适当时候对TPR-tree进行重构以提高查询性能。
TPR*-tree[11]修改了TPR-tree的动态操作算法。通过维护一个代价下降优先队列保证插入路径选择的全局最优,保持TPR-tree MBR的紧致性以提高查询性能。对于上溢节点的分裂算法,TPR*-tree只是在必要的时候才对节点分裂并重插。以二维空间移动对象为例,节点首先在所有可能的8个方向(4×d)上进行排序,并从中选择一种最好的分裂方式,实际上此时节点并不分裂,而是把节点中30%的记录删除后重插。如果在重插过程中发生上溢,那么就直接进行节点分裂以避免传递操作。TPR*-tree是目前最好的参数化空间访问方法。
4 结束语
该文总结了移动对象轨迹索引的各种技术,并对它们进行了比较详细的分类,对每种方法均找出了多个比较典型的模型进行介绍。近年来对移动对象历史轨迹、当前位置与未来趋势预测的索引方法研究较多,在如何同时解决上述三种查询的索引方法上研究仍然欠缺。多种索引结构的结合是时空数据库系统实际设计的主要趋势,选择哪几种索引结构以及如何把它们有机地结合起来将是系统设计所面临的主要难题。
参考文献
[1]Xu X,Han J,Lu W.RT-Tree:An Improved R-Tree Indexing Structure for Temporal Spatial Databases.In Proc.of the Intl.Symp.on Spatial Data Handling,SDH,pages1040-1049,July1990.
[2]Basch J,Guibas L J,Hershberger J.Data structures for mobile data.In Proc.of the ACM-SIAM symposium on Discrete algorithms,SODA,pages747-756,1997.
[3]Xu X,Han J,Lu W.RT-Tree:An Improved R-Tree Indexing Structure for Temporal Spatial Databases.In Proc.of the Intl.Symp.on Spatial Data Handling,SDH,pages1040-1049,July1990.
[4]Nascimento M A,Silva J R O.Towards historical R-trees.In Proc.of the ACM Symp.on Applied Computing,SAC,pages235-240,Feb1998.
[5]Pfoser D,Jensen C S,Theodoridis Y.Novel Approaches in Query Processing for Moving Object Trajectories.In Proc.of the Intl.Conf.on Very Large Data Bases,VLDB,pages395-406,Sept.2000.
[6]Chakka V P,Everspaugh A,Patel J M.Indexing Large Trajectory Data Sets with SETI.In Proc.of the Conf.on Innovative Data Sys-tems Research,CIDR,Asilomar,CA,Jan.2003.
[7]Kwon D,Lee S,Lee S.Indexing the Current Positions of Moving Objects Using the Lazy Update R-t ree[C]//In:Proc.of MDM,2002.
[8]Ding R,Meng X F,Bai Y.Efficient Index Maintenance for Moving Objects with Future Trajectories[C]//Kyoto:The8th International Conference on Database Systems for Advanced Applications(DASFAA),2003.183.
[9]Tayeb J,Ulusoy O,Wolfson O.A Quadtree-Based Dynamic Attribute Indexing Method.The Computer Journal,41(3):185-200,1998.
[10]Saltenis S,J ensen C S,Leutenegger S T,et al.Indexing the Positions of Continuously Moving Objects[C]//In:Proc.of ACM SIG-MOD,2000.
[11]Tao Y,Papadias D,Sun J.The TPR*-Tree:An Optimized Spatio-Temporal Access Method for Predictive Queries[C]//In:Proc.of VLDB,2003.
时空数据库 篇2
GIS时空数据模型在城市地下管线数据库中的应用
城市地下管线信息的动态增加、变更、废弃等导致了地下管线信息管理与信息系统开发的复杂性与难度.本文针对管线信息的时空特性,给出了一个图形与属性一体化存储的面向对象的GIS时空数据模型,很好地解决了城市地下管线数据的`动态更新、历史信息管理、现状查询分析等难题,并对数据库的设计进行了较详细的描述.该模式对大中城市综合地下管线系统的建设具有很好的借鉴和指导意义.
作 者：殷丽丽 施苗苗 张书亮 YIN Li-li SHI Miao-miao ZHANF Shu-liang 作者单位：南京师范大学地理信息科学江苏省重点实验室,南京,210097刊 名：测绘科学 ISTIC PKU英文刊名：SCIENCE OF SURVEYING AND MAPPING年，卷(期)：31(5)分类号：P285 P208关键词：地下管线 面向对象 GIS时空数据模型
时空数据库 篇3
关键词：环境保护 时空数据挖掘 应用
中图分类号：P208 文献标识码：A 文章编号：1007-3973（2013）006-140-02
近些年来，随着生活品质的提升和环保理念的深入人心，人们对于环境保护问题越来越重视。在目前展开的对环境变化进行动态的实时监测中，监测系统已经收集了丰富的环境数据，关于我国的环境状况、环境变化情况及存在问题形成了庞大而繁复的数据资源，已经超过了过去的数据处理方法所能处理的极限，导致传统的处理数据方法已不能承担起对这些环境数据进行快速而准确处理的任务，这就需要将时空数据挖掘技术加以广泛的应用。时空数据挖掘可以对大量环境数据进行分析，将其中隐藏的有用知识抽取出来，为环境保护中的环境规划与决策工作提供准确而高效的科学理论依据。
1 时空数据挖掘
数据挖掘是将海量数据内隐藏的目的知识进行分析和抽取的方法和过程，主要是对关联规则进行挖掘、进行聚类和分类等研究活动。在发展初期，数据挖掘主要是对于一些商业数据中的字符与数值形式的数据进行研究，在上个世纪的90年代中后期，该领域中对关联规则进行挖掘、预测、聚类和分类等成熟技术在空间数据和时间、序列数据进行的挖掘工作中得到了应用，以期对有价值的、关于空间和时间一些模式进行探讨。随着科技的发展，GPS、射频识别、移动设备和传感器网络等诸多设备得到了广泛的应用，使众多的移动数据被收集并得以积累。而地理信息系统与遥感卫星等技术的进步也实现了气候数据、影像等气候资料的获取。获取到的时空数据存在于相应联系的空间内部，在空间和时间上样本的自相关性极强，常常隐含局部的模式，造成了时空数据挖掘的复杂性与特殊性。对时空模式进行自动分析与抽取离不开时空数据挖掘。
时空数据挖掘是对时空数据的海量知识进行抽取的方法和过程，主要是对时空管理的规则进行挖掘，对时空聚类进行分析并展开预测。目前来说，时空数据通过对新型计算技术进行研究和应用，对高维度的海量时空数据进行分析，从而对时空数据内有用的知识进行抽取和揭示。
2 时空数据挖掘和环境保护
