三维空间数据（通用12篇）
三维空间数据 篇1
0 引言
农业信息空间是描述全球信息化未来的新词汇,随着近年来世界范围的新技术革命的开展,农业科学研究人员开始利用计算机网络获得信息,帮助分析农业领域财务或市场供求状况,提出可选择的决策模式[1],科技信息已经成为农业发展和支撑的动力。当前,农业信息空间里的海量数据每日均呈爆炸性增长,为了更好地提高农业信息服务功能,农业信息空间里的显性知识和隐性知识的传播与利用,成为当前一个亟待解决的热点问题。
1 农业信息空间概述
数字信息资源作为现代农业资源的主要形式和种类,从记录载体、表达方式及传播手段等各个方面代表着农业信息交流的最新水平和发展方向。农业信息空间作为一种开放动态的服务模式,其主要功能是为农业知识工作者提供一种协同交流的环境,通过农业信息空间的数据资源和信息服务促进农业知识群体的交流与合作。随着网络技术和信息环境的发展,农业信息空间已经成为农业知识创新的主流模式。在此模式下,农业信息组织者已经转变为农业知识管理者,以此提供农业信息资源和知识问题的相关服务,并且通过引入新的技术工具平台和信息组织检索方式来帮助知识传递和研究,并将其作为农业知识工作者的伙伴,与农业知识团体一起改进知识的生产、获取和保存,创造灵活的基于数字资源的学习模式来促进革命性的思考。因此,农业信息空间不仅是农业知识学习和使用信息技术以及使用和检索信息的场所,更是一个促进农业知识发展和创造知识合作机会以及支持交叉学科知识研究的场所[2]。
2 农业信息空间数据组织国内外研究现状
农业信息空间可看作是一种开放动态的服务模式,为农业知识人员和科研人员提供一个交流平台,其核心功能是通过提供资源和服务来促进农业知识交流与知识合作。在世界农业信息化发展进程中,美国、德国、澳大利亚和日本等国处于领先地位,这些国家都根据本国的实际情况,因地制宜地开展农业信息数据服务建设,并形成了自己特色的农业信息空间。美国政府以其雄厚的经济实力,从农业信息技术应用、农业信息网络建设和农业信息资源开发利用等方面全方位推进农业信息化建设,构建了以政府为主体,以国家农业统计局、经济研究局、世界农业展望委员会、农业市场服务局和外国农业局等5大信息机构为主线的国家、地区与州三级农业信息空间,形成了完整、健全和规范的农业信息服务体系。德国作为欧洲信息化发展的成功典型,从建立村庄道路的信息系统入手,逐步发展成为目前较为完善的农业信息处理系统空间。澳大利亚政府与各类涉农组织都注重农业信息资源的挖掘和加工整理,形成了丰富的农业信息资源空间。
国外的信息空间建设主要是通过构建虚拟网络平台的方式实现,具体包括建设农业资源知识库、农业知识过程协助、农业主题资源共享以及农业知识数据共享等。其农业知识数据组织方式也有一定的特点,例如一个设计咨询和技术研究实验室MAYA (http://www.maya.com/infocommons/ research.html)提供农业信息空间,让农业知识工作者更容易探索出新的思路、问题和联系,不必花费大量的时间去下载输入和格式化数据[3]。在农业信息空间里面,数据已经可以获取和重复使用[4],其优势在于能够获取已经规范一致的各种数据,将数据融合成为最终确定的概念,扩展单一和多元领域的搜索能力,使用农业信息空间的灵活数据格式,使农业知识工作者的数据随着研究的进行而不断提炼以及通过数字签名保持其对数据的所有权。
进入 20世纪90 年代以来,我国加快了网络化和数字化技术的发展,加强了分散在各个地区的农业研究分支机构与中央管理机构之间的网络化联系和协作,加强了农业信息资源的共建共享,也正在走向分布式网络化的管理体制。国内农业信息空间的知识组织方式主要采用的是导航目录的方式。导航目录实际上是对农业信息空间基本数据和知识的分类及授权服务进行控制的机制[5]。导航目录是一个有架构的组织系统,在一个广泛的农业信息空间范围内,导航目录的工作挑战是如何确定和定位数据资源,因此导航目录是一个在农业信息空间提供定位和确定系统中数据资源的一种方法。当前,导航目录成为扩展农业信息空间最重要的部件之一,未来发展将表现在如何提升简化管理、加强安全性和扩展互操作等方面。在我国农业信息基础设施建设中,最薄弱的环节是农业信息资源的开发与利用。目前,普遍存在着农业数据库建设缺乏统一规划、农业信息数据组织结构不合理、农业信息资源商业化程度低、标准不统一、规范性差以及服务能力不强等问题。
3 关联数据
3.1 关联数据简介
当前,Web农业信息空间已经从对互联网设备的松散集成发展成为由相互依存资源所组成的复杂生态系统,因此农业信息空间的海量数据服务需要一种良好的分布式数据资源的关系组织和管理。现有的Web空间数据资源组织方式是建立在Internet的基础上,通过链接来实现数据或文档的关系。此种农业信息空间的数据组织在应用过程中还是存在很大的局限性,网页文件内容松散。从信息构建理论上得知,用户关心的是主题事务而非文本信息,以HIML书写的网页语言并不包含可视化信息,知识工作者难以立刻从文档数据中提取主题,因此需要提升农业信息空间数据组织的结构化程度。
2006年,Web的发明人Berners - Lee提出了一种URL规范,使得人们可以通过HTTP UR L机制直接获得数字资源( Thing)[6]。Berners-Lee曾提出关联数据的4个原则,维基百科对其进行了阐述:
1)通过URI(统一资源标识符)识别用户在网上发现的东西,并把其当作资源;
2)使用HTTP URI,就可以定位并查找(解引用)这些东西;
3)当URI被解引用时,提供资源相关的有用信息;
4)在发现的数据中,包括链向其它相关URI的链接,是一种提高发现网络信息能力的手段。
简而言之,关联数据允许用户发现、关联和描述,并再利用各种数据。用户与数据的关系就好比万维网和文件的关系。
3.2 关联数据的应用研究现状
数据集内的知识库都可以被访问,并和其它数据集的内容连接在一起,如图1所示。
LOD遵循了万维网的基本设计原则,即简单、兼容、模块化设计以及去中心化。目前,该计划含有20多亿个RDF三元组 (triple),其中包含了大量知识。此外,参加该计划的数据集还在不断增加。目前,这些数据集可以通过非均匀方式(heterogeneous)访问。比如,通过语义网页浏览器或者通过语义搜索引擎爬虫收录,如Falcons( http://iws.seu.edu.cn/services/falcons/),Sindice (http://sindice.com),SWSE(http://www.swse.org)和Watson (http://watson.kmi.open.ac.uk)等均能搜索基于网络的数据提供关键字,由此寻找不同主题的数据集。目前,已经有数十亿条传统网页上的数据(包括维基百科)被自动半自动地转换成了关联数据。
从2007 年起,关联数据发展很快。W3C的关联开放数据运动(LOD ,Linking Open Data)正式启动,一些新的和期待已久的W3C标准也发布了,如SPARAL,GRDDL和RDFa等。大型媒体公司(如BBC,纽约时报)已经把他们的海量数据转换成了关联数据。英国和美国等国家也开始了政府信息语义网的相关工作,英国政府已在2011年6月把主要的政府信息发布成可以重用的关联数据,并且建立起重用数据的通用协议[7,7]。
随着关联数据相关研究的不断深入,不但减轻了整合农业信息空间分布式异构数据源的复杂性,而且推动了基于关联数据的新应用。目前,国内外围绕关联数据进行了一系列的理论研究和应用开发,相关的研究项目主要涉及利用关联数据实现数据网络和合作、基于关联数据构建Mashup服务、基于关联数据实现本体的再利用、关联数据的语义Web搜索引擎以及利用关联数据实现自动语义问答等。
4 基于关联数据的农业数据组织方式
4.1 RDF简介
资源描述框架RDF(Resource Description Framework)是一个语法独立的数据模型,也是描述关联数据的数据模型。RDF从本质上可以认为是XML处理元数据的一个应用。同XML一样,RDF也由是W3C组织主导而形成的一个架构,它在语法上完全遵从XML。在RDF里,基本模型包括了资源、特性和声明。它与元数据的主要不同之处在于:元数据一般是用比较简单的资料来描述资源的内容;而RDF可以同时定义多个元数据,再用定义的多个元数据来描述资源的状况。
4.2 关联数据的知识组织机制
关联数据是数据的一种发布方式,以URL的方式链接到一个数据对象,而不是一个文档。这个URL通常就是这个数据的URI,并且这个数据对象基本上是由RDF来描述的(这样才能保证数据具有语义),而且RDF文件中应该包含更多的由URI所标识的其它资源。RDF所表达的链接其实是有语义的,不是仅仅一个link而已,而是表明了当前资源与被链接资源的关系,如图2所示。
从图2可以看出,任何人都可以在农业信息空间发布数据,实体之间都是通过链接来关联,数据都可以按照RDF和OWL实现自定义。更为重要的是,数据发布是开放的,每天都有大量的数据源实时发布。
4.3 基于关联数据的农业数据组织应用
由于关联数据的简单、可靠、灵活、松散耦合、丰富语义以及自定义等特征,在农业信息空间范围内实现新的数据组织方式是十分必要和可行的。数据资源发现对于农业知识服务是非常重要的,关联数据为农业知识的资源发现服务提供了良好的途径。关联数据创造了显性知识的资源和外部世界隐性知识资源相互连接起来的机会,可以增强和扩展知识发现与知识挖掘的平台。目前,农业信息空间领域展开的或者是可以运用到的基于关联数据的数据组织应用可以考虑集中在以下几个方面。
1)将农业信息空间的知识资源发布成为关联数据。
目前,已经有一些农业信息空间开始采用RDF和关联数据,如瑞典国家图书馆、美国国会图书馆、OCLC和德国国家经济图书馆等。以RDF的格式标准发布农业信息空间内的数据资源,实现所有主题资源的关联数据化,不仅能降低服务器的负载,而且能增加规范格式文档的利用率。
2)扩展农业信息空间知识资源发现服务。
许多的农业信息空间通过实施资源发现服务,扩展其目录检索和导航界面。资源发现服务可以浏览动态更新的结果,展示更多的知识信息,但在浏览和精练结果的深度方面还具有一定的局限性,因为主要是通过主题标目和MARC记录里的其他数据来实现的。关联数据可以通过提供结构化的数据以此扩展知识信息,为知识工作者提供新的资源发现和访问服务。关联数据允许用户关联到更广泛的信息资源,并不局限于知识资源本身的信息(如图2所示)。
3)利用关联数据实现数据融合与语义检索服务。
CultureSampo[8,8]是博物馆使用开放数据的例子,是芬兰文化记忆的语义Web门户。关联数据的最大优势是可以提供多个分布式异构数据源整合的关联的访问,将来自不同数据源的同一个对象进行整合,返回给用户关于该对象的所有相关信息的统一视图。在未来,越来越多的农业信息空间将在数据融合方面发挥更大的作用。伴随语义网的发展,农业信息空间下的各个知识机构同其他组织进行数据的识别和交换的方法越来越容易,数据可以重新使用和组织的方法也越来越多。
5 结语
将不同的数据源整合在一起,可以比在任何一个组织中获取的数据更能提供背景和深入的洞察力。建立基于关联数据的农业信息空间数据组织方式,不仅能更好地扩展知识资源的内容,提升知识资源的发现服务,而且还有助于推动和构建大规模的分布式服务,帮助建立一个更为开放的网络,促使新的农业信息空间信息生产模式的生产,并结合新的语义技术实现增值性的信息组织。
参考文献
[1]李思经.试论国外农业研究信息体系的管理[J].情报海外,2005(5):92-93.
