EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 11: 1984 - 1997

DOI: https://doi.org/10.12082/dqxxkx.2021.210400

地球信息科学理论与方法

基于多粒度时空对象数据模型的城市基础设施建模与管理

  • 杨飞 , 1 ,
  • 华一新 , 1, * ,
  • 李响 1 ,
  • 李坡 2 ,
  • 杨振凯 1 ,
  • 曹一冰 1
展开
  • 1. 战略支援部队信息工程大学地理空间信息学院,郑州 450052
  • 2. 中科蓝迪软件技术有限公司,苏州 215200
*华一新(1963- ), 男,江苏句容人,博士,教授,主要从事地理信息系统平台及其应用技术研究。E-mail:

杨飞(1991- ), 男,四川绵阳人,博士生,研究方向为时空数据挖掘、智能设施管理。E-mail:

收稿日期: 2021-07-16

  要求修回日期: 2021-08-30

  网络出版日期: 2022-01-25

基金资助

国家重点研发计划项目(2016YFB0502300)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

An Urban Facilities Modeling and Management Method based on the Multi-granularity Spatiotemporal Object Data Model

  • YANG Fei , 1 ,
  • HUA Yixin , 1, * ,
  • LI Xiang 1 ,
  • LI Po 2 ,
  • YANG Zhenkai 1 ,
  • CAO Yibing 1
Expand
  • 1. Department of Geographic Information Engineering, Information Engineering University, Zhengzhou 450052, China
  • 2. Bluethink Software Technology Company Limited, Suzhou 215200, China

Received date: 2021-07-16

  Request revised date: 2021-08-30

  Online published: 2022-01-25

Supported by

National Key Research and Development Program of China, No(2016YFB0502300)

Copyright

Copyright reserved © 2021. Office of Journal of Geo-information Science All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

摘要

城市基础设施的全方位描述与信息化管理是建设新型智慧城市的重要基础。目前在城市基础设施建模与管理方面,以地图为模板的空间数据模型、传统的面向对象空间数据模型以及实时GIS数据模型不支持对时空对象组成结构、行为能力等要素的描述,无法全面、精细地表达设施对象信息,而计算机、物联网和地理信息系统（Geographic Information System,GIS）领域已有的城市基础设施管理方案忽略了对设施自身信息的管理,无法较好地支持设施对象及其产生数据的一体化管理。针对上述问题,首先通过扩展GBT30428.2-2013标准,完成了城市基础设施的分类与编码;然后基于多粒度时空对象数据模型（Multi-granularity Spatiotemporal Object Data Model, MGSTODM）,提出了一种城市基础设施对象化描述模型,支持对城市基础设施信息的全方位描述与表达;在此基础上,提出一种城市基础设施对象化管理方法,设计了相应的技术架构,并研制了基于云存储的百万级城市基础设施对象化管理原型系统。试验结果表明,所提出的城市基础设施对象化描述模型与管理方法具备可行性、有效性和高效性。

关键词： 新型智慧城市; 城市基础设施; 分类编码; 多粒度时空对象; 对象化建模; 时空数据模型; 设施管理; 管理架构

本文引用格式

杨飞 , 华一新 , 李响 , 李坡 , 杨振凯 , 曹一冰 . 基于多粒度时空对象数据模型的城市基础设施建模与管理[J]. 地球信息科学学报, 2021 , 23(11) : 1984 -1997 . DOI: 10.12082/dqxxkx.2021.210400

Abstract

The construction of new smart cities has been proposed as an important strategic goal in the 14th Five Year Plan of China. Information management of urban facilities lays a solid foundation for the construction of new smart cities, which relies on the standard, uniform, and detailed modeling and management of such facilities. Current solutions for urban facility modeling are mainly based on three models, i.e., spatial data model using maps as templates, traditional object-oriented spatial data model, and real-time GIS data model. However, limited by the traditional visualization approaches of computers, it is hard for spatial data model using maps as templates to describe and express the hierarchical structure, behavioral interaction, and other necessary information of urban facilities with the data organization method of “geometry & attributes”; traditional object-oriented spatial data model can be used to describe the geometry, attributes, and relationships of urban facilities, but the hierarchical structure and behavioral interaction are still not considered in this model; the object state of real-time GIS data model mainly records traditional spatial and thematic attributes of urban facilities, while lacking the description of the composition structure and behavioral capabilities of temporal and spatial objects. Therefore, all the three models are unable to support the comprehensive and microscopical expression of facility objects. Current related research of urban facility management can be seen mainly in the domains of computer, Internet of Things (IoT) or Geographic Information System (GIS). Research in the domains of computer and IoT mainly focuses on the management of the data generated by urban facilities, ignoring the management of the facilities' own information; real-time GIS in the domain of GIS realizes the management of the information of facility spatiotemporal entities by managing facility data instead of facilities themselves. For example, it expresses taxis and cameras with the real-time data stream of them. Therefore, it still cannot support the management of the facilities' own information. To solve the problems above, firstly the classification and coding of urban facilities was completed by extending the GBT30428.2-2013 standard; then an urban facility object description model based on the Multi-granularity Spatiotemporal Object Data Model (MGSTODM) was proposed, which supports comprehensive description and expression of urban facilities' information; furthermore, an urban facilities management method was proposed, with the design of the corresponding technical architecture and the implementation of the prototype system for the mega level urban facilities management based on cloud storage afterwards. Finally, the proposed object description model and management method of urban infrastructure was proved to be feasible, effective, and efficient.