在现阶段的环境管理和环境保护中，涉及到的数据挖掘主要包括对关联规则进行挖掘，对数据进行分类与分析，展开聚类分析及预测分析等内容。在环境保护中，时空数据挖掘技术已经得到了较广泛的应用。Eklund和其他科学家曾对众多地理自然因素进行了选取，形成了各因素和土壤中的二次盐碱化相关类型的分类之间的规则，并对其关联度的规则展开了挖掘。在农业生产中，作为的产量受到诸多因素的制约，但是制约因素和产量之间的关系极其繁杂，不是简单的利用非线性或线性回归方法就可以将二者的关系进行准确反映的，国内外目前都利用数据挖掘技术，如模糊集和决策树等，对作物产量的制约因素进行分析，对作物的产量和土壤中的养分等因素之间的关系进行了清晰的展现。
北京已建立了对区域内的污染源进行管理的信息系统，对于环境污染有较强的分析作用和监测作用，如根据系统中的排污记录，可以对企业中排出的污染物形式加以判断，确定是废气污染还是废水污染等，对污染排放进行聚类分析可发现，在企业排污库中存在不同排污群，通过排污模式的分析，可以对企业群的相应特征进行准确刻画。在上海的长江口设置有潮滩环境的管理信息系统，对监测到的潮滩环境数据可以展开深层次的分析与挖掘，将造成潮滩环境污染的相关因素探寻出来，从而为环境治理和保护工作提供相应的理论依据和决策依托。同时，在国内外目前对于空气质量进行评估和监测的系统中，很多都用到了时空数据挖掘技术，在短时间内利用机器学习的方式对污染指数进行预测，对气象资料在时空上的关联规则进行深层次挖掘，对未来某段时间在小尺度的时间范围内，空间中污染物的分布情况进行预测，或者通过分类器对空气质量进行动态实时的评估等。
3 时空数据挖掘在环境保护中的具体应用
3.1 对气象条件与空气质量之间的关联规则进行挖掘
气象与大气污染之间互相作用、互相影响，在污染物排放条件相同时，不同的气象条件会造成不同的污染物浓度，有时甚至相差几十倍，这是因为气象因素对大气中污染物的浓度及分布有影响。对二者之间的相关性进行研究，可以对其关联程度进行揭示，便于对二者之间的关联规则进行挖掘。在挖掘关联规则时，首先要对数据进行预处理。气候监测站的数据常存在输入错误、缺失、噪声及不一致等不利干扰，要先进行必要的修整与处理后才可用于数据挖掘。在对关联规则进行挖掘时，可以利用专门的开源数据挖掘工具来展开分析，通过知识表示形式将相应的关联规则表达出来，使其具有较强的可读性。最后，还要对挖掘到的关联规则展开知识的评价与鉴别，判断其是否与实际相符，是否可以在实际中得到应用。
对气象条件和空气质量之间的关联规则进行挖掘后，可以将二者之间的关系准确的揭示，但是因为空气中污染物的分布和浓度受到多方面因素的影响，而气候条件只是其中之一，除此之外还包括地理实体、位置和人类活动等，所以还要对空间要素进行研究，判断其与空气质量之间的联系。
3.2 对污染源和空气质量空间关联的规则进行挖掘
所谓的空间关联规则，也就是空间对象彼此之间存在的非空间与空间的关联。在空间智能化分析和辅助决策方面，空间关联的规则和相关知识可以提供有力的支持。因此，在空间数据的挖掘工作中，对数据库中空间的关联规则进行分析是重要任务。空间的关联规则是描述性的模式，逻辑关系较强，可以用逻辑语言，根据空间和地理的认知进行表达及予以准确描述。在展开挖掘的过程中，首要的工作就是对挖掘任务进行明确，这就需要明确分析工作的目标，将任务予以合理分解，对涉及到的数据进行明示，并对其在事务数据库中的组织方法与存储方式加以明确。之后要从数据库中将有关的属性数据及空间数据进行提取，形成图层。对不同图层涉及到的空间对象进行分析，对这些对象彼此间的关联进行计算并进行谓词化，和相关数据进行联接并将之存于数据库。将数值型的属性进行离散化处理，形成相关数据的挖掘表，通过对于关联规则进行挖掘的相关算法，对复杂的空间模式进行挖掘，将结果存于规则数据库。最后，将不必须或多余的规则加以清除，将有价值而可靠的关联规则加以保存。在构建空间事务数据库时，可用Apriori进行构建，这一算法可以将空气质量和污染源间的空间关联规则加以明确揭示。
3.3 对于时空事件基础上的空气质量进行时空关联的规则挖掘
传统的数据挖掘中，对于关联规则进行时空的扩展，即是时空关联的规则，这类规则较为复杂，其他的关联规则在一定程度上都可看作是该规则程度不同的简化结果。在挖掘时空关联的规则时，常需对众多非空间或空间对象之间的多种关系进行计算，十分复杂，在时空关联规则的挖掘中通常是逐步求精进行计算。进行分析的程序是先对数据进行预处理，以便后续挖掘的顺利实施；之后要建立时空事务的数据库，对相关知识进行提取与储存；对时空关联的规则进行挖掘，还是使用Apriori算法进行挖掘；最后，是对时空关联的相应规则进行评价，合格后即可投入实际应用。
参考文献：
[1] 赵彬彬，李光强，邓敏.时空数据挖掘综述[J].测绘科学，2010，8（2）：62-65.
[2] 李晶晶.时空数据挖掘在环境保护中的应用研究[D].湖南：中南大学，2008.
[3] 刘大有，陈慧灵，齐红，等.时空数据挖掘研究进展[J].计算机研究与发展，2013，50（2）：225-239.
[4] 成伟.数据挖掘技术支持下的土壤重金属污染评价系统的研究[D].浙江：浙江大学，2009.
[5] 侯西勇，高猛，常远勇，等.基于时空数据挖掘技术的黄河三角洲——莱州湾沿岸植被覆盖变化特征分析[J].科研信息化技术与应用，2010，1（3）：512-516.
时空数据库规范化问题的研究 篇4
对于传统关系数据库,一般用函数依赖、多值依赖和连接依赖表示关系模式满足的属性间固有的约束,文献[1,2,3]中基于它们对关系数据库进行的规范化问题作了大量的研究。
对于时态数据库,文献[4,5,6,7]分别提出了各自的时态数据依赖概念。CS.Jensen在文献[4]中讨论了基于BCDM 模型的时态函数依赖;J.Wijsen在文献[5]中定义了4 种类型的依赖:快照函数依赖(SFDs),动态函数依赖(DFDs),时态函数依赖(TFDs)及间隔依赖(IDs);XS.Wang在文献[6]讨论了具有多时间粒度的时态数据库的逻辑设计问题,定义时态三范式和时态BC范式,并提出了相应的分解算法。鉴于此,文献[7]中J.Wijsen又将其扩充到对复杂对象的约束。基于TFD,XS.Wang提出了时态三范式(T3NF)和时态Boyce-Code范式(TBCNF)的概念,并给出了相关模式分解算法。
有关关系数据库函数依赖以及时态函数依赖的论述见文献[8],对于关系数据库的规范化均有详细的论述。Wang在文献[6]中给出了时态模式及时态函数依赖等相应的描述。基于关系数据库和时态数据库规范化理论的成果,结合文献[6,7,8,9]提出了时空一范式、时空二范式、时空三范式,并对它们的规范化程度的高低次序进行了证明。
1 基本概念
由于时空数据库中引入了时间维和空间维,给时空数据库的设计带来了非常大的困难,在进行时态数据库逻辑设计时,传统关系数据库的一些基础理论需要进行相应的扩展和修改。扩展的核心是时态函数依赖(TFD)。
定义1(时态类型):时态类型是一个从确定的整数(时刻)集合到2R(绝对时间集合)的投影μ,使得对所有确定的整数i,j(i<j),满足:
(1) 若μ(i)≠Φ,μ(j)≠Φ,则μ(i)中的每一个实数小于μ(j)中的所有实数;
(2) 若μ(i)=Φ,则μ(j)=Φ。
定义2(细于关系):μ1和μ2是时态类型,如果对每一个确定的整数i,存在整数j满足μ1(i)⊆μ2(j),则称μ1细于μ2,记作μ1≤μ2。
在本文中,经常把μ1(i)⊆μ2(j)描述为:μ2的时刻j覆盖μ1的时刻i。若μ≤ν,μ≠v,则称μ严格细于v,记作:μ<v。
任何时态类型集相对于细于关系都存在最小下界和最大上界,分别记作μBottom和μTop。它们的定义为:①对每个i>1,μTop(1)=R,μTop(i)=Φ。②对每个i,μBottom(i)=Φ。在不产生二义性情况下,用Top和Bottom分别表示μTop和μBottom。对任意一对时态类型μ1和μ2分别存在一个最大下界和最小上界,分别记作glb(μ1,μ2)和lub(μ1,μ2)。由细于关系的定义可知:μ≤μ;若μ1≤μ2,μ2≤μ1,则μ1=μ2;若μ1≤μ2,μ2≤μ3,则μ1≤μ3。由此可知细于关系是自反的、反对称的、传递的,即对于任何时态类型集T,T对于≤是偏序集。
定义3(集细于关系):{μ1,…,μn}是一个时态类型集,v是一个时态类型。如果对每一个确定的整数i,存在1≤k≤n及整数j,使得v(i)⊆μk(j),则称v集细于{μ1,…,μn},记作v≤c{μ1,…,μn}。
