全空间数字世界是在计算机系统中由描述现实/虚拟世界各种实体与要素的时空对象数据所构成的综合数据体,是一种对从宏观到微观的现实/虚拟世界的对象化数据描述。传统GIS对地理空间数据的分块与分层管理方法,无法满足全空间数字世界中复杂、动态、关联的时空对象组织与管理的需要,因此,本文研究提出了一种基于时空域的全空间时空对象组织与管理方法。在分析了全空间数字世界的概念、内容和特点的基础上,提出了时空域的基本概念,明确了时空域的数据组织方式和本质特性;建立了面向时空域的子时空域、时空对象类、对象关系类和时空域时空对象生命周期序列的时空对象数据组织体系和管理方法,并进行了时空域数据的存储与管理实验,验证了基于时空域的全空间时空对象组织与管理方式在管理全空间数字世界中的实用性和可行性,为后续示范应用场景中时空对象的生成与处理、检查与校验、可视化与输出提供底层支撑。

现代战争的军事作战数据来源广泛多样,目前对于军事作战的数据模型研究主要针对其时空属性进行描述,对于作战实体的多样化特征缺乏完整的表达,难以挖掘多维度的作战信息。多粒度时空对象建模是依照多粒度时空对象数据模型框架,将时空实体简化和抽象为数据模型,对复杂的现实世界进行概括与表达。本文在分析作战实体信息和特点的基础上,依托多粒度时空对象建模的思路,建立作战实体对象类并构建作战对象模型,对战争中时空实体的关联关系、组成结构和行为能力等特征的抽象与表达进行了探索,全面多维地描述作战实体及其特征变化,并以阿富汗战争中的美军凯克提特遣队为例进行对象化建模与可视化实现。实验结果表明,多粒度时空对象建模方法能有效表达作战实体的多维特征,在战场信息挖掘上具有精确立体、全面多维的优势,为面向对象的精细化作战研究提供了理论基础。

研究网络地理信息服务用户的访问行为,有利于了解用户地理信息兴趣、实现按需服务。本文基于全空间信息系统建模的理论,构建用户-访问城市关系网络,研究用户访问的空间聚集性。顾及到关系网络中行为关系强度的表达需要同时考虑用户访问行为、城市关联关系和城市结构,仅用单一的用户访问行为数据会存在偏差,本文提出了基于矩阵分解的数据融合方法,对网络地理信息服务中用户访问数据、城市关联数据以及城市的POI（兴趣点）数据进行融合,表达用户-城市访问关联强度。在此基础上,基于关系网络聚类方法实现用户的聚集模式挖掘。考虑到只以空间距离实现聚类的方法无法兼顾关系网络中用户对不同城市的访问偏好特征,本文在FCM（模糊C均值聚类算法）的基础上以用户对城市的访问概率定义访问偏好提出PFCM算法,同时兼顾关系网络中城市间的空间距离和访问行为关系强度,减小聚类结果的偏差。本研究通过用户访问的空间聚类表达用户访问的空间兴趣偏好,有助于理解用户访问行为与城市之间的相互关系,为网络地理信息服务在数据缓存和提前推送等方面的性能提升提供指引,从而更好的服务于用户访问。

对具有动态变化特征的空间实体的描述,除了表达其内在属性外,还应包括动态行为。传统GIS把空间对象内在属性和动态行为分开建模本质上是一种基于地图的静态建模思想,而多粒度时空对象把行为能力作为对象的固有属性,是区别于其它对象的一个重要特征,使得全空间信息系统能够描述具有认知和行为能力的“活”的地理实体。本文针对具有规则化动态变化特征的时空实体的描述与表达,从多粒度时空对象的角度,阐述了多粒度时空对象动态行为的表达思路,提出了多粒度时空对象个体和对象世界的动态行为表达模型,为全面认识和表达空间对象动态变化提供了新的视角。针对动态行为多属性交错改变、多对象复杂联动、多过程动态自主的特点,为开展多粒度时空对象动态行为实际建模,本文归纳了动态行为改变内在属性的4种不同方式,并分别基于动力学、规则、数据挖掘和智能体4个方面对动态行为的表达方法进行了探讨。最后,结合实际应用进行了实证分析,结果表明对空间实体内在属性和动态行为一体建模,不再需要设计额外的数据模型,行为与对象不再分离;采用统一的动态行为表达模型,行为不仅与对象是解耦的,而且是通用的、可继承和复用的;对象不同行为的组合,可以描述空间实体复杂的动态变化的过程,为全空间信息系统中对象行为建模提供了有益经验和借鉴。