[2]邬宁芬.信息共享空间:大学图书馆的机遇与挑战[J].图书馆杂志,2005(11):30–33.
[3]Dr D Russell BA ILEY.Information commons services forlearners and researchers:evolution in patron needs digitalresources and scholarly publishing[EB/OL].[2007-11-30].Http://librar2y.uncc edu/info commons/confer-ence/p rague2005/bailey2inforum2005.Doc.
[4]鄢小燕,李娜.科研协同信息空间[J].图书馆杂志,2008(11):49-50.
[5]王德禄.知识管理的IT实现[M].北京:电子工业出版社,2003:93-94.
[6]Berners-Lee T.Linked Data[EB/OL].[2010-02-11].http://www.w3.org/Design Issues/Linked Data.html.
[7]HM Government.Putting the frontline first:smarter govern-ment[EB/OL].[2009-12-01].Http://www.hmg.gov.uk/media/52788/smarter-government-final.Pdf.
[8]Hyvonen E,Makela E,Kaupp inen T,et al.CultureSampo-finnish culture on the semantic Web 2.0:thematic per-spectives for the end-user[EB/OL].[2010-01-20].http://www.arch muse.com/mw2009/papers/hyvonen/hyvonen.html.
[7]姚宗路,王晓燕,李洪文,等.2BMD-12型小麦对行免耕施肥播种机改进与试验研究[J].干旱地区农业研究,2005,23(5):46-51.
[8]张波屏.现代种植机械工程[M].北京:机械工业出版社,1997:190-203.
三维空间数据 篇2
多源数据更新空间数据库的方法研究
对如何利用各种来源的地理信息数据,更新城市基础空间数据库的`方法进行了研究.在方法中,通过对各种数据源的分析,大体将数据源分为CAD及文本两大类,利用FME技术,分别实现对CAD及文本两大类数据的读取和转换,并结合dwg和xls两个示例,详细介绍了数据处理过程.本方法呈现出开放性、自动化程度高的特点,减少了人工劳动强度,极大地提高了数据库的更新质量及稳定性.
作 者：高翔 袁超 瞿晓雯 张红文 Gao Xiang Yuan Chao Qu XiaoWen Zhang HongWen 作者单位：重庆市地理信息中心,重庆,401121刊 名：城市勘测英文刊名：URBAN GEOTECHNICAL INVESTIGATION & SURVEYING年，卷(期)：“”(4)分类号：P208关键词：多源 空间数据库 更新 方法
三维空间数据 篇3
(上海海事大学经济管理学院，上海 201306)
0 引言
港口是水陆运输的枢纽，它作为国民经济和社会发展的重要基础设施，对经济社会贸易的发展、国家综合实力的提升，以及综合运输网络的完善等具有十分重要的作用.港口空间格局问题的相关研究在国外最早见于20世纪30年代，国内则要到20世纪90年代中后期.社会经济课题中空间结构研究通常关注事物在空间的相互作用及所形成空间的集聚程度和集聚形态，基于此思路的港口空间结构定量分析借助经济研究中常见的吉尼系数(Gini coefficient)［1-8］、洛伦兹曲线(Lorenz curve)［2-3，9］、赫希曼-赫芬达尔指数(Hirshmann-Herfindahilindex)［2，7-8，10-13］、偏 移-分 享 分 析 (Shift-Share analysis)［2，9-10，14］等方法展开.本文则尝试运用探索性空间数据分析方法对港口的空间格局问题进行研究.与上述几种常用方法不同的是，本方法运用地理数据库并结合港口的实际地理位置，不仅能用数据表达港口空间格局的变化状况，更可通过地图的方式直观地展现港口的集聚位置、集聚程度以及集聚状态变化过程.
1 研究方法
探索性空间数据分析是一种具有识别功能的空间数据分析方法，它结合统计学和现代图形计算技术探测空间分布的非随机性或空间自相关性，可以将空间数据中隐含的空间分布、空间模式以及空间相互作用等特征直观展示出来.空间自相关性分析(也称聚类检验)［15］是认识空间分布特征、选择适宜的空间尺度来完成空间分析的最常用方法.作为一种由数据驱动的探索过程，探索性空间数据分析方法能够将各种与空间有关的数据与地理位置链接在一起，从空间的角度出发去表达和分析各种数据，并用直观的方法展现空间数据中隐含的特征，具有对GIS地理数据库中的空间数据进行挖掘和深加工的功能.空间数据分析方法可以分析时空过程(如疾病传播、技术扩散)、形态变化(如河道演变)、空间格局(如河网、疾病分布)等，因此被广泛应用于资源管理与配置、土地信息系统和地籍管理、地震灾害和损失估计、道路交通管理、地形地貌分析、医疗卫生、军事等领域.
1.1 空间自相关性
空间自相关性表明事件在空间上集聚或分异的非随机性.考虑到空间统计中的局部空间统计指标侧重属性变量的区际差异更符合港口分布的地理特性，本文采用局部莫兰指数I进行空间自相关性分析，具体公式为
式中:n是研究区域内的样本总数，在文中以我国长江和沿海城市为样本;ωij是样本间的空间权重;xi和xj是样本i和j的空间属性值，在文中以港口货物吞吐量表示;x－是研究区域内所有样本的属性平均值.区域i的局部莫兰指数Ii若为正值，表示区域i存在相似值聚集，负值为相异值聚集，零值表示区域的该属性值不存在空间相关性.
1.2 空间权重矩阵
空间权重矩阵是对象空间关系的数值化，通常依赖于空间距离或拓扑邻接进行定义.港口的货物吞吐量属性与港口所处的地区存在显著的空间因果关系，因此本研究基于区域的空间关系定义空间权重矩阵.考虑到选取的样本具有沿海、沿江分布的空间特殊性，将固定距离分带法和距离阈值法相结合来定义空间权重
式中:阈值D是通过计算最优空间邻近的平均距离产生的，具备距离影响程度的合理性.在计算过程中，设置每个样本至少与3个样本存在空间相关，计算出的平均距离为120 km.此外，鉴于特定样本对象(如岛屿)在地理位置上的特殊性，本文手动设定岛屿城市与沿江(海)城市的邻接关系.
1.3 显著性检验
空间自相关性意味着样本观测值在空间上的非独立性，而空间聚类分析在统计学上是基于属性在空间上的完全随机性假设，即零假设.因此，只有拒绝零假设才能检验其空间聚类显著性.显著性检验即直接反映出聚类结果的可靠程度.
在计算莫兰指数的同时将p值作为统计显著性的度量，用于判断整体或逐个要素是否拒绝零假设.p值的计算采用ArcGIS 9.3空间分析工具中内置的公式，p值表示所观测到的空间模式是由某一随机过程创建而成的概率，一般选用 0.01，0.05，0.10 作为显著性水平的标尺.当p值很小时，意味着所观测到的空间聚类不太可能产生于随机过程，因此可以拒绝零假设.
2 数据选用与计算结果分析
2.1 数据选用
为保证样本的数量和统计学意义，选取我国沿海沿江的84个地级市作为研究区域(未列入香港的数据)，其矢量模型均在WGS 84坐标系下，与实际地理位置相同.研究区域的货物吞吐量数据来自1985—2012年的《中国港口年鉴》.
2.2 计算结果与分析
由于研究所采用的工具不仅能进行数值计算，更能很直观地展现数据结果(集聚状态分布)，因此结合两者进行以下分析.
2.2.1 三大港口群空间格局显著
基于局部莫兰指数和p值形成的港口空间集聚状况分年份图见图1.图中，由星号、点和圆圈区别的图形块与相异值集聚程度有关(它们分别表示p值小于1%，5%和10%)，由横线、虚线和点划线区别的图形块与相似值集聚程度有关(它们分别表示p值小于1%，5%和10%)，横线图块表明聚集程度最高，虚线其次，点划线最低.淡灰色图形块表示非集聚.图1(a)为数据起始年份即1985年的港口空间集聚状况，图1(b)为数据终止年份即2012年的港口空间集聚状况.
用莫兰指数分析获得的1985—2012年我国港口空间布局变化情况显示，我国三大港口群的空间格局明显.在20世纪80年代中期我国的港口空间聚集只出现在以广州和上海为中心的南部区域，且这两个区域的集聚均表现为高值被低值包围的集聚，即相异值集聚;而其他区域则表现为非集聚，即随机分布状态.可见，当时我国的港口布局是分别以广州和上海为中心的聚集，港口总体格局的集聚重心偏南.之后，随着国家从优先支持枢纽港建设转向开始支持枢纽港边缘条件优越港口的发展，尤其是2005年国家对港口管理体制的调整，沿江沿海各省市建设发展港口的积极性高涨，在港口数量迅猛增长的同时，我国港口总体布局也由此发生变化.从2012年的莫兰指数图可以看到，我国港口的空间布局为从北到南的三大集聚区，即通常所概括的环渤海湾、长江三角洲和珠江三角洲三大港口群.这种格局的出现表明我国港口的总体空间格局正趋于分散化和均衡化，同时港口总体布局的重心由南向北转移，并且各港口群的局部集中态势日趋明显.
2.2.2 港口群内集聚状态各异
分析三大港口群内部的空间集聚变化过程可以看到，各港口群的空间结构变化各具特点:长三角港口群在单个高低集聚向高高集聚转变的同时出现新的高低集聚;环渤海港口群表现为由单个高低集聚向多个高高集聚的演变;珠三角港口群则在研究时间段内维持相对稳定的高低集聚状态.
各港口群内最具影响力的核心港口莫兰指数见表1.表中，莫兰指数绝对值越高表明集聚程度越高，其中负值表明相异值(高低)集聚程度，而正值表明相似值(高高)集聚程度.
表1 上海、宁波、天津、大连、青岛、广州、深圳各港口局部莫兰指数
首先，长三角港口群的空间格局变化情况在很大程度上受到上海港和宁波港以及两者间博弈关系的影响.从莫兰指数的变化看，上海港一直到2000年前均处在明显的相异值集聚状态，且莫兰指数表现为较高的绝对值，也就是说上海港是唯一枢纽港的状态在相对长的时间内保持稳定，而其他周边港口则为其支线或喂给港.2000年以后随着周边港口的快速发展，在这个我国港口密度最大的地区之一出现相似值集聚(即高高集聚)的格局，上海港一港独大的局面逐步被多港口共同发展的状况所替代，并且随着2008年杭州湾跨海大桥的通车，这种高高集聚的状态得到进一步巩固和提升(见图2).