空间属性域一般不会作为时空关系的主属性(关键字属性),在函数依赖概念的层次上可以不考虑它的决定作用。因此在研究时空关系的规范化理论时,主要考虑时间属性的作用。
定义4(时空模式与时空模型):一个时空关系模式定义为一个三元组(R,v,μ),其中R是传统的关系模式,v是空间类型,μ是时态类型。相应的时空模块定义为一个四元组(R,v,μ,Ф),Φ是时间窗口函数,是从一个确定的整数(时刻)集合到2Tup(R)的映射(Tup(R)表示R的所有元组的集合),Φ(i)等于在时间μ(i)以及v(i)内有效的元组集合,若μ(i)=Φv(i)=Φ,则Φ(i)=Φ。
例1:考虑一含有时间和空间属性的模式BUS看成是时空模式(Bus,Line,Day)的一个时空模型,其中:Bus=<Time(发车时间),Bno(车次),Cname(司机姓名),Wage(司机工资)>,Line为公交线路,Day为时态类型。则表1所示的实例对应的时间窗口函数Φ为:
如果其中Line=<start(始发站),end(终点站)>,A=<火车站,哈尔滨理工大学>则表1所示的关系实例对应的时间窗口函数Φ为:
Φ(3/4/93)={<6:00, 11,张三,1000,A>}
Φ(3/4/93)={<9:00, 12,马六,1500,B>}
Φ(3/5/94)={<6:00, 11,张三,2000,A>}
定义5(逻辑蕴涵):F是STFD集,若每一个满足F的时空模型M都满足STFD:X→μY,则称F逻辑蕴涵X→μY。
定义6(时空关键字):(R,V,μ)是一个时空模式,F是包含R,V中属性的STFD集,属性集X⊆R∪V,若X→μY被F逻辑蕴涵,则称X是(R,V,μ)的一个时空超关键字。若对每一个属性A∈X,X-{A}都不是(R,V,μ)的时空超关键字,则称X是(R,V,μ)的一个时空候选关键字,简称时空码。
包含有时空候选关键字的属性称为时空主属性,反之,不属于任意一个时空候选关键字的属性称为非时空主属性。
定义7(时空函数依赖):设X,Y是R∪V上的有限集,μ是时态类型且存在i,使得μ(i)≠Φ。X称在时态类型μ上函数决定于Y或Y在时态类型μ上函数依赖于X,记作X→μY。
显然,时空函数依赖X→μY表示:对于任意两个元组t1,t2,若分别使t1,t2有效的时间都被μ的某时刻覆盖,且t1[X]=t2[X],则t1[Y]=t2[Y]。
定义8(闭包):设F是包含R∪V中属性的STFD集,F所逻辑蕴含的函数依赖的全体叫做F的闭包,记为F+;X+F={AX→A能由F导出},X+F称为属性集X关于函数依赖集F的闭包。
定义9(时空完全函数依赖): 设F是包含R∪V中属性的STFD集,如果时空函数依赖X→μY∈F+,存在X的真子集X′⊂X,使得X′→μY∈F+,称Y时空部分依赖于X;若不存在这样的真子集X′,称Y时空完全依赖于X。
现在给出STFD的有效和完备的推导规则,它们是Armstrong公理在时空上的扩展。
STFDIR1(自反规则): 若Y⊆X,则X→μY成立,μ是任意时态类型;
STFDIR2(增广规则):若X→μY,则XZ→μYZ;
STFDIR3(传递规则): 若X→μY,Y→μZ,则X→μZ;
STFDIR4(继承规则): 若X→μ1Y,X→μ2Y,…,X→μnY,且μ≤c{μ1,…,μn},则X→μY。
前面三个规则由传统FD直接扩展得出,第四个由集细于关系得出。同传统的函数依赖集一样,时空函数依赖集也存在冗余现象,根据消除异常的程度,可分为各种不同等级的范式。
定义10(时空一范式):一个时空模式(R,V,μ),若它的每个属性都是原子属性,即属性值域中的值是不可再分的最小数据单元,记为ST1NF。
如果某个时空数据库模式的每一个时空模式都属于时空一范式,则称该时空数据库模式属于时空一范式。
定义11(时空二范式):一个时空模式(R,V,μ)是时空二范式,若它是时空一范式,并且每一非时空主属性都完全依赖于它的每一个时空候选关键字。记为ST2NF。
如果某个时空数据库模式的每一个时空模式都属于时空二范式,则称该时空数据库模式属于时空二范式。
定义12(时空三范式):(R,V,μ)为一时空模式,F是包含R∪V中属性的STFD集。若F逻辑蕴涵的每一个STFD:X→vA(XA⊆R∪V, A∉X,∃i,j使得μ(i)⊆v(j))至少满足以下条件之一,则称(R,μ)是时空第三范式(T3NF)。
(1) A是时空主属性。
(2) X是时空超关键字,并且不存在整数i1,i2(i1≠i2),使得X→A∈πu(i1,i2)(F);除非存在i3≠i1,使得X→A∈πu(i1,i3)(F),X→A∉πu(i1,i2,i3)(F)。
2 相关定理
定理1:STFD推导规则是有效的。
证明:
(1) STFDIR1(自反规则):设X⊆Y,对(R,V,μ)中的任一时空关系r中的两个元组t1,t2,若分别使t1,t2有效的时间都被μ的某时刻覆盖,且t1[X]=t2[X],有t1[Y]=t2[Y]。所以X→μY成立。自反规则得证。
(2) STFDIR2(增广规则):设X→μY,对(R,V,μ)中的任一时空关系r中的两个元组t1,t2,则有t1[X]=t2[X]且t1[Y]=t2[Y]。若t1[XZ]=t2[XZ],则有t1[X]=t2[X]和t1[Z]=t2[Z],所以t1[YZ]=t2[YZ]。增广规则得证。
(3) STFDIR3(传递规则):设X→μY,Y→μZ,对(R,V,μ)中的任一时空关系r的两个元组t1,t2,若t1[X]=t2[X],则有t1[Y]=t2[Y],再由Y→μZ,有t1[Z]=t2[Z],所以X→μZ。传递规则得证。
(4) STFDIR4(继承规则):设X→μ1Y,X→μ2Y,…,X→μnY,对(R,V,μ)中若存在时态类型μ使得μ≤c{μ1,…,μn},则X→μY。继承规则得证。
引理1:X→μY1, Y2,…,Yn,成立的充要条件是X→Ai成立(i=1,2,…,k)。
定理2:STFD推导规则是完备的。
证明完备性的逆否命题,即若函数依赖X→μY不能由F从STFD推导规则导出,那么它必然不为F所蕴含,它的证明分三步。
(1)若V→μW成立,且V⊆XF+,则W⊆XF+。
证:因V⊆XF+,所以有X→μV成立;于是X→μW成立。所以W⊆XF+。
(2)若r不是时空模式上对应的时空关系,记r由{U-XF+}构成。由r的构成可知,V必定是XF+的子集,而W不是XF+的子集,与第(1)步矛盾。所以r必是时空模式上的一个时空关系。
(3)若X→μY不能由F从STFD推导规则导出,则Y不是XF+的子集,因此必有Y的子集Y1满足U-XF+,则X→Y在r中不成立,与第(2)步矛盾。
STFD推导规则的有效性和完备性得证。
定理3:任何时空三范式一定是时空二范式。
证明:考察原命题的逆否命题:一个时空模式(R,V,μ)不是时空二范式,则它一定不是时空三范式。
假设时态模式(R,V,μ)不是时空二范式,则根据定义11,存在非主属性对时空码的部分时态依赖。设时空码为X,R中的非时空主属性A部分时空依赖于时空码X,即有X′⊂X,使得X′→μA成立。
可以看出,X→μX′,X′→μA,X′→/ μX,(若X′→μX,而X′为时空码X的真子集,根据时空码的定义,X不为时空码,与假设矛盾),且A∉X(由于A为非时空主属性)。由上可知,时空模式(R,V,μ)中有非时空主属性时空传递依赖于时空码X,即当i1≠i2,X→μA∈πu(i1,i2)(F),且不存在i3,i1≠i3,使 X→μA∈πu(i1,i3)(F),但X→μA∈πu(i1,i2,i3)(F)。故(R,V,μ)不是时空三范式,定理3的逆否命题成立,因此定理3得证。
3 结束语
在关系数据库和时态数据库中,通常用范式这种形式化的方法来进行数据库的规范化,在时空数据库中也是如此。许多研究人员以及学者在关系和时态范式问题上进行了深入的研究,通过把其规范到某种范式级别来达到消除冗余的目的。本文在关系数据库、时态数据库规范化理论的基础上,提出时空函数依赖,时空关键字,时空完全函数依赖的概念,并定义了时空一范式、时空二范式和时空三范式,为解决实际的时空数据库逻辑设计问题开辟了新道路。
参考文献
[1]严云洋,杨民.关系数据库模式中候选码的求解算法[J].现代计算机,1999,6:89-94.