全空间信息系统、智慧城市的构建,需要将地理实体抽象成时空对象,而时空对象的多粒度性,体现在时空对象具有多尺度、多维度、多层次的特点。如何在当今海量数据中,对多粒度时空对象的信息进行有序组织成为时空对象研究中的难点。本文基于面向对象的思想,提出了一套时空对象组成的表达与操作方法,为时空对象信息的有序组织提供了新思路。该方法基于概念分类理论,将时空对象的组成分为实体对象组成与关系组成,在此基础上,通过构建时空对象信息集族、对象组成集族、关系组成集族,对时空对象组成结构的形式化描述,并基于时空对象的生命周期,给出构建、更新、析构、组合、分解等时空对象组成表达的相关操作,进一步完善多粒度时空对象组成结构的表达。最后,以城市道路的组成信息管理为例,将武昌区珞喻路作为研究的时空对象,对城市道路时空对象组成结构的表达及操作进行举例说明。该方法的提出,实现了多粒度时空对象组成结构的表达,减少时空对象组成的冗余。

多粒度时空对象具有多粒度、多类型、多形态、多参照系、多元关联、多维动态、多能自主特点,可用于直接描述从微观到宏观的现实世界。基于时空对象建模理论构建多尺度地理对象耦合演化的集成表达是多粒度时空对象模型支撑地理分析与建模的关键。本文基于多粒度时空对象建模理论,在概率图和条件概率表的基础上发展了一种基于Bayes网络的地理过程演化表达和建模方法。该方法将多粒度时空对象作为Bayes网络节点,根据多粒度时空对象间的关联关系构建Bayes网络,利用Bayes概率表达多粒度时空对象间关联关系的作用强度,并通过更新算子和概率图模型描述要素特征状态的动态变化。基于此方法,选取新安江模型,进行多粒度时空对象地理过程建模和模拟实验。采用呈村1989—1995年水文数据为训练数据,1996年水文数据为模拟数据,通过降水面、蒸发面、产流面和汇流面构造Bayes网络并模拟产流量和汇流量状态;实验结果表明本文方法不仅可以对水文过程进行演化建模,并且可以较好地模拟水文过程中的产流量和汇流量变化,正确率达97.5%和95.9%。

Array of Things (AoT)通过单一位置上的多传感器对城市系统进行连续动态观测。AoT观测数据量大且持续增长,使得如何利用有限的计算资源进行AoT序列数据的压缩传输成为其应用的关键瓶颈之一。本文提出了一种基于张量分解的AoT序列数据的有损压缩方法。面向其海量、高维且需在传感器端处理的需求,该方法首先将AoT序列数据组织成高维张量,利用算法复杂度较低的张量CANDECOMP/PARAFAC (CP)分解提取各维度上的特征主分量,而后利用张量重构实现特征保持的数据有损压缩。利用基于张量分解的有损压缩方法,针对美国芝加哥市区的24 h内感测的声光电磁数据进行了实验,讨论了不同压缩参数对压缩比、压缩误差、压缩精度、压缩时间、压缩过程运行内存占用和压缩结果内存占用之间的影响。实验结果表明该方法可实现AoT序列数据的有损压缩,其较小的内存占用能够支持传感器端数据压缩。并且与原始光场强度对比表明,压缩后的数据保持了原有时空分布特征。与传统矢量量化编码压缩方法相比,在相同压缩精度下,本文方法的压缩比约高27%~76%,压缩时间约节省46%~73%,压缩结果所占内存约节省17%~57%,因此本文方法具有更高的压缩比,更低的压缩时间和内存占用,可为AoT这一类数据的大规模有损压缩提供借鉴意义。