图2 1985—2012年上海港局部莫兰指数图
同在长三角港口群内，宁波的发展则经历了一个从非集聚到集聚的变化过程.在港口集聚度图中这个变化的转折点虽然到2006年才表现出来，但从缘由上看，宁波港集团有限公司和之后的宁波港股份有限公司的成立显然从体制机制上为宁波港的快速发展打下坚实的基础.图3展示相关年份宁波港与其周边港口的集聚度变化过程.虽然从成图的角度，图中符号的设定并未细致到将基于莫兰指数的每一微小集聚度变化均展现出来，但指数本身的变化仍然可以较好地说明港口集聚的程度和方式变化.
图3 基于局部莫兰指数的2004，2006，2008年宁波及周边港口集聚度变化
其次，环渤海港口群中的大连港、青岛港和天津港三大港口对该区域内集聚度变化起着关键作用(见图4和5).对比环渤海港口群的莫兰指数所反映出的港口集聚度变化可以看到，环渤海港口群空间格局表现出由单个高低集聚向多个高高集聚的演变，这也意味着辽东半岛、渤海西岸及山东半岛的港口在吞吐量总体水平较高的背景下呈现出区域内分散的格局.
图4 1985—2012年大连、青岛、天津三港货物吞吐量折线
图5 1985—2012年大连、青岛、天津三港局部莫兰指数
从环渤海港口群空间格局的演变过程看，天津港的地位特殊，不管是从最早显现出集聚的角度，或者是从集聚程度和集聚方式的角度，天津港均表现得比较突出.尤其是在天津港成为北方第一个破亿吨大港的2001年后，随着北方地区经济格局的新一轮调整，天津作为北方经济中心的作用进一步发挥，而秦皇岛港的属地化、京唐港及黄骅港的相继建设，尤其是曹妃甸港的实质性启动，使得该区域的港口格局从天津港独占鳌头的相异值集聚模式(莫兰指数为负值)快速向相似值集聚模式(莫兰指数为正值)转变，多港齐头并进、共同发展的局面得以显现.此外值得一提的是青岛港，虽然从图1中并不能看到山东沿海港口集聚的状态，但从莫兰指数的变化看，以青岛港为核心并由烟台、日照、威海等港口组成的港口群正逐渐明显地呈现出高高聚集趋势.
最后，珠三角港口群的集聚度表现与广州港和深圳港关系密切.从图6所展现的广州和深圳局部莫兰指数看，两港均表现为相异值集聚的状态，即这两个港口分别被如珠海、汕头、惠州、茂名、虎门、中山、阳江等港口围绕，并形成较明显的主辅关系，且这种高低集聚维持相对稳定的格局，只是广州港的集聚程度在早期更明显些.
图6 1985—2012年广州、深圳两港局部莫兰指数
2.2.3 影响港口集聚状态的因素
港口群的产生既可以看作是一种产业集聚的结果，同时也是引导和带动新一轮产业布局调整的诱因.港口群的发展能为经济发展扩展人流、物流、资金流和信息流，带动城市经济、腹地经济、区域经济的繁荣.港口本身的聚集效应和扩散效应促进所在地区的产业结构调整，优化资源配置，推动区域经济一体化.作为水陆运输的节点，港口群所发挥的资源配置基础性作用有利于各种资源物流成本的降低，有利于环境的良好发展和区域竞争优势的增强，进而达到促使整个区域的联系更为紧密、整体性更强、各行业协同发展的效果.
分析我国已经明显成型的三大港口群空间格局以及各港口群内各具特点的港口集聚程度和集聚方式，如下几方面因素所产生的作用不容忽视:
第一是港口所依托的城市及城市经济的支撑作用.港口发展与城市发展之间是相辅相成的关系.从地理位置看，三大港口群背后依托的无不是位列我国经济发展前沿的城市，这些城市的经济发展和产业布局在根本上影响着港口的核心业务;从时间进程看，三大港口群由珠三角和长三角再到环渤海湾的顺次繁荣发展过程正与我国经济发展经历的由南到北的递次发展相对应;从空间格局看，三大港口群显现出的重心北抬均衡化发展趋势将是各城市结合自身经济特点应对全球金融危机和经济转型的产物.
其次是地方政府的推动作用.港口具有地域专属性，随着对港口重要性认识的提升，各沿海城市将港口视作战略性资源纷纷投入巨资，以期通过港口的建设和发展带动城市经济能级的提升.这种局部区域的港口发展需求，在推动港口总体格局朝均衡化方向发展的同时，也会加剧港口之间因行政壁垒而产生的竞争，港口群内部各具特点的集聚态势在很大程度上是多方力量博弈的结果.
第三是国家政策与规划的引导作用.从国家政策层面，20世纪80—90年代港口管理权的逐步下放和优先支持主枢纽港建设的政策，决定性地导致上海港的先发优势;进入21世纪后，中央支持枢纽港边缘条件优越港口发展的政策催生宁波、深圳等港口的快速成长.从规划层面，2006年交通运输部发布的《沿海港口布局规划》提出我国沿海港口群的总体格局，并确定各港口的定位和发展方向.可以说，我国各港口发展的顺序和速度，并由此而逐步形成的港口总体空间格局和港口群内布局特征都直接或间接受到国家宏观指导和调控的影响.
3 结束语
随着空间思维被主流经济学所接受，将空间因素纳入到分析中来研究经济活动的空间分布规律已成为一种重要方法.本文以探索性空间分析方法的研究思路，运用ArcGIS为工具对我国港口1985—2012年的空间格局演变进行分析.通过以局部莫兰指数为表征的空间相关性分析可以看到，我国港口的三大港口群空间分布格局明显，且不同港口群内部呈现出不同的集聚状态演变特点.长三角港口群中的上海港和宁波港、环渤海港口群中的天津港、青岛港和大连港，珠三角港口群中的广州港和深圳港，这些关键港口的发展及其因与周边港口之间的相关性而产生的作用，对该区域港口群内部空间格局的影响是决定性的，而这些变化也最终会影响到我国港口整体格局的转变.从深层次的原因看，各港口所依托城市及其经济的发展、地方政府的推动和国家政策与规划的引导，都影响着港口格局的产生和发展.
事物形成空间相关性的原因多种多样，可能源于因果关系、事物间的相互作用、扩散关系等.与莫兰指数表现为负值(即高低集聚)或者表现为正值(即高高集聚)相对应，港口个体的发展并由此影响带动周边港口的发展，进而使港口之间表现出或者是枢纽港与喂给港、干线港与支线港的集聚关系，或者是彼此竞争博弈乃至双赢的集聚关系，可以通过探索性空间分析方法得到较直观的写照.相对于常见的港口空间格局分析方法，本方法在将港口的空间集聚状态和程度直观地展现出来方面优势明显.当然从算法本身看，我国港口在地理空间上呈现出的类似条带状的分布特征，给权重矩阵和距离阈值的设定带来难度;同时，相对于统计学上对样本数量的高要求，能获得更多更细化的港口数据对取得更有效的分析结果会带来更加积极的作用.
［1］KENYON J.Elements in interport competition in the United States［J］.Economic Geography，1970，46(1):1-24.
［2］NOTTEBOOM T E.Concentration and load centre development in the European container port system［J］.J Transport Geography，1997，5(2):99-115.
［3］McCalla R J.From St John’s to Miami:containerization at Eastern Seaboard Ports［J］.Geo J，1999(48):21-28.
［4］曹有挥.长江沿岸港口体系空间结构研究［J］.地理学报，1999，54(3):233-239.
［5］慈庆玲，韩时琳，吕国平.长株潭港口体系空间结构的定量分析［J］.水运工程，2006(1):36-39.
［6］王圣云，沈玉芳.长山群岛港口地域组合空间结构演化定量分析［J］.地理科学进展，2008，27(7):103-109.
［7］谢燮.我国港口空间格局演化的成因及趋势分析［J］.中国水运，2010(1):8-9.
［8］谢凌峰，肖富，宋敏.珠江口港口群空间结构演化特征［J］.水运工程，2012(2):58-61.
［9］高爱颖，刘凯，傅玲.基于港口空间结构的港市物流发展战略研究［J］.物流技术，2006(2):4-7.
［10］曹有挥，李海建，陈雯.中国集装箱港口体系的空间结构与竞争格局［J］.地理学报，2004，59(11):1020-1027.
［11］陈斓，伍世代，陈培健.福建港口体系结构研究［J］.热带地理，2007，27(5):249-253.
［12］潘坤友，曹有挥，梁双波.中国集装箱多门户港口区域空间结构的形成与机理［J］.地理科学进展，2013，32(2):214-222.
［13］吉阿兵.长三角集装箱港口群空间结果演变实证研究［J］.港口经济，2013(3):23-27.
［14］梁双波，曹有挥，曹卫东，等.长三角集装箱港口体系的偏移增长与演化模式［J］.地理科学进展，2008，27(5):95-102.
三维空间数据 篇4
1 基于三维配准的口腔三维测量数据融合技术
本文给出的基于三维配准的口腔三维测量数据融合技术, 以曲面曲率为依据作为ICP抽样选点的策略, 根据计算所得的三维曲面曲率来提取三维特征点[8]。本文方法所用的三维特征点是三维数据上局部区域内所有三维点构成的曲面上曲率较大的点, 直观来说就是由口腔三维点云的角点和边界上的点组成的特征点。提取这些点需要计算各三维点处的曲面曲率, 其中曲率的求解需要计算曲面法向量。我们运用协方差分析估计曲面法向量, 根据曲面的法向量提取三维特征点。
将基于三维曲面曲率计算提取的三维特征点, 将其应用于口腔数据的ICP配准流程中, 口腔数据的具体拼接流程如文献[9]所描述。
2 实验结果与分析
我们以石膏牙模为例, 在口内测量环境下对模型进行测量, 从不同视角不同位置获取三维点云数据。同时具有邻近的部分牙齿, 整体约两颗牙齿的测量范围, 获得如图1 (a) 、图1 (b) 所示的两组相邻的部分点云数据测量结果。由于模仿测量视场大小受限, 不同视角下邻近的部分牙齿存在相互不可见部分。图1 (a) 、图1 (b) 邻近的部分牙齿的三维描述具有一定的公共部分, 并且空间上不在同一坐标系。利用本文给出的方法对数据进行拼接融合, 得到如图1 (c) 的拼接结果, 且两视角的拼接精度小于0.005mm。图1 (d) 所示为一、二视角的拼接融合结果。利用本文方法对部分口腔扫描数据依次进行拼接融合, 就得到如图1 (e) 所示, 得到的完整下部口腔待修复拼接融合结果。
3 小结
由于口腔测量空间有限, 而且现有口内微型测量系统视场狭小, 单视角视场内只有平均两颗牙齿的测量范围, 本文给出基于三维配准的口腔三维测量数据融合技术, 实现被测牙齿的大范围甚至全周覆盖。本文以石膏牙模为对象, 验证了提出方法的有效性。口腔三维测量数据融合为口腔数据进一步数字化修复提供了基础。
参考文献
[1]崔海华.微小型数字化口腔测量关键技术研究及应用[D].南京:南京航空航天大学, 2012.