[2]张旭.关系型数据库的规范化[J].武汉工程职业技术学院学报,2002,4:98-105.
[3]马雪英,冯睿.基于函数依赖的模式分解方法[J].计算机应用与软件,2004,4:123-130.
[4]CS.Jensen,Clifford J.A Glossary of temporal database concepts[J].ACM SIGMOD Record,1994,23(1):52-64.
[5]Wijsen J.Design of Temporal Relational Databases Based Dynamic andTemporal Functional Dependencies[J]//Proc of the International Work-shop on Recent Advances in Temporal Databases,1995:61-76.
[6]Wang X S,Bettini C,jajodia S.Logical Design for Temporal Databaseswith Multiple Granularities[J].ACM Transactions on Database System,1997,22(2):115-170.
[7]Wijsen J.Temporal FDs on Complex Objects[J].ACM Transactions onDatabase System,1999,24(1):127-176.
[8]郝忠孝.关系数据库数据理论新进展[M].北京:机械工业出版社,1998.
穿越时空时空的想象作文 篇5
穿完后，灰太狼红太狼进入了大门，到达后，他们就疯狂地偷起了珠宝，检查员说：“这是怎么回事，珠宝全被偷了。”然后，检查员告诉了羊羊侦探组，他们立即赶到了现场，喜羊羊拿着放大镜往地上一看，看到了狼脚印，告诉检查员：“检查员叔叔，是狼偷了宝珠。”“狼，那会是谁呢?”喜羊羊他们更仔细的往地上看，1分钟过去了，懒羊羊找到了线索，“大家快来看，这有一根狼毛。”
喜羊羊他们跑去找机械羊，“机械羊，机械羊。”喜羊羊大喊，“机械羊，帮我们看看这狼毛是谁的。”机械羊拿着狼毛看着，说：“正在检验中。”暖羊羊猜想：“会不会是灰太狼?”最后，检验到了是灰太狼，懒羊羊说：“班长，你的乌鸦嘴又灵了。”“可恶，又是这个灰太狼。”沸羊羊生气的说，美羊羊说：“怎么办啊?是灰太狼，喜羊羊快想想办法啊。”喜羊羊说：“只好要灰太狼出来了。”
他们走到了狼堡附近，喜羊羊跑到了狼堡的右侧躲起来，沸羊羊对着喇叭喊：“灰太狼，你快给我出来!”灰太狼听到后，立刻跑出来说：“沸羊羊你这是自投罗网吗?”沸羊羊把喇叭放在口袋里，说：“灰太狼，是不是你偷了珠宝。”这时，喜羊羊跑到了狼堡里面，“怎么会是我偷了珠宝。”喜羊羊看到了穿梭门，说：“这里面是什么?”喜羊羊不小心碰到了英文字母s，又碰到了选项中的赛尔号。穿梭门说：“请输入密码。”喜羊羊说：“难道是灰太狼使用这个门穿越时空?”“密码正确。”门出现了漩涡，喜羊羊要被吸了进去，他大叫：“救命啊。”
时空数据库 篇6
城市基础地理信息数据库主要应包括以下7个数据库:控制测量成果库 (CSP) ;数字线划矢量数据库 (DLG) ;数字正射影像数据库 (DOM) ;数字高程模型数据库 (DEM) ;数字栅格图数据库 (DRG) ;地名数据库 (PN) ;元数据库 (MD) 。基础地理信息数据库还可包括管线、规划、地质等相关数据。
数字线划地图数据库主要包括道路、境界、水系、土地利用等基本矢量数据, 建立以影像为基底、矢量数据进行分析的城市基础地理信息数据库, 可以直观、方便的完成城市空间信息的查询、分析及各种应用服务。在基本要素中加入各种专业属性信息, 使空间信息与属性信息有机的融合, 实现了空间与非空间信息的统一。对于需求基本要素之外要素的用户, 可以调用航摄影像库及控制成果库中的航摄影像及定向参数, 快速恢复立体模型, 实现其它要素的便捷提取, 满足不同用户对空间信息的需求。
正射影像具有精度高、信息丰富、真实直观、获取快捷等优点, 利用正射影像可以便捷提取城市所需要的各类空间地理信息、自然资源信息及其它派生信息;可以为城市的空间基础设施建设及社会公众提供空间信息等服务。把正射影像与数字高程模型数据进行叠加, 可以真实再现城市自然景观, 并为城市规划、建设等部门提供信息丰富的空间地理数据。
地名作为最直观、高度概括的信息, 是自然和经济信息的特殊载体, 是人们生活、交往不可缺少的工具, 可为语言学、地理学、历史学、民族学等学科的研究提供宝贵资料。地名数据库是一个空间定位型的关系数据库, 它存储和管理各类地名信息, 包括行政区划、居民地、河流、湖泊、风景名胜、自然保护区的名称、行政归属、沿革和历史、类别和级别、审定日期和坐标等。它是联系社会、经济信息和空间信息的纽带, 是空间数据基础设施建设的重要组成部分。
2 矢量数据库的逻辑层次
矢量地形图数据作为数字线划图的主要组成部分, 用以表示城市的基本面貌并作为各种专题数据统一的空间定位载体, 包括测量控制点和城市地形、交通、水系、境界、居民地、植被等核心地理要素。矢量数据库的逻辑关系可以设计如下。
2.1 矢量地形图数据子库
矢量地形图数据子库的划分可以依据城市在建立城市基础地理信息系统时使用的矢量地形图数据的比例尺来进行, 如有的城市有1∶500、1∶2000和1∶10000的矢量数据, 就可划分为3个子库, 分别为1∶500地形图子库、1∶2000地形图子库、1∶10000地形图子库;而有的城市可能只有1∶500和1∶10000的矢量数据, 那其地形图子库就有1∶500地形图子库和1∶10000地形图子库两种了。
2.2 矢量地形图数据大类
根据通常应用的需要, 将基础数据库中的矢量数据按地形实体的大类进行逻辑分组, 每一个逻辑组就是一个矢量地形图数据大类。矢量数据按照国标可以分为控制点、居民地、交通、水系等几个大类。一个大类中的空间实体数据在逻辑上被看作属于同一范围, 其代码的第一位都相同, 往往被同时应用。
2.3 矢量数据图层
一个矢量地形图数据大类通常包含多个空间实体类型, 可以再根据实体的类型 (点、线、面) 和实体在数据中的意义 (辅助信息、主要信息) 划分出具体的逻辑层, 一个逻辑层还可以含有一个注记层。
2.4 矢量数据实体
矢量数据实体作为单个图层中的独立单元, 包含图形数据 (几何属性) 和非图形数据 (非几何属性) 。图形数据一般指实体的地理位置和形状, 非图形数据包括标量属性 (如高程、面积、长度的数据及实体的编码数据等) 和名称属性 (如道路名称、河流名称等) 。地理实体按几何形状分为点、线、面三种基本类型, 这种分类法对于地理实体的特征描述和编码表示很合适。例如点类有控制点、独立地物点等, 线类有道路、地类分界线、管线等, 而面类有行政区域、建筑物、绿化带等。
3 面向更新的矢量时空数据库设计
地理信息系统中, 时间、空间和属性是信息的三种基本成分, 随着地理信息系统应用领域的不断扩大, 对数据的处理提出了更高的要求, 要能够保存并有效地管理历史变化数据, 以方便将来重建历史状态、跟踪变化、预测未来I’91, 这样的地理信息系统应支持信息的时态性, 对时空数据进行统一的模拟和管理, 称为时态地理信息系统 (TGIS) 。基础地理信息系统信息量大, 需要定期对数据进行更新并保存历史数据, 是一种典型的时态地理信息系统。
时空数据按照其生存的时间来分可分为现状数据和历史数据。现状数据是指其生命周期至今还没有终止的目标所产生的信息, 历史数据是指其生命周期到目前已终止的目标所产生的信息。根据常理, 人们关心的一般是现在的情况, 只有当考察区域历史变化或其它特定目的时才对历史数据感兴趣, 应该说将它们分开存储管理比较方便, 数据查询效率较高。
因此, 在基础地理数据库中创建2个表达不同时态的数据库:现状数据库 (现在时态) 和历史数据库 (过去时态) 。
与地籍、地名属性信息很多, 可追溯性很强的信息不同, 矢量地形图着重表示一个区域指定时间的地形面貌。所以在存储地形图时空信息时, 图形信息不可丢失, 至于某个地形图要素是如何变化而来的并不重要。因此本文的研究中, 地形图上某个要素只要其图形信息或属性信息或图形属性之一发生了变化, 就视为该要素的生命周期终止, 改变后的新要素生命周期开始。
现状数据库中保存对象的最新数据, 即现势数据。现状数据库中的对象作为基态, 处于最频繁操作的状态。现状数据库是操作对象的现在时态的空间和属性信息, 数据库中的每个元组都处于“激活”状态, 是数据库当前操作对象。历史数据库保存对象的历史数据。一个对象当由一事件引起变化后, 其最新的状态被存入现状数据库中。当变化的所有条件成立时, 事件将会按时间顺序排列, 将相对基态的修正值存入历史数据库中。此外, 历史数据库还需要存储数据更新的时间、更新的范围和位置、数据存放的位置等信息。历史数据库和现状数据库的划分有利于历史数据的回溯。随着时间的推移, 现状要素不断产生进入现状数据库, 旧的要素不断被更新成为历史要素而进入历史数据库。为了实现对现状数据库的更新与历史数据的回溯, 需要设立临时数据库用来存储用户操作过程中产生的临时数据。用户在对数据库进行某项操作过程中, 某些突发事件可能会造成原始数据的破坏, 如果直接对现状数据库进行操作, 可能会造成不可估量的损失。通过设立临时数据库, 将用户操作中所需数据先转移到临时数据库, 处理过程中所产生的数据也保存在临时数据库, 处理结束后通过检核的数据可以进入现状数据库, 这样可以最低限度地减少对原始数据的破坏。
为了保证数据的准确性与完整性, 不允许直接操作现状数据库, 而将待更新数据复制一份提取到临时数据库, 在临时数据库中进行更新, 当更新符合要求时再确认更新现状数据库。
历史数据回溯时也需要首先将现状数据和历史数据分别从现状数据库和历史数据库中提取出来, 在临时数据库中进行历史的再现。三库之间的功能关系如图1所示。
历史数据库与现状数据库的逻辑结构相同, 矢量数据在其中也是分层存储的, 这样的存储方式便于历史数据的存储和管理, 以及历史数据的回溯。临时数据库只保存数据更新和历史回溯过程中产生的临时数据, 因此不需要有固定的逻辑结构。基础地理信息系统中的时空数据库逻辑设计如图2所示。
摘要：本文基于笔者多年从事地理信息系统的相关工作经验, 以城市基础矢量数据库设计为研究对象, 研究分析了城市时空矢量数据库的设计思路, 全文是笔者长期工作实践基础上的理论升华, 相信对从事相关工作的同行有着重要的参考价值和借鉴意义。
关键词：更新,矢量,数据库,设计
参考文献
[1]东凯, 方裕.空间数据库模型概念与结构研究[J].地理信息世界, 2004 (2) .
时空数据库 篇7
1时空相关性隐私数据
在被用于监控大熊猫生活习性的无线传感器网络中[2,3]。 当大熊猫出现在某一传感器节点的感知领域内时,该节点产生感知数据并发送给网络汇聚节点。网络产生数据并报告给汇聚节点的事实说明大熊猫在某个特定时间出现在产生数据的源节点。如果攻击者能够将数据的产生时间与感知节点的空间物理位置关联起来,就能够跟踪大熊猫的活动踪迹,进而捕获大熊猫。
同样的场景可以被转换到军事应用环境下,当无线传感器网络被用于监控戍守部队的大门时。如果敌军知道士兵进入大门的速率,结合所有士兵进入大门所用的时间等信息或许就能够推断出戍守战士的总量。更重要的是,通过分析长期监控获取的大量信息,敌军能够推断出一个时间空隙[4],在这个空隙内,大门口很可能无人出现。
在上述两种应用场景中,攻击者通过获取大量网络通信数据,推断数据在时间和空间上的关联关系,就能够进行推断攻击。为了防御这类攻击,有两种类型的信息需要被保护:传感数据流的空间信息和传感器节点产生数据的时间信息。空间信息的保护涉及隐藏数据感知源节点的位置[2,5],以及网络汇聚节点或基站的位置[6,7]。时间信息的保护涉及隐藏源感知节点产生数据的真实时间、产生数据的速率,以及不同源节点数据传输事件之间的关联关系。
2.时空相关性隐私数据保护技术
2.1 PRESH和ex PRESH
为了保护无线传感器网络时空相关性隐私数据,文献[8]在端到端SG-MIX机制[9]的基础上提出了一种名为概率重塑的保护机制(probabilistic reshaping,PRESH)。在这种保护机制中, 每个传感器节点自身能够产生感知数据,同时能够为邻居节点转发数据。这种机制的工作原理如下:
位于路由路径上的中间传感器节点(位于源节点和汇聚节点之间)接收到一个数据后,会将其放入本节点的缓冲队列,延迟一段时间后再转发出去,延迟时间由具有参数µ的指数分布确定。在数据的延迟时间内,或者在接收此数据之前,该节点的邻居节点可能向其或已经向其发送数据,节点自身也可能生成数据。因此,当转发延迟时间截至的数据时,攻击者无法分辨出该节点当前发送的是节点自身产生的数据还是中继转发的数据,也无法辨别正在发送的数据与之前哪个传输事件具有关联关系。这样,中继转发的数据就能够隐藏在节点自身的数据、邻居节点的数据或其他节点要求中继转发的数据中了。
考虑一种最坏的情况,当数据到达中间节点时,其缓冲区为空。如果在该数据的延迟时间内,网络没有产生通信量,即没有其他数据传输事件发生,节点自身也没有产生感知数据, 当数据被转发时,攻击者就能够将这两个传输事件成功关联起来。由于PRESH机制在上述情况下无法隐藏数据传输事件之间的关联关系,文献[8]对其进行扩展,引入了多次延迟,即当数据的延迟时间截止时,如果发生最坏的情况,就将数据再进行一次或多次延迟,这种保护机制称为扩展概率重塑保护机制 (extended probabilistic reshaping,ex PRESH)。
2.2 RCAD
为了保护WSN的时空相关性隐私数据,通过建模并分析三种不同类型的WSN场景,文献[10]提出通过路由中间节点缓冲区的缓冲延来隐藏感知数据的产生时间。由于靠近汇聚节点的中间节点与离汇聚节点较远的中间节点相比,所需要的缓冲区存储空间更大,而且当新的数据到达时,其缓冲区很可能是满的。因此,需要对延迟的分布进行调节,使之能够平衡通信速率和可用缓冲区。因此,文献[10]提出了一种速率控制自适应延 迟机制(Rate- Controlled Adaptive Delaying mecha-nism)。RCAD的主要思想是缓冲区抢占策略,即当数据到达时,如果缓冲区是满的,中间节点就选择一个数据(称为牺牲数据)立即发送出去。抢占策略能够根据缓冲区的状态自动调整延迟分布参数μ,从而调整延迟的分布。文献[10]提出了四种不同的缓冲区抢占策略。