[2]张长东.口腔修复嵌体造型关键技术研究[D].南京:南京航空航天大学, 2013.
[3]Pages J, Salvi J, Garcia R, et al.Overview of coded light projection techniques for automatic 3D profiling[C]//Proceedings-IEEE International Conference on Robotics and Automation, 2003:133-138.
[4]Huang P S, Zhang C, Chiang F P.High-speed 3-D shape measurement based on digital fringe projection[J].Optical Engineering, 2003, 42 (1) :163-168.
[5]Tsai M J, Hung C C.Development of a high-precision surface metrology system using structured light projection[J].Measurement, 2005, 38 (3) :236-247.
[6]高凤娇, 宋昌江.基于ICP算法的人体三维点云数据的拼接技术[J].自动化技术与应用, 2014, 33 (8) :39-42.
[7]解则晓, 徐尚.三维点云数据拼接中ICP及其改进算法综述[J].中国海洋大学学报 (自然科学版) , 2010, 40 (1) :99-103.
[8]郭琰.面向三维变化检测的遥感图像立体匹配及三维配准技术研究[D].哈尔滨:哈尔滨工业大学, 2011.
地球空间数据集成研究概况 篇5
数字地球空间数据的`集成研究及应用始于本世纪60年代,地理信息系统的出现及应用、多元数据的使用推动了地球空间数据集成研究及其应用.本文首先对地球空间数据概念进行描述,然后对地球空间数据集成研究状况及存在的问题进行了详细的分析.结合数据集成需求及存在的问题,论文分析了数据集成的发展方向.
作 者：李军 费川云 LI Jun FEI Chuan-yun 作者单位：李军,LI Jun(中国科学院遥感应用研究所,北京,100083;中国科学院地理科学与资源研究所,北京,100101)
费川云,FEI Chuan-yun(中国科学院地理科学与资源研究所,北京,100101)
空间大数据：为“一带一路”护航 篇6
“一带一路”倡议是中国与沿线国家一同绘就宏伟蓝图的伟大工程，涉及65个国家、44亿人口，具有范围广、周期长、领域宽等特点，同时也面临着环境、资源、灾害等一系列问题及挑战。空间观测技术具有宏观、快速、准确、客观获取数据的能力，在应对上述挑战与问题上具备很大优势，可以实现跨国界的空间立体协同观测。从空间获取的科学大数据，能够帮助我们更快、更准、更广地认知"一带一路"。
利用空间大数据，我们可以对全球变化背景下“一带一路”的资源环境宏观格局进行科学分析。为此，我们发起了“数字丝路”国际科学计划，得到20多个国家和国际组织的全力支持。“数字丝路”将空间大数据应用于“一带一路”沿线国家的可持续发展，利用遥感卫星、导航卫星、通讯卫星和地基观测、海基观测获取的不同信息，建设空间大数据共享平台，开展环境变化、农业和食品安全、海岸带、自然灾害、世界遗产、水和城市等六个领域的研究，形成“一带一路空间信息系统与科学模式”，让“一带一路”沿线国家均从中受益。
“数字丝路”国际计划启动以来，取得了很有意义的成果。例如，针对位于海上丝绸之路的柬埔寨吴哥窟的环境问题，开展了遥感监测，为吴哥窟世界文化遗产的保护提供了决策依据;在缺少空间技术手段的中亚五国，开展了干旱半干旱地区全球变化研究，建立了丝绸之路区域遥感联盟，为合理地进行生态保护、补救及生态补偿提供信息支持;此外，在中巴经济走廊建设中，一些大型工程需要进行前期风险评价，包括对自然灾害如地震、洪水的威胁进行评估等，通过空间大数据分析可以提供科学支持。
大数据是国家新型战略资源，科学大数据正在改变传统的科研方式，它是认识自然的新钥匙，是科学发现的新引擎。面向国家“一带一路”战略，我们倡议各方共同构建丝绸之路和海上丝绸之路大数据联盟，让大数据成为各国共建“一带一路”的和平使者，让大数据之光普照“一带一路”的各个角落，护航“一带一路”走向辉煌的未来。
（责任编辑/齐敏）
空间数据挖掘系统设计 篇7
空间数据包括了空间属性数据和非空间属性数据, 空间属性描述了空间拓扑关系和方位、距离等关系, 空间属性数据按照空间索引结构存储和查找。空间数据挖掘 (Spatial Data Mining, 即 SDM) , 就是从空间数据中提取信息, 提取的信息包含了复杂的空间关系, 因此空间数据挖掘与其他数据挖掘方法上有其独有的特点。空间数据挖掘需要综合数据挖掘与空间数据库技术。空间数据挖掘可用于对空间数据的理解, 空间关系和空间与非空间数据间关系的发现, 空间知识库的构造, 空间数据库的重组和空间查询的优化。
2 SDM方法
(1) 特征规则挖掘。
知识是具有粒度的, 人们希望从大量细节数据中进行总结并上升到较高层次, 在这一过程中数据挖掘称为数据概括, 也称为特征抽取。数据概括就是将数据从低层次概念抽象到较高层次, 空间数据概括的实现方法分为空间数据立方体和面向属性归纳法两类。
(2) 空间关联分析。
空间关联规则形如A⇒B[s%, c%], 其中A和B是空间和非空间谓词的集合, s%表示规则的支持度, c%表示规则的可信度。各种各样的空间谓词可以用来构成空间关联规则。
(3) 空间聚类方法。
空间数据聚类是要在一个较大的多维数据集中根据距离的度量找出簇, 或稠密区域, 也就是把空间数据库中的对象分为有意义的子类, 使得同一子类内部的成员有尽可能多的相同属性, 而不同的子类之间尽可能的不同。空间聚类分析是以概念分析为基础。
(4) 空间分类和空间趋势分析。
空间分类是指分析空间对象导出与一定空间特征有关的分类模式, 如地区、高速公路或河流的领域。空间趋势分析是根据空间维找出变化趋势, 研究空间上的非空间与空间数据的变化。
(5) 统计空间数据分析。
统计空间数据分析一般是首先建立一个数学模型或统计模型, 然后根据这种模型提取出有关的知识。
(6) 归纳方法。
归纳方法就是对数据进行概括和综合, 归纳出高层次的模式或特征。归纳法一般需要背景知识, 常以概念树的形式给出。在地理信息系统数据库中, 有属性概念树和空间关系概念树两类。背景知识由用户提供, 在有些情况下也可以作为知识发现任务的一部分自动获取。
(7) 云理论。
云理论是用于处理不确定性的一种新理论, 由云模型 (cloud model) 、不确定性推理 (reasoning under uncertainty) 和云变换 (cloud transform) 三大支柱构成。云理论将模糊性和随机性结合起来, 弥补了作为模糊集理论基石的隶属函数概念的固有缺陷, 为SDM中定量与定性相结合的处理方法奠定了基础。
3 SDM处理过程
(1) 数据准备与问题理解。
这个阶段主要是了解空间数据挖掘相关领域的有关情况, 熟悉有关的背景知识, 弄清楚用户的需求。此阶段是数据挖掘的必经步骤, 往往要花费很多的时间。
(2) 数据选择。
根据用户的要求从空间数据库中提取与空间数据挖掘相关的数据, 空间数据挖掘将主要从这些数据中进行知识提取。在此过程中, 会利用一些数据库操作对数据进行处理。
(3) 数据预处理与数据缩减。
此阶段主要是对数据选择阶段产生的数据进行再加工, 检查数据的完整性及一致性, 对其中的噪音数据进行处理, 对丢失的数据利用统计方法进行填补;然后再对经过预处理的数据, 根据知识发现的任务对数据进行再处理 (主要通过投影或数据库中的其他操作减少数据量) 。
(4) 确定空间数据挖掘的目标, 根据目标确定数据挖掘算法。
根据用户的要求, 确定空间数据挖掘发现何种类型的知识。在确定了目标之后, 有很多的数据挖掘算法, 但我们需要知道选择哪种算法和怎样应用它。算法的选择直接影响着所挖掘模式的质量。选择合适的知识发现算法, 包括选取合适的模型和参数, 并使得知识发现算法和整个空间数据挖掘的评判标准相一致。
(5) 进行空间数据挖掘。
此阶段运用选定的数据挖掘算法, 从空间数据提取出用户所需要的知识, 这些知识可以用一种特定的方式表示或使用一些常用表示方式。在进行空间数据挖掘过程中要用一些标准来度量产生的模式, 来获取有意义的模式。由于可预测型模式是预测某一属性的值, 而这个属性的值又存在于训练集合中, 所以一般来说, 通过把预测的值与存在于训练集合中的那个属性的实际输出值相比较, 计算模式的误差程度, 从而做出对模式的评估。
(6) 模式解释与知识评价。
对发现的知识进行解释, 在此过程中, 为了取得更为有效的知识, 可能会返回前面处理步骤中的某些步骤以反复提取, 从而取得更为有效的知识。然后将发现的知识以用户能了解的方式呈现给用户。这期间也包含对知识的一致性检验, 以确信本次发现的知识不与以前发现的知识相抵触。
(7) 重新精化数据和问题。
如果用户对生成模式的评价是满意的。那么, 就要重新进行新一轮的数据挖掘过程。经过几次反复精化之后, 如果模式的执行情况足够好, 而且得到了用户的认可, 就可以进入到使用结果的阶段了。
(8) 使用结果。
在上述7个阶段完成之后, 用户就可以应用挖掘出来的模式或知识了。
4 SDM体系结构
借鉴有关专家提出的数据挖掘系统的结构, 本文提出了一种空间数据挖掘系统的结构, 其系统流程是:用户提出一些问题, 通过用户接口, 数据挖掘模块触发数据挖掘核心从空间数据库中获取有价值的知识, 把挖掘出来的知识提供给用户。首先从用户提出的一些具体要求开始, 用户的要求被发送给用户接口。用户接口接受用户指定的要求, 将其转化为数据库模块的输入参数和挖掘核心的输入参数。用户接口包括三部分:数据定义、挖掘向导和模式筛选。数据定义是根据用户指令和一些相关的背景知识来进行数据定义。挖掘向导是接收用户指令, 触发数据挖掘核心模块。空间数据库和其他数据源根据数据定义, 来进行数据预处理与数据缩减, 然后抽取出正确可靠的数据。数据挖掘核心包括特征规则挖掘, 空间关联规则, 空间分类与空间趋势分析等。数据挖掘核心把抽取到的正确可靠的数据转换成模式集合, 然后进行模式解释与结果评价。数据挖掘是一个反复的过程, 过程的终止条件是用户对挖掘出来的知识满意, 因此用户对发现模式的判断和筛选就是整个系统的反馈环节。用户对模式进行判断和筛选, 如果满意, 模式就成为知识, 经过一些表达处理, 添加到知识库里去。如果不满意, 就要反馈作用于挖掘向导, 进而调整挖掘内核的操作, 实现挖掘流程的继续, 并逐渐接近用户的挖掘目标。
5 结论