拥有最长延迟时间的最先传输(Longest Delayed First)。在LDF中,牺牲数据是拥有最长延迟时间的数据。这种抢占策略能够确保每个数据都会在缓冲区延迟一定的时间,其实现要求中间节点记录每个数据的达到时间。
剩余延迟时间最长的最先传输(Longest Remaining Delay First)。在LRDF中,牺牲数据是拥有最长剩余延迟时间的数据。首先把将会在缓冲区延迟最长时间的数据发送出去有助于减轻缓冲区的缓存压力。由于中间节点已经记录了每个数据的剩余延迟时间,这种策略的实现较简单。
拥有最短 延迟时间 的最先传 输(Shortest Delay Time First)。在SDTF中,牺牲数据是拥有最短延迟时间的数据。先发送延迟时间最短的数据,不会影响网络的整体性能。这种策略的实现要求中间节点记录每个数据的延迟时间。
剩余延迟时间最短的最先传输(Shortest Remaining Delay First)。在SRDF中,牺牲数据是剩余延迟时间最短的数据。在这种抢占策略中,中间节点的延迟时间是最接近原始分布的。 跟LRDF一样,这种策略的实现较为简单。
2.3速率隐私数据保护技术
为了保护无线传感器网络的时空相关性隐私数据,文献[4]首次提出了速率隐私保护的概念,针对传感器节点数据产生速率隐私保护问题,基于中间节点缓冲区的延迟转发提出了一种速率隐私保护机制,其主要工作原理如下:
所有传感器节点单独产生感知数据(大小相同),将数据通过逐跳路由的方式发送给基站。位于源节点和基站之间的路由中间节点对途经的数据进行缓冲延迟,每个中间节点维护一个大小为q的缓冲区。通过使用概率分布策略如平均分布,将缓冲策略由先进先出变换为一种随机方法:中间节点接收到一个数据后,不是将其存入缓冲队列的最后,而是随机均匀的存入缓冲区的空闲缓冲槽。随机延迟一段时间后,将缓冲队列的第一个数据发送出去,延迟时间遵循具有参数µ的指数分布。
3性能分析与比较
下面,本文从隐私性、精确性、延迟时间和能量消耗四个方面对上述三种时空相关性隐私数据保护技术的性能进行分析, 如表1所示。其中,隐私性指保护技术提供的隐私保护的级别[11];精确性指基站所获取数据的精确性和基站对数据的可获取性(例如,数据能否被发送给基站);延迟时间指数据传输在中间节点的计算时间和通信时间;能量消耗指数据传输所需的额外能量消耗。
从表1可以看出,尽管这三种技术所保护的隐私数据不同,但都利用了路由中间节点缓冲区的缓冲延迟和中继转发功能对数据进行延迟和再转发,从而隐藏并保护隐私数据。其中,ex PRESH和RCAD的精确性和延迟时间都受WSN网络通信量强度的影响。RCAD和速率隐私保护技术的精确性都受中间节点缓冲区大小的影响。从能量消耗来看,除ex PRESH之外,另外两种技术都有额外的能量消耗。
同时,本从保护对象、关键实现技术、优势、不足、已解决的问题和需要继续研究的问题六个方面对这三种保护技术进行分析和总结,如表2所示。
从保护对象来看,虽然都是针对WSN的时空相关性隐私数据进行保护,三种技术的保护侧重点不同。从实现的关键技术来看,三种技术都通过中间节点的缓冲区来实现隐私数据的隐藏和保护,但实现的具体方式和原理不同。从优势来看,ex-PRESH针对最坏的情况提出了处理机制,RCAD提出了四种不同的缓冲区抢占策略,速率隐私保护技术首次针对源节点产生感知数据的速率提出保护机制。从不足来看,由于延迟时间取决于通信量的强度,当WSN的通信量很高时,ex PRESH的网络整体时延也会较高;RCAD的LDF和SDTF的实现较为复杂,需要消耗中间节点的额外能量;速率隐私保护技术只有简单的原理阐述,未对网络模型、数据模型和攻击者的能力进行定义。 ex PRESH通过自适应分布式随机延迟策略成功隐藏传输事件之间的关联关系,还需要继续研究延迟队列空间的大小对保护机制性能的影响,以及缓冲队列满时的处理机制等。RCAD通过缓冲区抢占策略解决近基站节点高缓冲区需求的问题,还需要继续研究数据到达时,缓冲区队列为空时的处理机制。速率隐私保护技术需要继续研究该机制的网络模型和数据模型,并阐明攻击者的攻击能力,从而使该机制具有更强的针对性。
4结束语
时空数据库 篇8
1 研究区域和研究思路
1.1 研究区域概况
河南省位于我国中东部,地处黄河中下游地区,河南省的地形地貌特征东北与西南差异明显,整体呈西高东低趋势,北西南三面山脉沿省界呈半环形分布,中、东部为黄淮海平原。河南省是我国传统的农业大省,也是重要的经济大省、迅速发展的新型工业大省,在城市化建设中河南省也有较快的发展速度。
1.2 研究思路
本文先收集了2000-2012年间的河南省统计年鉴中的城市建成区数据和DMSP/OLS夜间灯光数据进行比较,证实灯光数据的可用性,进而确定河南省诚征空间扩张的动态变化指标,根据指标从时间上分析各个地市及河南省整体的城镇扩张的变化,从空间上对比分析河南省各市的扩张特征,最终得出影响城镇扩张的因素,为以后的城市化趋势进行预测。
2 基于DMSP/OLS数据的河南省各市城镇空间扩张特征分析
2.1 DMSP/OLS数据预处理
数据源为美国国家地球物理数据中心提供的DMSP/OLS夜间灯光数据,本文选择2000、2004、2008、2012年的无云观测叠加数据,对河南省城市化进程进行研究和分析。统计年鉴中的建成区面积由于缺乏空间信息,难以满足对城市空间格局研究的需求,通过对比相邻年份的DMSP/OLS夜间灯光数据,可以直观地看出城市空间格局的变化情况。本文先对DMSP/OLS数据进行降噪处理,利用河南省边界矢量数据将DMSP/OLS夜间灯光数据在arcgis中进行掩膜处理,根据相关学者所做的研究,本文采用灯光亮度属性指标作为基于DMSP/OLS数据的城市化水平指数。
2.2 夜间灯光亮度的动态变化指标
(3)河南省全境平均亮度:
各市平均亮度距平值:
各市平均亮度距平值=各市平均亮度-河南省全景平均亮度
各市平均亮度增长速率:
其中,DN为像元亮度,pi为像元亮度,ni为各市亮度为pi的像元个数,Nj为各市的像元个数,Nhn为河南省的总像元个数。
2.3 河南省各市城市空间扩张对比分析
从图1可以看出,河南省各市级行政区2000年和2012年的夜景灯光亮度距平值。其中,颜色由浅及深分别代表各市平均亮度与全省平均亮度由高到低的差值。从图1能够看出,相较于2000年各市的平均亮度,2012年超过平均水平的市级行政区个数明显增加,作为省会城市,以郑州市为中心的大型市区的规模扩大了很多,聚集度更加明显,这也说明了河南省的城镇空间增长具有城市群聚集性的特点。从地形上看,高于灯光平均亮度的区域均为地势平坦的平原地区,有利于城镇建设和城市扩张。洛阳市和南阳市等市区,虽然市区的灯光聚集区亮度较高,范围较大,但河南省西南部为伏牛山脉,覆盖了河南省洛阳、南阳、平顶山、三门峡和驻马店5市的15个县,受山脉地形影响,所处区位不利于城市化建设。因此,在图1中所对应的灯光亮度也较暗,受此影响,洛阳、南阳等市区的灯光平均亮度低于全省亮度平均值。信阳市的西部和南部是由桐柏山、大别山构成的豫南山地,同洛阳等市区一样,信阳市的灯光亮度也低于全省平均亮度值。
3 结论
河南省城市化的发展在2000-2012年间有加速发展的趋势,基本模式是以郑州市为中心城市,簇群式外扩,各市自身放射性外扩进而轴线式蔓延进行扩散;受地形影响,西南部山区城市化进程缓慢,以至于该市整体城市化水平不高;交通线路对城市空间扩张也有很大影响,多数城市的扩张都是沿着道路进行的。在之后的若干年,城市化进程中城市空间会继续沿着道路两侧有一定的扩张,以郑州市为中心的城市群将进一步扩大,河南省东部如开封、商丘等市区因所处地形优势,城市空间扩张相较于其他地区将会更明显。
摘要：在研究城市化进程时,基于DMSP/OLS夜间灯光数据获得的城市空间信息基本可以反映我国城市化发展的实际情况。以河南省为例,提取出2000-2012年的河南城市化空间信息,对河南省18个市级行政区的城市化空间扩张进行监测,分析城市空间扩张的格局变化及速率,得出影响城市空间扩张的因素并预测城市空间扩张的方向。
关键词：城市化,空间扩张,DMSP/OLS,河南省
参考文献
时空数据库 篇9
1 数据与方法
1.1 研究区
若尔盖湿地地理坐标为33°10′~34°06′N, 101°36′~103°25′E, 处于青藏高原东部边缘, 素有“川西北高原的绿洲”之称。其行政区域包括四川省的若尔盖、红原、阿坝、松潘, 青海省的久治县, 甘肃省的玛曲、碌曲等, 总面积约5.3万平方公里, 总人口约为26.15万。本文的研究区域为若尔盖湿地在四川省内的部分, 其总面积约为4.2万平方公里, 海拔高度在3300米至3600米。
1.2 研究方法
1.2.1 植被覆盖度的估算
植被覆盖度是描述植被群落状况的重要参数之一, 是衡量地表植被生长、发育、变化的一个综合性指标。同时, 植被覆盖度也是影响土壤退化与水土流失的重要因子之一。本文采用像元二分模型估算植被覆盖度, 其公式如下所示:
式中, vc表示植被覆盖度, NDVImin表示植被覆盖的NDVI最小值, NDVImax表示植被覆盖的NDVI最大值。
1.2.2 植被覆盖度分类及湿地植被退化强度分类
依据关于草地退化遥感监测的国家标准 (GB19377-2003) 以及相关参考文献和若尔盖湿地的具体情况, 以3年滑动平均后的2002年的植被覆盖度为基准, 把它看作是未退化的植被覆盖度。计算每年的植被覆盖度占未退化植被覆盖度的百分比, 把若尔盖湿地草场退化分为5个等级:极重度退化、重度退化、中度退化、轻度退化, 极轻度退化和未退化。
2 结果与分析
2.1 年最大NDVI的空间分布特征
通过对2001年到2013年若尔盖湿地平滑后NDVI年最大值变化特征曲线图的观察可知, 2005年到2009年, 由于气候和人为因素的影响, 导致若尔盖湿地草场持续几年的退化, 2008年开始, 相关部门注意到草场退化的严重性, 开始对草地进行整治, 草场退化现象开始缓解[2]。
2.2 年最大NDVI的空间变化分析
通过对若尔盖高原湿地2001-2013年NDVI平均值的变化特征曲线的观察可以看出, 2006年之前该地区植被指数总体比较稳定, 变化幅度较小。自2006年开始, 植被指数稳定状态被打破, 变化幅度开始变大, 到2008年出现波谷。因此, 以2006年为界限, 计算若尔盖湿地2006年前后的NDVI植被指数的差值。
2.3 植被覆盖度的时空变化分析
对若尔盖高原湿地2002-2012年不同等级的植被覆盖度进行统计对比分析, 绘制2002-2012年不同植被盖度等级面积占区域总面积的比例变化曲线图。通过图表的分析结果可以发现:研究区域内植被覆盖度整体较高, 植被覆盖度的等级以高等和中高等为主。特别注意的是, 研究区域在2006年植被覆盖情况最好, 高植被覆盖的土地面积为2.3万平方千米, 占区域总面积的81.75%, 但是在2006年之后, 又开始逐年降低。
整体而言, 近10年来, 若尔盖高原湿地的植被覆盖度呈现先增加后减少的趋势。
2.4 植被退化的空间变化
观察2003-2012年每年的植被退化强度分布图可以看出, 2006年是植被退化最不明显的一年, 未退化的土地面积占88.56%, 分布范围较广, 2010年的植被退化面积远远高于2006年退化的面积, 而2012年植被退化面积较之2010年又有所减少。植被极重度退化、重度退化和重度退化的区域只要分布在红原县的东南方向邻近松潘县的壤口乡、红原县刷经寺镇的边缘地区、阿坝县西北方向的克比杂隆以及若尔盖县西北方向的色尔勇、格学的边缘地区, 这与年最大NDVI的分布规律以及植被覆盖度的分布规律基本上一致。
3 结语
本文利用时间序列的SPOT/VGT NDVI数据对2002-2012年若尔盖湿地植被变化关系进行分析, 主要结论如下。
3.1 若尔盖高原湿地植被指数变化特征
该区域的植被指数总体偏高, 其中红原县境内的红原大草原以及红原县与马尔康县接壤处的山区、若尔盖县北部地区以及中南部的若尔盖湿地自然保护区、阿坝县西南边缘地区的植被类型大部分为阔叶林, 针叶林和灌丛, 年最大NDVI值在0.85以上, 是整个研究区植被指数最高的地区, 植被生长状况比较好。而红原县与松潘县接壤处的部分草原区和阿坝县的中西部地区NDVI值在0.65以下, 是研究区域植被指数偏低的集中区域, 植被生长情况较差[3]。
从季节变化趋势来看, 夏季的植被指数最高, 植被生长茂盛, 秋季和春季其次, 冬季冰雪覆盖, 植被指数最低。多数年份春季和秋季的植被指数变化趋势相反, 这可能是植被的生长期和枯萎期的延长的原因。总体来看, 2001年到2013年四川省内若尔盖湿地的植被指数大致呈不显著波动增加趋势, 其中2009-2011年植被指数逐年下降, 植被生长情况比较差。通过计算2006年前后年植被指数最大值的差值得出, 研究区域的植被指数总体有所增加, 但部分区域的植被指数降低较大, 出现了草地退化现象[4]。
3.2 若尔盖湿地植被退化的时空变化特征
近10年来, 相比于若尔盖县和阿坝州, 红原县是植被退化情况最严重的地区。植被极重度退化、重度退化和中度退化的区域主要分布在阿坝县西北方向的克比杂隆, 若尔盖县西北方向的色尔勇、格学的边缘地区以及红原县的东南方向邻近松潘县的壤口乡, 这些地区也是植被指数较低的区域, 该区域的气候和人类活动对植被的生长影响程度较大, 林业管理部门应该将这些地区列入退牧还林的重点区, 着力保护这些地区的湿地生态系统。
参考文献
[1]袁军, 昌国宪.湿地功能评价研究进展.湿地科学, 2002, 2 (3) :154-160.
[2]田昆, 郭辉军, 杨宇明, 等.高原湿地保护区生态结构特征及功能分区研究与实践.科学出版社出版, 2009, (11) .
[3]赵魁义, 娄彦景.青藏高原若尔盖湿地退化与生物多样性修复[J].中国生物多样性保护与研究进展, 2008.