数据挖掘是一个飞速发展的领域, 空间数据挖掘很多都是关系数据库挖掘的延伸。本文简要介绍了空间数据挖掘技术和一些常用的空间数据挖掘方法, 并且基于SDM的一般步骤, 提出了一个新的空间数据挖掘体系结构。在SDM的理论和方法方面, 重要的研究方向有:背景知识概念树的自动生成、不确定性情况下的数据挖掘、递增式数据挖掘、栅格矢量一体化数据挖掘、多分辨率及多层次数据挖掘、并行数据挖掘、新算法和高效率算法的研究、空间数据挖掘查询语言、规则的可视化表达等。在SDM系统的实现方面, 要研究多算法的集成、SDM系统中的人机交互技术和可视化技术、SDM系统与地理信息系统、遥感解译专家系统、空间决策支持系统的集成等。
摘要：随着数据挖掘技术的不断发展与成熟, 空间数据挖掘已经成为人们研究的热点之一。本文针对地理信息系统 (GIS) 的需要, 介绍了空间数据挖掘 (SDM) 的理论、方法和一般处理过程, 并给出了基于GIS的空间数据挖掘的框架结构。
三维空间数据 篇8
随着地理信息系统的不断发展, 空间实体几何数据和属性数据越来越多。特别是现代测绘技术和计算机技术的广泛应用, 使得人们可以对地球实施近乎实时的监测, 这个过程更是产生了海量的数据。但由于应用环境、应用部门不同, 空间数据采集各自为阵, 空间数据具有异地性、异构性特点, 形成数据孤岛, 使空间数据的共享带来极大困难, 严重影响了空间数据的进一步应用。
本文针对空间数据异地分散性的特点, 采用元数据的方式对空间数据进行描述, 研究并设计了一种分布式空间数据共享模型, 并在某省环境科学研究院进行了应用。
1 分布式空间数据的共享模式研究
数据共享有以下三种形态:
复制赠与式:数据所有者将数据发送给需要数据的使用者, 使用者自行保管和维护。
集中共有式:所有可以共享的数据集中保存在公共数据库中, 使用者根据需要自行取用。
分散共享式:数据仍保存在数据所有者的服务器中, 授权给一定范围的用户在需要时提取使用。
针对某省环境科学研究院空间数据的应用具有分散和异构的特点, 数据分布于各业务部门各自的计算机上, 对应各自的应用和管理系统具有不同的结构。既有以数据库方式进行结构化管理的地理信息数据, 也有大量以非结构化文件方式管理的地理信息数据。地理信息数据类型多种多样, 包括图形文档资料、图形表格资料、图形数字照片、GIS数字地图、遥感影像、CAD设计图纸、以及各类图形数据库等。不同部门和不同业务常常采用不同的地理信息系统和数据库管理系统 (如ArcInfo、MapInfo、GeoMedia等, Oracle、SQLServer、DB2等) , 运行于不同的计算机操作系统 (Windows、Unix、Linux等) 。分散异构的数据资源和多样性应用特性, 决定了任何单一的集成或应用系统都难以满足信息共享和集成要求。“分散共享式”可以保留原始数据结构, 在数据所有者的控制和授权下, 进行灵活的数据共享应用。这种方式可以保障数据所有者的权益, 使数据所有者可以放心地将数据提交共享;同时数据所有者有可以负担对数据维护和更新的责任。从资源应用的角度来说, 各数据服务器相当于一个计算机数据网格, 通过计算机网络相连, 形成可以无限扩展的数据资源平台。
2 分布式空间数据共享体系结构
图1显示了在一个多部门机构中采用分布式来进行数据共享的典型框架。每个部门有一台数据服务器来存储本部门的业务数据, 信息中心有一台元数据服务器存储关于机构中所有共享数据的元数据。数据仍然由各个主管部门维护和更新。内部用户能通过局域网访问, 同时外部用户能通过因特网访问。不同部门或不同业务的数据可以由各自的专用服务器存储管理, 通过公共的元数据服务器查询使用, 完美地实现办公数据的交换和信息共享。通过一个集中的元数据服务器, 可以快速地从整个元数据库中查询可用的数据, 数据服务器不必为数据检索服务, 仅需提供数据访问的服务。
针对不同的数据类型, 建立不同的元数据标准数据库, 将相关数据信息存储于分布式数据服务器上, 实现分散异构的数据资源共享管理和流通, 在数据共享平台上搭载现有业务应用和开发新的业务应用系统。
系统的概念结构分为三层:
(1) 数据层
由分布式数据服务器存储管理的各种类型的数据。包括以SDE形式进行存储的空间信息数据库、非空间信息的结构化数据库、非结构化的以文件形式进行存储的数据信息 (包括空间数据和其他业务过程中所产生的各种类型的办公文档、电子报表、数字照片、多媒体文件、GIS数值地图、遥感影像、设计图纸等) 。特别地, 对于空间信息数据, 可以采用ArcSDE进行存储和管理。
(2) 共享管理层
通过对集中元数据和分散数据资源一体化管理、对所有分布式服务器上的数据提供一站式查询检索服务, 在确认用户对特定数据使用授权的条件下, 支持对数据进行远程存取。对GIS地图和影像数据可进行在线格式和投影转换, 用户可以按需要的格式远程取得空间数据。图2为空间数据共享管理系统结构示意图。
(3) 应用层
环境科学的各类应用系统, 在数据提交者对数据已作出授权的情况下, 另一部门数据可共享使用整个系统数据层的全部或部分数据资源。用户既可使用客户端软件 (或者基于IE浏览器) 远程查询并下载所需数据到本地机后, 再通过专业系统进行显示和处理分析;也可以将各应用系统通过应用程序接口, 与共享管理层进行集成, 直接远程共享使用数据层的分布式数据资源。
3 元数据的设计与应用
3.1 元数据的概念与作用
元数据即“说明数据的数据”, 是关于数据和信息资源的描述性信息。它不仅具有按一定标准、格式组织数据, 便于管理、查询、检索的功能, 而且保存了数据的获取时间、更新日期、质量、格式等等信息, 使人们能有效地评价、比较和操作数据, 为数据共享、异构数据的远程访问提供了基础。它屏蔽了数据存储与管理的细节, 数据的使用者只需了解元数据库中的信息就可以完全掌握数据库中的数据情况。随着Internet和Web的迅速发展, 元数据技术逐渐成为异构信息共享与互操作的核心与基础, 成为分布式信息计算的核心技术之一[2]。
信息元数据是信息数据的相关数据的描述性信息。用于描述数据集的内容、质量、表示方式、空间参照系、管理方式以及数据集的其它特征, 是实现空间数据集共享的核心内容之一。
空间元数据的主要作用有[4]:
(1) 确定一套空间数据的存在性及其位置。
(2) 确定一套空间数据的质量、对某种应用的适应性。
(3) 确定获取一套空间数据的手段。
(4) 确定成功地转换一套空间数据的方法和途径。
(5) 确定一套空间数据的存储与表达方法。
(6) 确定一套空间数据的使用方法等。
3.2 元数据的标准
信息元数据必须标准化, 才能真正发挥其支持数据检索、共享与互操作的功能。目前世界上己有一些元数据标准, 其中最主要的有美国联邦数据委员会 (FGDC) 的数字地理空间元数据内容标准 (CSDGM) , 欧洲标准化组织 (CEN/TC287) 的元数据标准和国际标准化组织 (ISO/TC211) 的元数据标准。
3.3 元数据的设计
信息元数据的设计包含两方面的内容:一是纵向描述数据的组织结构;二是横向描述数据的内容。设计的目标是简洁、准确、完备地描述地理信息数据库中的数据, 提供高效的管理和查询机制, 根据要求设计以下元数据库。
信息数据的内容、数据中所包含的信息决定着数据的描述方式, 信息数据按格式与显示表现形式可分为文档数据、遥感影像、矢量地图、栅格地图。它们所包含的信息是不同的。所以, 可将元数据分成影像元数据。矢量信息元数据、栅格信息元数据不同元数据的格式是不同的, 应分别设计。
参考国际上己有的元数据标准, 并结合我国信息数据的特点和己制定的格式标准, 确定元数据的描述内容应包括[3]:
(1) 标识信息 (类型标识、内容摘要) 。
(2) 精度信息 (精度等级、比例尺、分辨率等) 。
(3) 空间参照系信息 (坐标系类型) 。
(4) 范围信息 (大地坐标范围、经纬度范围)
(5) 数据存储信息 (数据量、存储路径) 。
(6) 其它信息六类。
根据某省环境科学研究院的具体要求, 和本文对研究院内部的数据调查的结果, 本文对元数据库的建设做了如下的分类:
(1) 研究报告元数据库。
(2) 政府公文元数据库。
(3) 档案元数据库。
(4) 法律法规元数据库。
(5) 一般文档元数据库。
(6) GIS数据元数据库。
(7) 遥感影像元数据库。
(8) 栅格影像元数据库。
(9) CAD数据元数据库。
文档数据 ( (1) - (5) ) 的元数据项 (条目) 一般应包括: 文档代号, 文挡名称, 主题词 (关键词) , 文档类别, 项目名称, 作者姓名, 作者部门或单位, 联络方法, 保密级别, 发布时间, 最后修改时间, 版本号, 内容摘要, 注释或注意事项等。
GIS元数据应为: 地图代号, 地图名称, 主题词 (关键词) , 地图类别, 项目名称, 制作部门或单位, 联络方法, 数字化员姓名, 数字化部门或单位, 保密级别, 制作时间, 最后修改时间, 数字化时间, 版本号, 内容摘要, 注释或注意事项等。还应参考FGDC元数据标准, 增加空间元数据内容, 例如: 位置, 范围, 投影坐标系, 比例尺, 精度等条目。
遥感元数据应为: 影像代号, 影像名称, 主题词 (关键词) , 影像类别, 遥感平台类别, 卫星名称, 传感器名称, 光谱类型, 通道号, 像元分辨率, 影像尺寸, 项目名称, 订购者姓名, 订购者部门或单位, 联络方法, 数据获取部门或单位, 联络方法, 保密级别, 数据获取时间, 内容摘要, 注释或注意事项等。也应包含空间元数据内容, 如: 位置, 范围, 投影坐标系等条目。
3.4 元数据的组织
上文所述是任一站点上地理信息元数据的组织与设计。地理信息是分散分布在各地的, 它们的元数据库相应地分散分布在各个站点上。必须把这些分散分布的元数据库组起来, 才能提供一个完整的、全局的查询[1]。信息元数据库就是信息元数据的总和。其元数据项是按上节的元数据设计方案设计的信息元数据。区域元数据库是该区域范围内所有元数据库的总结。其中的元数据项就是该区域范围内的某个元数据库的地理位置、网络地址、内容摘要。全局元数据库是一批区域级元数据库的总结。其元数据项是区域级元数据库的地理位置、网络地址、内容摘要信息。它是基于元数据的地理信息查询的最高级索引, 是地理信息查找的总入口点。
所以在这个项目中首先把数据进行调查, 建立相映的元数据库, 在把数据统一的组织起来, 进行统一的上载, 组建起信息快速查询检索网络系统。
4 结束语
针对空间数据的分散性特点, 通过元数据服务器对分散的空间数据进行集中描述, 通过共享管理层对分散数据资源一体化管理、对所有分布式服务器上的数据提供一站式查询检索服务, 本文提出的分布式空间数据共享模型解决了异地空间数据的共享问题, 在此基础上今后将对空间数据异构性进一步进行研究应用。
参考文献
[1]王卷乐.地学数据共享中的元数据标准结构分析与设计[J].地理与地理信息科学, 2005, 25 (1) :16-21.
[2]常原飞, 王伟.城市基础地理信息集成的元数据平台开发[J].遥感学报, 2003 (6) :1-3.
[3]温永宁.基于Web服务的分布式空间数据共享模型[J].计算机工程, 2005, 31 (6) :25-26.
三维空间数据 篇9
数据流 (data stream) 应用的出现引起了国内外专家和学者的关注, 数据流管理技术作为一种新兴的技术已经被广泛的研究, 目前通用的DSMS (data stream management system) 包括Telegraph CQ[1], Aurora[2]和STREAM[3]。
数据流的查询过程是持续的查询 (continuous query) [4], 持续查询所关心的并不是全部的数据, 而是近期最近到达的部分数据, 所以数据流中的持续查询采用滑动窗口 (moving window) 机制, 基于滑动窗口的查询。
本文基于通用流数据库[5,6], 构建一个空间数据流系统模型。在此过程中, 借鉴交通导航应用开展工作。这里的空间流数据库模型系统的主要工作仅包括增加空间数据类型、空间滑动窗口和空间谓词, 为了实现简单易懂的空间连续查询语言, 本文在设计时, 尽量和原有的空间数据库查询语言和连续查询语言做到统一。本文依据标准SQL和CQL设计空间数据类型和空间谓词, 并参考OGIS标准, 尽量不修改原有查询语言的结构, 采用通用的空间数据类型表示方法, 通过增加通用的关键词的方式, 扩展连续查询查询语言。
2 空间数据类型扩展
我们考虑交通导航LBS (Location Based Service) 应用, 在这种应用中, 需要知道移动对象前方道路的交通状况, 根据交通状况选择合适的运行路线。假定每个移动对象每隔30秒向导航服务中心报告移动对象当前的速度和位置信息。前方的交通状况由运行在前方的一定范围的移动对象数量和这些移动对象的平均速度来决定, 数量多并且平均速度小于40km/h就表示交通状况差, 否则交通状况良好。随着移动汽车位置的改变, 其维持的空间查询窗口也在不断的改变位置, 如果设计一种空间滑动窗口, 使之能够随着移动对象的改变而改变, 就可以解决这个问题。
根据例子应用的需要, 拟增加的空间数据类型有Poin和SSwin两种。Point用来表示一个移动对象, 而SSwin用来表示一个空间滑动窗口。
(1) Point[x:float, y:float], 在这里Point表示某个移动对象, 它的值为移动对象的二维空间坐标;
(2) SSwin[Point1, Point2], 表示某一空间滑动窗口, 为了简化问题, 此处的SSwin, 仅表示一个矩形的空间滑动窗口, 由两个Point标识。
3 增加空间滑动窗口查询函数
为了支持空间查询, 需要增加空间谓词和空间函数, 本文需要增加空间函数Inside, 用来判断空间移动物体是否在空间滑动窗口内。
(1) Inside (Obj, SSwin)
这里的SSwin表示空间滑动窗口, Obj表示移动对象位置, 此运算符的结果为整型, 当Obj在SSwin的内部时, 其值为0, 否则, 返回值为1。
(2) 空间滑动窗口的连续查询
通过以上增加了空间数据类型和空间谓词以后, 流数据库可以支持空间滑动窗口的连续查询。粗体字部分表示本文增加的空间谓词:
4 空间滑动窗口查询的实现
本文的空间流数据库模型的实现工作是基于STREAM流数据库管理系统, 通过修改此系统的代码, 实现空间流数据库系统。此系统是斯坦福大学开发的一个的通用的流数据管理模型。此数据库管理系统模型是开放源代码的。它能够处理对多个连续的数据流和存储关系的连续查询。它提供大量的复杂流查询, 用来处理高容量和高突发性的数据流。它提供丰富的连续查询语言, 有良好的交互操作界面。
本文的实现是要在流数据库管理系统的基础上进行扩展, 虽然仅是对原有系统的扩展, 但是需要做的工作仍然涉及到整个数据库管理设计的全过程。一个数据库管理系统的设计包括一系列的阶段, 一般遵循以下的顺序。同时以下这些步骤也是实现此空间流数据库的过程中, 主要的工作:
(1) 生成词法分析树:由抽象的查询语言生成词法分析树, 这个过程是数据流管理系统实现的最初阶段。根据上节定义的空间连续查询语法, 在本文的空间数据流系统中, 用Yacc生成查询语言的语法分析树。
(2) 语义分析:对词法分析树进行语义分析, 将词法分析树转换为系统能够识别的内部表示。这一步生成的语义表示仍然不是一个操作符树。这个过程的设计主要是将空间数据类型和空间谓词转换为系统能够识别的形式, 具体的实现类似于算术表达式的语义转换。
(3) 生成逻辑计划:将查询的内部表示转换为逻辑查询计划。逻辑查询计划由逻辑操作符组成。逻辑操作符大多是关系代数操作符 (比如选择、投影、连接等) , 当然也有一些连续查询特有的操作符 (比如滑动窗口操作符) 。逻辑操作符不需要和查询执行中的操作符有关, 它仅仅是一种关系代数的抽象表示。
(4) 生成物理计划:将逻辑查询计划转换为物理查询计划。物理查询计划中的操作符是直接和在查询执行期间执行的操作符相关的。之所以要生成一个单独的逻辑查询计划, 是因为逻辑查询计划更加容易生成, 而物理查询计划涉及到底层细节。
(5) 查询执行:组织存储空间的分配, 物理操作符的执行等。
5 实验
5.1 LBS运动模型
构造如图1所示的导航应用, 移动汽车每30秒向导航中心报告当前位置信息和行驶速度并且进行空间滑动窗口的聚集查询, 这里我们主要涉及count和avg聚集查询, 分别计算滑动窗口内汽车数量和平均速度。移动汽车根据查询结果了解前方路况, 以起到交通导航的作用。
5.2 输入设计
(1) Mov Car
Mov Car的结构如表1所示。
(2) Spa Sli Window
空间滑动窗口 (Spa Sli Window) 数据流, 该数据流包含空间滑动窗口标志信息和空间滑动窗口位置信息如表2所示。
5.3 空间滑动窗口查询设计
上一节中构造了两个输入数据流, 分别模拟移动汽车信息数据流和空间滑动窗口数据流, 下面编写空间滑动窗口查询的脚本语言, 该查询脚本基于前面分析的简单的交通导航应用以CQL (持续查询语言) 编写, 脚本文件如图2所示。
5.4 结果输出
注册了输入数据流, 并且定义了空间滑动窗口查询之后, 经过我们设计的空间流数据库模型的处理得出图3和图4所示的结果。图3所示导航查询结果, 可以看出, 在61时刻的滑动窗口3内有6辆移动汽车, 汽车平均速度为34.1667km/h, 小于40km/h, 满足查询条件, 由此汽车A得知此刻前方路段交通状况差, 可以采取积极的应对措施, 绕过此拥挤的路段。图4所示每个查询时刻对应空间滑动窗口内的汽车信息, 可以看出, 1时刻的空间滑动窗口内有移动汽车A、B、C、D、E, 31时刻的空间滑动窗口内有移动汽车A、B、C、D, 61时刻的空间滑动窗口内有移动汽车A、B、C、D、E、F, 91时刻的空间滑动窗口内有移动汽车A、B、C, 121时刻的空间滑动窗口内有移动汽车A、C。
6 小结
本文结合交通导航应用对数据流系统进行空间扩展, 扩展了空间点和空间滑动窗口, 及基于空间滑动窗口的查询操作, 并依据数据库的设计步骤, 实现了空间数据流系统。以导航应用为例, 构造了一个基于空间滑动窗口的运动模型, 通过试验分析, 输出的结果均符合我们设计的运动模型。
摘要：数据流系统以连续查询为特点, 连续查询的处理机制能够保证数据处理做到实时处理。但是现有的通用的数据流系统没有对空间数据处理的支持, 而基于位置服务显然是一种需要空间数据处理的应用。本文从支持位置服务的后台数据处理出发, 提出用基于数据流系统的流数据库来支持基于位置服务的数据处理的思想, 并结合当今数据流系统的发展和基于位置的服务的需求, 对数据流系统进行空间扩展, 提出一种空间数据流系统的模型。
关键词：数据流,空间连续查询,LBS
参考文献
[1]Sirish C, Owen C, Amol D, Michael JF, Joseph MH, Wei H, Sailesh K, Samuel RM, Fred R, Mehul AS.TelegraphCQ:Continuous dataflow processing[R].In:Alon YH, ed.Proc.of the2003ACM SIGMOD Int’l Conf.on Management of Data.New York:ACM Press, 2003.668—668.
[2]Daniel JA, Don C, Ugur C, Mitch C, Christian C, Sangdon L, Michael S, Nestime T, Stan Z.Aurora:A new model and architecture for data stream management[J].The Int’l Journal on Very Large Data Bases, 2003, 12 (2) :120—139.
[3]A.Arasu, B.Babcock, S.Babu, M.Datar, K.Ito, I.Nishizawa, J.Rosenstein, and J.Widom.STREAM:The stanford stream data manager[J].IEEE Data Engineering Bulletin, 2003, 26 (1) :19—26.
[4]Shivanath B, Jennifer W.Continuous queries over data streams[J].SIGMOD Record, 2001, 30 (3) :109—120.
[5]姜芳艽.DBMS与DSMS的比较研究.微计算机信息, 2007.2, 3:33-36.