时空数据库 篇10
危险化学品 (简称危化品) 包括爆炸品、压缩气体和液化气体、易燃液体、易燃固体、自燃物品和遇湿易燃物品、氧化剂和有机过氧化物、有毒品和腐蚀品等[1], 随着危化品市场需求逐步扩大, 危化品货物运输业也随之快速发展, 因而出现了大量严重危化品运输车辆事故发生。危化品车辆运输安全的现状亟需改善, 然而, 现有的危化品物流安全监控平台由于信息量少、功能不全面等无法满足现有危化品物流安全的要求。因此, 需要建立一个功能完善的危化品物流安全监控平台, 以满足危化品集中管理的要求[2]。
近年来, 交通运输部、公安部、国家安全生产监督管理总局针对危化品运输颁发了一系列的规定、规范和标准, 但危化品车辆的监控管理依然存在问题。驾驶员疲劳驾驶、超车驾驶、车辆超载等严重交通违法现象突出, 剧毒、爆炸危险化学品运输不按规定办理道路运输通行证现象严重, 很多危险化学品运输车辆私拉乱跑, 未按照预定的行驶区域和线路行驶, 不受禁行区、路线的约束, 穿梭于监管薄弱的乡镇道路等危险路段, 造成车辆监管困难。目前, 许多企业运用监控平台对危化品车辆进行监控预警, 一定程度上改善了危化品车辆在途运输的安全, 但现在的监控平台只对危化车辆记录行驶轨迹数据, 并没有基于轨迹、时间数据展开分析, 从而缺乏对安全隐患及时预警的有效方法, 基于此不足, 本文提出一套相关的预警方案。
2系统总体构架
公路危化品运输车辆监控系统主要由三大部分组成:随车终端、通信网络、监控平台。见图1。根据危化品运输车辆管理的有关标准和规定, 系统综合应用全球卫星定位系统 (GPS) 、地理信息系统 (GIS) 、无线通信 (GMS/GPRS/WIFI) 等高新技术, 形成一个完整、完善的危化品运输车辆监控系统[3]。交通部第9号令规定运输剧毒化学品、爆炸品等车辆, 应安装GPS[4,5], 所以通过车辆定位, 监控员可以在监控中心的大屏上通过地图实时动态地跟踪、定位危化品运输车辆的行驶路径、位置、行驶速度和连续运行时间。但是仅靠人工难以完成更为详细的监控过程, 在系统提供的行驶数据基础之上, 急需一套自动化的解决方案。这套方案可以通过对所获取信息的自动分析, 在出现安全隐患时, 可实现自动预警和报警, 并在发生事故同时启动紧急处置预案, 包括利用随车的车载设备对驾驶员进行短信语音提醒、与驾驶员电话交流, 告知其处理步骤和方法。若出现警情、火情等严重状况, 监控人员及时向救援队伍呼救, 可将大部分事故消灭在萌芽状态或在事故出现后将损失降到最低。
3技术支持
3.1时空数据模型
时空数据是包括时间和空间要素在内的数据, 基于时空数据, 可以建立较为完善的时空数据库。危化车辆行驶的路线为空间数据, 危化车辆行驶的时间为时间数据, 如表1所示。
监控后台不断接受危化车辆终端传输的时空数据, 并且数据在5到10秒内进行更新, 把所需数据存入数据库中。监控软件读取所需时空数据和已知道路信息进行对比计算分析, 通过软件的算法判断危化车辆是否偏航、超速、异常区域停车、疲劳驾驶等。读取实时车辆数据及车辆预定路线信息并且根据计算公式判断各种报警情况。车辆到预定路线的最大距离超过警戒值则车辆为偏航, 偏航则是各项计算的基础。当车辆偏航时, 则计算车辆是否停在某些特定区域, 例如允许停车区域。则不偏航, 否则判断为偏航;如果车辆没有偏航, 则根据车辆行驶的一段范围的距离和时间计算出车辆行驶的速度, 判断危化车辆的实时速度有没超过在该种公路上的速度警戒值, 超过则为超速, 否则为不超速;当车辆速度为零时, 判断危化车辆是否停在允许停车的范围内, 不是则为异常区域停车, 否则为正常停车。
3.2空间数据的缓冲区分析
缓冲区分析是指以点、线、面实体为基础, 自动建立其周围一定宽度范围内的缓冲区多边形图层, 然后建立该图层与目标图层的叠加, 进行分析而得到所需结果。基于点要素的缓冲区, 如服务站、加油站等, 通常以点为圆心、以一定距离为半径的圆;基于线要素的缓冲区, 如高速公路、跨江大桥等, 通常是以线为中心轴线, 距中心轴线一定距离的平行条带多边形;基于面要素多边形边界的缓冲区, 如住宅区等, 向外或向内扩展一定距离以生成新的多边形。对危化车辆而言, 对允许其行驶区域进行缓冲区分析, 结合GPS卫星定位, 将车辆行驶范围规定在缓冲区内, 超出范围则发出偏航预警。
4自动预警方案的功能设计
4.1驾驶员私自停车、卸货
危化车辆在途运营中, 驾驶员会因某些原因, 私自停车装卸货物或处理一些私事, 占用正常运营时间, 造成企业经济上损失, 同时这种行为还会带来安全隐患。本方案基于时空数据模型对这一现象进行动态预警。向数据库中导入全国允许危化车辆行驶的道路数据、各地点经纬度数据以及危化品车辆行驶数据。在监控平台窗口中点击“行驶时间预警”分析按钮, 出现如图2所示窗口, 在窗口中输入对应分析数据, 点击“查询”显示分析结果窗口。在窗口中输入车牌号码、时间, 为系统从数据库调出车辆行驶数据提供限制条件;输入起始地、目的地, 为系统分析车辆规定行驶路线提供限制条件;点击“查询”按钮, 系统执行的任务有:
1从数据库中调出某车在某段时间所有行驶数据, 以供后续分析所用;
2分析得出起始地与目的地之间适宜的行车路线, 从而计算得出规定行驶时间 (时间含阈值) ;
3分析计算得出某车在起始地与目的地之间的行车时间, 即该车实际行驶时间;
4分析比较规定行驶时间与实际行驶时间, 得出预警分析结果。
4.2驾驶员疲劳驾驶
驾驶员疲劳驾驶是造成交通事故的重要原因之一, 每年疲劳驾驶造成的交通事故占整体的13%~17%, 如何完善解决该问题也成为道路监控管理中的难题。本系统提供一套基于时间数据模型的解决方案对这一问题进行实时动态预警。按照交通法规定, 驾驶员连续驾驶车辆超出4小时需停车休息20分钟以缓解疲劳。每辆危化车都装有一套车载设备与监控平台相互通讯, 每个货运企业驾驶员都配有独自的车载设备登录账号, 账号登录信息与监控平台连接。在监控平台窗口中点击“疲劳驾驶预警”按钮, 弹出预警车组选择窗口, 如图3所示。在窗口中勾选“危化车辆”, 点击“监控”按钮系统对危化车辆疲劳驾驶实施监控:
1从数据库中调用所有危化品车辆信息, 信息数据会实时更新, 以供后续分析计算;
2根据时间数据, 计算车辆行驶累计时长, 时长超过4小时系统执行预警;
3监控员根据预警通过车载设备向驾驶员发出警告提醒, 休息20分钟或更换驾驶员;
4系统接收到驾驶员更换信息或休息满20分钟信息后, 对累计行驶时长进行归零处理, 进行下一轮监控。
4.3不受禁行区、路线的约束
危化车辆在途运营中, 驾驶员因为道路实况或处理私事等原因, 改变原始行驶道路。对于危化车辆而言存在禁行区域和道路, 私自行驶在禁行区、道路存在安全隐患, 易发生安全事故, 并且私自更改路线不利于集中管理, 一定程度上会造成企业成本的增加。本系统基于空间数据模型, 应用地理信息系统 (GIS) 对这一现象进行实时动态预警。本预警方案的核心部分是缓冲区分析。对道路进行缓冲区分析, 缓冲距离规定为50m, 结果得到允许行驶的一个面状范围, 如图4所示, 粉色区域为可行驶区域, 一旦车辆超越该面状范围行驶, 系统判定满足报警条件。行驶范围预警分为两部分:实时监控和轨迹查询, 如图5所示。
实时监控时, 系统根据卫星传回的车辆所处位置坐标判断该点是否在缓冲区域内, 进而判断是否报警。
轨迹查询时:在轨迹查询窗口输入查询所需信息, 如图6所示, 点击“查询”显示分析结果窗口。在窗口中输入车牌号码、时间, 为系统从数据库调出车辆行驶数据提供限制条件;输入起始地、目的地, 为系统分析车辆规定行驶路线提供限制条件;点击“查询”按钮, 系统执行的任务有:
1从数据库中调出某车在某段时间所有行驶数据, 主要是坐标信息, 以供后续分析所用;
2分析得出起始地与目的地之间适宜的行车路线, 对路线进行缓冲区分析;
3根据车辆的坐标对信息, 形成实际行车轨迹;
4将实际行车轨迹与缓冲区对比分析。
基于现有的监控平台窗口, 结合二次开发、地理信息系统 (GIS) 、网页编程等技术完善相应的功能。在现有的平台窗口中嵌入设计的插件, 如图7中的“行驶时间预警”、“行驶范围预警”、“疲劳驾驶预警”。在监控平台运行过程中根据需求调用使用数据, 从而实现对危化车辆较好的实时动态预警监控。
5总结
本文提出的基本时空数据分析的自动预警方案, 在通过北斗等定位技术获取车辆位置信息的基础之上, 进行一步细化监控的服务细节, 可以探测到运营车辆的即时状态, 从而为车辆及管理部分提供更好安全的监督机制, 较好地解决了目前监控系统缺少对于危化品车辆深层次服务的问题。系统通过进一步的优化、升级, 可以作为成功案例在物流行业内部进一步推广, 具有一定的理论与应用价值。
摘要：文中通过对在途运营的危险化学品车辆进行定位监控, 获取车辆实时的行驶轨迹数据, 结合危化车辆的管理制度与标准, 采用地理信息系统技术对轨迹进行时空分析, 提出了一套自动预警方案, 并将其应用于实际生产实践中, 证明方法的有效性。
关键词：危险品车辆监控,时空数据,预警报警,监控中心
参考文献
[1]危险化学品安全管理条例[Z].2002, 3, 15.
[2]刘国栋.基于物联网技术的危化品物流安全监控平台研究[J].物流技术, 2014, (4) :88-91.
[3]邝仲平.基于3G技术的高速公路危化品运输车辆监控系统[J].公路, 2014, (4) :171-174.
[4]公安部令第77号.剧毒化学品购买和公路运输许可证件管理办法[Z].2005, 08, 01.