基于特征的空间数据模型研究 篇10
第一个局限性主要是由于地理实体在矢量系统中被构造为数学上的点、线、面, 而在栅格系统中则构造为网格单元。因为公路不是数学上的线, 城市也不是数学上的点, 而且网格单元结构是对应于不确定地理实体的任意的空间分割, 因而这两个模型在地理现实中均不存在。第二个限制要求开发新的模型来充分支持空间分析。如果我们给一个观众提供一个地理场景并询问他看到了什么, 就会很容易地发现基于特征模式的必要性。回答不会是点、线、面和网格单元, 而是诸如河流、湖泊、公路和森林等地理实体。
基于地理图层的传统地图框架在处理复杂的地理过程模拟和空间分析手段方面表现得不够充足。困难出在作为基础的数据模型是否需要直接反映地理实体, 还是通过复杂的数据处理, 使得这些实体能用传统的图层模型提供给用户, 从而使用户能在其中命名地理实体和对这些实体进行空间分析。
1 特征概念
基于特征 (Feature) 的建模方法是在七、八十年代出现的、相对于空间数据的图层 (Layer) 组织方法而提出的新方法, 并在近年来取得了迅速的发展。特征建模技术克服了传统系统数据建模不完整的不足, 为集成环境中全局模型的实现提供了完备的手段。由于基于特征的建模方法更适合于人们对现实地理系统的理解方式, 因此, 它一出现便立即引起GIS界的极大关注, 并立即被应用于GIS技术发展及应用实践中, 其中最重要的应用领域有两个:一个是GIS标准化研究及标准制定;例如, 美国DLG-E是基于地理特征方法的典型应用范例, SDTS等一大批空间数据转换标准、ISO和OGIS等组织的标准化工作均不同程度的受到这一思想方法的影响。第二是基于特征的GIS数据库的开发工作, 例如E.lynn Usery等所描述的工作。
基于特征的方法模拟的是地理特征, 而基于图层的方法模拟的是一张地图或一组专题地图。在一个FBGIS环境中, 地理特征的表示以地理位置以及地理实体的自然属性和相互关系为基础。地理特征的确定是涉及人类洞察力和认知力的一个复杂过程。
基于特征方法在计算机化的地理数据库框架中的实现方式之一, 是开发运用面向对象技术的数据模型。由此产生的特征模型包括对地理现实的人为概念化、几何对象之间的空间关系以及非空间对象之间的特征——特征关系。
2 特征模型
数据模型是对现实的抽象1。为了在数据模型中使地理现实概念化, 需要使定义组成成员和它们之间关系的规则形式化。在对数据模型的许多定义中, Codd提出, 一个数据模型包括三个部分:一个数据结构类型集合、一个用于处理这些数据结构类型的算子 (操作符) 集合和一个控制数据库性能的完整性规则集合。完整性规则包含一组完整性约束, 这些约束能够控制在不同应用中的数据结构和运算操作。一个空间数据模型经常需要完整性约束, 因为在该数据模型中所定义的组成成员通常是针对具体应用的。
空间目标的复杂性需要多种方法来定义和使用合适的数据类型和运算操作。大部分GIS软件均考虑到对点一线一面关系表中空间目标之间诸如邻接和包含等拓扑关系的编码。然而, 许多应用领域需要处理与非空间关系接合在一起的复杂目标。在寻求一个更丰富的数据模型对复杂的地理实体进行编码的研究方面, 许多研究者把焦点集中在面向对象方法上, 将其作为以整体的方式体现地理特征和关系的一种可采用的方法。
3 特征空间数据模型的构成
数据模型是对现实的抽象。为了在数据模型中使地理现实概念化, 需要使定义组成成员和它们之间关系的规则形式化。在对数据模型的许多定义中, Codd提出, 一个数据模型包括三个部分:一个数据结构类型集合、一个用于处理这些数据结构类型的算子 (操作符) 集合和一个控制数据库性能的完整性规则集合。完整性规则包含一组完整性约束, 这些约束能够控制在不同应用中的数据结构和运算操作。一个空间数据模型经常需要完整性约束, 因为在该数据模型中所定义的组成成员通常是针对具体应用的。
空间目标的复杂性需要多种方法来定义和使用合适的数据类型和运算操作。大部分GIS软件均考虑到对点一线一面关系表中空间目标之间诸如邻接和包含等拓扑关系的编码。然而, 许多应用领域需要处理与非空间关系接合在一起的复杂目标。在寻求一个更丰富的数据模型对复杂的地理实体进行编码的研究方面, 许多研究者把焦点集中在面向对象方法上, 将其作为以整体的方式体现地理特征和关系的一种可采用的方法。在面向对象的基于特征的GIS系统中, 用户谈到的是对象而不是一个关系的记录和字段。
3.1 一个基于特征GIS目标的组成成员
在面向对象系统中, 一个特征的每一个元素可以被看作一个对象。要建立一个基于特征的GIS系统, 对象被嵌入在实例变量和方法中, 必须包含充足的信息、关系、功能函数以支持空间分析和查询。
依据特征对象的这些部件和上文特征表示法的概念, 可以给面向对象的GIS系统创建两种对象类型, 即特征对象和几何对象类型。不管表示的形式如何, 一个特征对象用来描述一个地理特征的非空间特性。一个几何对象存储有关地理特征空间位置的信息。例如, 存储一口井 (X, Y) 坐标的点是一个几何对象。
3.2 特征对象和几何对派之间的关系
一个地理特征能被特征对象和几何对象数字化表示。在基于特征系统中, 特征对象是基本元素。特征对象封装几何对象, 因为几何对象存储特征对象的位置信息。几何对象包含一个标识符, 另外还有特征的位置和拓扑信息。
两个或两个以上对象之间的关系被定义为对象之间的联系。根据用户对现实的解释, 特征对象可以被分解为一个子对象的集合。例如, 一个城市能被解释为一个由人口、建筑物和基础设施组成的对象。对象类实例之间的关系依赖于应用领域和比例尺。可以用一些关键短语可以用来描述基于特征GIS对象类之间的许多联系。它们不但能被用来描述几何对象之间的联系, 而且也能描述特征对象和几何对象之间的联系以及特征对象之间的联系。
摘要：本文基于笔者多年从事地理信息系统相关研究, 以空间数据模型为研究对象, 深度探讨了基于特征的空间数据模型的相关理论, 文章首先给出了基于特征的空间数据模型产生的背景, 而后概要介绍了特征模型和特征的概念, 最后, 笔者高屋建瓴地对基于特征的空间数据模型进行了全文的阐述, 全文既是笔者长期工作实践的心得, 也是在实践基础上的理论升华成果, 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：特征,空间数据模型,概念,GIS
参考文献
[1]白玲.空间数据的拓扑关系及其自动生成[J].解放军测绘学院学报, 1993 (4) :57～63.
基于三维数据的工艺设计及管理 篇11
一、引言
随着企业信息化的持续发展，越来越多的离散制造型企业从二维设计模式过渡到全三维设计模式。三维设计的参数化、可视化和分析验证等功能大幅提高了企业的设计效率、研发及创新能力。
但是，由于原有的工艺管理应用工具是基于二维设计的基础上实现的，无法享受到三维设计带来的便利性，数据缺乏关联性。大多数企业的工艺解决方案是工艺人员以设计人员输出的设计数据为依据，生成所需要的工艺步骤及路线。由此造成设计与工艺脱节，设计数据不符合工艺要求，设计数据根据工艺要求更改的时间滞后；三维设计数据与工艺数据不能实现参数联动和同步更新等问题。
本文以某专用车公司为例，介绍如何通过 SolidWorksEPDM系统及工艺模块的开发，实现产品设计及工艺流程控制，工艺路线卡片编制，真正实现三维环境下的设计与工艺参数关联及动态变化更新。
图 5两种不同结构形式的蝶板动水力矩对比
二、设计与工艺关联实现原理
基于产品的设计流程，一般的审核流程会经过设计、校对、工艺、审核及批准等步骤，最终完成后产品发布用于生产。因此，基于设计、工艺一体化的过程，可以考虑在工艺审核过程中完成工艺编制及工艺审批，最终实现设计与工艺关联的目标。
具体的实现原理如图 1所示，通过 SolidWorksEnterprise PDM系统 ，实现三维设计数据的电子审批流管理，产品在设计 -校对 -审核 -批准的审批流程基础上，增加工艺会审过程，实现工艺信息的编制及审批。
不同企业的工艺编制方法有所不同，在图 1所示的流程中，产品工艺的编制分为两部分，首先由综合工艺员编制产品的工艺路线，然后由工艺员编制各工艺路线的工序方法。具体如下。
当数据处于“综合工艺会签中（试制）”的状态时，由综合工艺员确定产品设计是否符合工艺要求，不符合则退回设计人员重新修改，符合则制订产品的工艺路线（如下料、机加、焊接和装配等），然后流转到下一流程状态“工艺会签中（试制）”，由各个工艺员对其中的工艺路线，包括产品展开尺寸、所用原材料规格、加工方法、所用设备和耗费工时等进行编辑。编制完成确认无误后，流转到下一个流程状态“综合工艺最终会签（试制）”，由综合工艺员检查工艺编制的完整性，做最终的审核判断。
以上过程所涉及的工艺路线，我们可以定义好对应的代码，如表所示，在工艺编制过程中直接使用。为体现一体化设计的优势，在工艺模块中满足以下要求。
（1）集成在 SolidWorks的 CAD工作界面上，可以随意查看三维数据的同时进行工艺编制，对于三维数据没有权限做修改。
（2）通过 PDM的用户组权限，确定是否具有修改编辑权限。当数据处于“综合工艺会签中（试制）”状态时，用户处在综合工艺员组，满足这两个权限，才可以编辑生成对应的工艺路线；当数据处于“工艺会签中（试制）”状态时，用户处在工艺员组，满足这两个权限，才可以编辑生成对应的工序加工方法。
（3）后台使用的数据库，支持调用材料库、设计库等信息数据。
（4）根据需求可以导出各类工艺数据信息。
三、工艺编制
综合工艺员在 SolidWorks中打开需要审核的三维数据，然后调用加载到界面上的工艺路线模块，如图 2所示。此时，综合工艺员可以调用 SolidWorks命令，随意旋转或放大缩小产品模型，了解详细的产品特性，进行工艺路线的编辑生成，如图 3所示。
工艺路线编辑完成后，产品数据经流程审批，转换到“工艺会签中（试制） ”状态下，并同时通过PDM系统发出通知，要求工艺员进行工序方法的编制。此时，综合工艺员或其他用户查看工艺路线时，处理灰色不可编辑状态，如图4所示。
下料工艺员登陆系统，接到通知，要求进行新产品工序方法的编制，此时，下料工艺员打开产品，进行工序编制，输入该工序所需工时，选择需要的加工设备，同时双击打开模夹具编辑按钮，在弹出的模夹具清单中选择对应的工装夹具及辅助设备。接着，下料工艺员确定加工工位，计算并输入下料尺寸，调用原材料库导入原材料规格并输入工序要求，完成工序方法的编制过程，如图 5所示。
工艺员根据产品的需要，利用配置功能，同时建立基于三维设计数据的工艺卡，实现参数化驱动关联管理，如图 6所示。
其他机加工工艺员、装配工艺员等可同时调用工艺路线模块进行编制，相互之间独立操作，不受影响。最终完成工序方法的编制，提交流程审批进入“综合工艺员最终会签（试制）”环节，最后，经综合工艺员重新检查校对后，完成所有工艺路线的编制。
制造加工部门人员通过PDM系统，在产品的数据卡信息中，可以很直观方便地了解到产品的最终工艺信息，如图7所示。
四、工艺资源管理
工艺资源管理实现的很重要一点是在后台建立基准库，包括工艺路线库、材料库、工艺库、原材料库、设备库和模夹具库。无论是设计人员还是工艺人员，都有了统一的基准库。基准库实现权限控制，管理员可增加或删除库信息，其他人员仅有调用使用的权限。
利用基准库之间的关联性，实现工序、设备和模夹具之间的对应，选择不同的工序时，系统自动选出与之对应的设备和模夹具，以减少使用人员操作的复杂性。工艺路线的后台管理系统如图 8所示。
五、报表输出
以后台数据库系统为基础，所有的工艺信息都做为属性信息记录在产品数据中。因此，结合 PDM的功能，可实现各类报表信息的汇集输出，如图 9所示。工艺模块可实现以下功能。
（1）支持在PDM系统内点击零部件，调出输出界面，做特定需求输出。
（2）支持在 PDM系统内点击零部件，直接输出工艺清单。
（3）支持通过工艺审批流程自动输出工艺清单到PDM系统固定文件夹内。
六、应用行业及优势
该工艺方案适用于设计工艺一体化的产品，也就是设计 BOM的产品树结构层次符合生产工艺的 BOM加工制造的要求。因此，设计师在产品设计阶段就需要考虑产品装配组合的层级关系，从设计阶段实现 EBOM和 MBOM的一致性。该工艺方案体现的优势总结如下。
（1）工艺数据管理：建立关联到 SolidWorks模型的零部件工艺数据的管理界面。该工艺数据和 SolidWorks文件关联，实现工艺数据（包含工时、材料定额、工艺路线、工序工位数据、加工设备及工装夹器具）导入、创建、修改和导出等管理功能。
（2）工艺数据库管理：建立企业级 MSSQL形式的工艺基础数据库，包括：工艺路线库、设备库和材料库等。提供模型的工艺属性输入界面，工艺属性创建后可进行导出、修改以及进行自动输出工艺清单，工艺属性的管理需要设置权限，增删改只有对应的负责人才可以操作，工艺数据可以汇总成报表进行输出。
（3）工艺清单自动输出：工艺数据和模型进行自动关联，当装配体及其子件更改时可自动输出更新后的工艺清单，输出的格式为 Excel，输出后可以进行版本和权限管理。
（4）建立数据向下游系统传输：建立基于 MSSQL的中间库，实现 EPDM系统内的数据向中间库的传输。通过中间库实现与将来部署的 ERP系统对接，实现 BOM数据的传输，以及PDM系统内对ERP数据的物料信息的查询。
通过在SolidWorks EPDM基础上开发定制工艺模块，构建企业产品工艺编制及管理平台。实现以信息化手段，规范工艺信息的创建、发布和更改流程，最终形成工艺数据输出，管理、共享和协同的计算机管理系统。 IM
脚型数据三维测量角度的研究 篇12
鞋是人们生活里不可或缺的一部分, 其舒适度与人们的生活工作息息相关。随着生活质量的提高, 人们对鞋的要求也越来越高。但鞋楦和鞋最终都是为脚服务, 因此不论是鞋楦设计, 还是鞋样设计, 首先要了解和掌握脚的形态、生理机能及脚型规律[2]。人脚的生理构造虽然是大同小异, 但是每个人的脚型尺寸却是千差万别的。因此作为制鞋研究人员必须充分了解脚型的特点及其变化规律[1]。脚的趾跖围长、跗背围长、兜跟围长是确定脚型的重要数据, 也是制鞋的重要依据。因此如何准确获得脚型围度数据是必须要关注的问题。
目前脚型自动测量采用的方法多种多样, 主要有机械法、投影法、光学法等。这些方法从一定程度上填补了脚型自动测量研究空白, 但都不约而同地存在一些缺点。如机械法属接触式测量, 测量精度较低, 测量过程复杂;光学法则对光学系统的要求较高, 数据处理繁杂, 而且不能完整地测出脚型轮廓参数。寻找一种方便、快捷的脚型测量方法, 仍是脚型自动测量上的难点之一[3]。
本文主要通过扫描脚长相近的人群的三维脚型图像, 运用delcam测绘方法测量脚跖围、跗围、兜跟围所在平面与相关平面的夹角, 确定脚型各围度最准确的测量角度。该研究对准确快速测量脚型三维数据以及完善鞋类研究具有重要的意义。
1 试验方法
1.1 研究对象
志愿者为30名女性, 年龄相近, 体型正常, 足部健康, 脚型大小适合穿着23#鞋, 已知试验流程并自愿参与试验。
1.2 测量要求
1.2.1 测量姿势
本试验分别对站姿和坐姿状态下的测试者足部进行扫描:站姿时采用自然的直立姿势, 双肩放松, 上肢自然下垂, 受测者站立在扫描仪内的有机玻璃板上, 另一只脚站立在扫描仪旁与受测脚水平;坐姿要求与站姿相近, 并且小腿不能倾斜, 要与玻璃板保持垂直。
1.2.2 测量精度
测量的长度单位为mm;测量的角度单位为°, 保留小数点后两位。
1.2.3 测量变量
根据试验条件, 以右脚脚趾在右, 后跟在左的图像为基准, 脚底所在平面为水平面。各个围长所在平面与脚形成切面, 将切面与脚侧面的交线与水平线所成角度定义为倾斜角。同理, 跗围与跖围所在平面与脚形成切面, 把切面与脚底的交线和表示脚宽度的竖直线所成的角度定义为扭转角。已知兜跟围扭转角度为0 (如图1) 。
1.3 研究方法
1.3.1 试验仪器
3D脚型扫描仪。
1.3.2 试验流程
测试项目: (1) 运用3D扫描仪采集样本右脚站姿和坐姿时脚型的三维图像; (2) 测量脚长 (mm) ; (3) 测量兜跟围、跗围和跖围的倾斜角 (°) ; (4) 测量跗围和跖围的扭转角 (°) 。
测试流程: (1) 试验前准备工作, 确保志愿者测试前24h内未参加过剧烈运动, 并告知试验流程及注意事项; (2) 调试设备, 并进行校正; (3) 依次统计志愿者的身高、体重等基本信息, 并按照试验要求, 对志愿者在站姿和坐姿两种情况下的右脚形态进行图像扫描; (4) 将扫描的图像导出归纳整理, 并导入到delcam中, 依次测量各角度数据。 (5) 统计数据并进行分析, 得出结论。
1.3.3 测量方法
将脚型图像按照试验要求置于屏幕上, 调整图像的位置, 准确测出脚的长度。根据部位点与脚长的比例关系, 准确选取第1趾跖关节点、第5趾跖关节点、第5跖骨粗隆点、跗背最凸点、舟上弯点、后跟凸点部位, 然后测量各角度。
2 结果与分析
2.1 试验数据
由于测量总是存在一些主观因素, 具有不可避免的误差。因此, 为了减小测量误差, 本试验分别对30位志愿者的右脚脚型进行了3次测量, 将求得的平均值作为最终结果。由表1可以看出, 站姿兜跟围倾斜角为34.79°, 跗围倾斜角为44.23°, 跖围倾斜角为56.10°, 跗围扭转角为13.72°, 跖围扭转角为19.96°;坐姿兜跟围倾斜角为35.85°, 跗围倾斜角为46.94°, 跖围倾斜角为57.65°, 跗围扭转角为13.02°, 跖围扭转角为18.16°。
由表1可以看出: (1) 坐姿时兜跟围、跗围、跖围倾斜角均比站姿时略大。其变化在1~3°之间, 兜跟围倾斜角的变化为1.06°, 跗围倾斜角的变化为2.71°, 跖围倾斜角的变化为1.55°, 由此可以看出跗围倾斜角变化较大。原因在于坐姿时足弓要比站姿时低, 第5跖骨粗隆点位置会稍有变化, 导致倾斜角增大。 (2) 坐姿时跗围和跖围的扭转角均比站姿时小, 其变化在0~2°之间, 跗围扭转角的变化为0.70°, 跖围扭转角的变化为1.80°, 由此可知跖围扭转角的变化较大。原因在于站姿时一般只有第1、第2、第5趾着地, 而坐姿时几乎全部脚趾都要着地, 第5趾会略有外张, 从而使跖围扭转角度增大。
2.2 试验分析
2.2.1 站姿数据分析
由图2可以看出, 站姿各测量角度均在一个极小的范围内波动, 各趋势线几乎近似于直线。
2.2.2 坐姿数据分析
鞋是针对人们日常生活而设计的, 所以需要了解多种姿态下人脚的形态。相比站姿, 坐姿是较为轻松的一种姿态, 此时脚也比较放松。图3描绘了坐姿情况下脚型各角度的变化趋势。由图3可以看出, 坐姿各角度的变化趋势均比较小, 基本围绕一中心值在极小的范围内变动。
2.2.3 测量角度综合分析
(1) 标准差分析
由表2可以看出, 站姿和坐姿的测量角度数据标准差均在0~1.5之间, 根据统计学原理, 该数据离散程度很小, 由于不可避免测量中主观因素的影响, 数据结果变动范围属于完全可以接受的程度之内, 所以该试验数据的可靠性完全可以信任。
(2) 抽样极限误差分析
本试验只对抽取的30个样本进行了统计分析, 相比于实际生活中的众多人群, 有很大的局限性, 因此为了确定最佳的测量角度, 需要计算样本的抽样极限误差。抽样极限误差是指一定概率下抽样误差的可能范围, 也称为允许误差。在设定可靠程度的前提下, 认为样本平均值与总体平均值的误差绝对不超过抽样极限误差。因此抽样极限误差与置信度 (即可靠程度) 的大小密切相关, 在其他条件不变的情况下, 抽样极限误差越大, 相应的可信程度越大。在实际设计鞋楦时, 可以根据工艺要求, 选择不同的置信度, 找到相应的测量角度, 来进行鞋楦的测量。
°
°
°
由表3可以看出, 该试验测量角度的抽样极限误差很小, 兜跟倾斜角的抽样极限误差为0.19, 跗围倾斜角为0.14, 跖围倾斜角0.16, 跗围扭转角0.12, 跖围扭转角为0.18。
(3) 总体测量角度范围分析
本试验分别选取了0.6 8 2 7、0.9545、0.9937三个置信度 (可靠程度) 进行了数据分析, 结合抽样极限误差, 最终得出表4结果。由表4可以看出, 置信度增大, 总体测量角度的范围增大。因此, 在鞋楦设计时, 可以根据工艺要求, 选择适当的测量范围。
3 结论
(1) 对于正常的适合穿23#鞋的脚型, 各围度数据有一中心值, 根据站坐姿两种姿势下的统计结果, 得出最佳测量角度:兜跟倾斜角为35.32°, 跗围倾斜角为45.58°, 跖围倾斜角为56.87°, 跗围扭转角为13.37°, 跖围扭转角为19.05°。由于测量总会出现抽样极限误差 (允许误差) , 因此本试验计算出了总体测量角度范围:由表4可以看出, 置信度为0.9937时, 兜跟倾斜角的测量范围为34.75~35.89, 跗围倾斜角的测量范围为45.16~46.00, 跖围倾斜角为56.39~57.35, 跗围扭转角为12.89~13.73, 跖围扭转角为18.51~19.59。
(2) 在进行鞋楦测量的时候, 只需要选取一个关键点, 再结合角度数据, 就可以确定两条直线, 从而确定一个截面, 测量出各部位的围长。该方法可以方便快捷地测出兜跟围、跗围、跖围的长度。
(3) 在鞋楦设计中, 可以根据工艺要求, 选择合适的置信度, 以确定测量的角度范围, 从而能够准确而便捷的获得需要的数据, 把握鞋楦的基本框架, 最终快速设计出符合人机工学的鞋楦。
参考文献
[1]王修行, 赖军, 秦蕾, 等.三维脚型测量技术及方法研究[J].中国个体防护装备, 2008 (5) :7-10
[2]陈国学.鞋楦设计[M].北京:中国轻工业出版社, 2005:6