Key words： new smart city; urban facility; classification and coding; multi-granularity spatiotemporal object; object-oriented modeling; spatiotemporal data model; facility management; management framework

1 引言

新型智慧城市建设是我国“十四五”规划的战略性内容,也是当前智慧城市发展的全新模式[1],其基本工程逻辑是构建统一的开放式系统平台,对城市基础时空信息和管理对象等要素进行采集、存储、处理、建模、表达、分析与应用,从而找出解决方案,优化城市系统,解决城市问题[2]。因此,城市基础设施的全方位、标准化建模与信息化管理成为新型智慧城市建设的重要基础。城市基础设施建模方面,目前的相关研究主要集中在GIS领域,基于时空数据模型将设施描述为时空对象,涉及的时空数据模型主要有3类：① 以地图为模板的空间数据模型,即矢量/栅格数据模型;② 面向对象空间数据模型;③ 时态GIS数据模型。以地图为模板的空间数据模型以矢量/栅格的形式表达现实世界的地理要素;传统的面向对象空间数据模型将地理现象和实体按照空间特征分为点、线、面、体4种基本对象以及由基本对象组成的复杂对象,支持对地理实体空间特征、属性特征和拓扑关系的建模[3];时态GIS目前以实时GIS为发展前沿,而实时GIS数据模型（Real-time GIS Data Model）作为典型的时态数据模型,面向动态目标与传感器等实时观测数据的建模,可以将时空过程、地理对象、时空事件等相关要素整合在一个数据模型中[4],实现了对象化的设施信息描述与组织。城市基础设施管理方面,新型智慧城市建设中的城市基础设施数量通常在百万级以上,设施及其数据种类要尽可能的全覆盖,设施信息管理应该具有全方位和时变特征。实现对城市基础设施自身及其产生数据的一体化、全要素、动态化和全生命周期管理是当前和未来新型智慧城市建设的实际应用需求,也是目前该领域的一个技术难点,目前的相关解决方案常见于计算机、物联网和GIS领域。计算机领域采用实时数据库或实时系统对时间高敏感信息进行管理,其中实时数据库（如Firebase）主要面向实时性要求较高的数据密集型应用,用于大规模动态数据的实时存取以及数据间动态依赖关系的维护[5,6];实时系统的功能更为完整,包括实时信息的采集、管理、分析与可视化[7]。GIS领域主要采用时态GIS（TGIS）对城市基础设施和数据进行管理[8],其中实时GIS是重要的前沿技术,支持对高时间粒度的位置敏感数据的高吞吐量与快速处理,并通过其时空数据模型中关于时空过程、地理对象及其状态等概念的建模,支持对时空实体自身信息的管理[9]。物联网领域已经建立了众多技术成熟的商业平台或开源平台,如Bosch IoT、Google Cloud IoT、华为IoT管理平台等,目前以管理感知型设施为主,相关研究主要体现在2个方面：① 设施的标准化接入,即基于对多种通信协议的集成适配或转换,开发统一的通信模组,实现设施从物理层向网络层的统一接入;② 设施数据的集成管理,即基于现有或自研的物联网开放平台,对设施产生的实时数据进行管理和分析,满足高现势性的应用需求。
为满足新型智慧城市建设对城市基础设施精细化建模与管理的应用需求,需要构建全方位、标准化的城市基础设施对象化描述模型,对包括原位设施、移动设施、模拟设施以及设施产生的时序数据在内的所有对象进行统一管理。上述的当前解决方案还存在以下问题和难点需要解决：城市基础设施建模方面,以地图为模板的空间数据模型受限于计算机的机器本质,这种“空间+属性”的描述与组织方式很难有效表达城市基础设施实体对象的层次结构、行为交互等其他必要信息;传统的面向对象空间数据模型主要描述地理实体的空间、属性和关系,其底层数据描述与组织仍是基于矢量/栅格数据模型,无法实现真正意义上的设施对象化描述,并且仍不支持对设施对象层次结构、行为交互等必要信息的描述与表达;实时GIS数据模型中的对象状态主要记录传统的空间和专题属性信息,缺乏对时空对象组成结构、行为能力等要素的描述,无法全面、精细地表达设施对象信息。城市基础设施管理方面,计算机和物联网领域侧重于管理设施产生的实时数据,忽略了对设施自身信息的管理;实时GIS的设施管理是通过数据代表对象的方式实现,例如以出租车的实时轨迹数据代表出租车、以摄像头的实时视频流代表摄像头,其本质仍是对设施产生数据的管理。可见,现有的城市基础设施管理方法均侧重于对设施产生数据的管理,对设施自身信息的管理研究不足,无法满足新型智慧城市建设的应用需求。
图1 基于MGSTODM的城市基础设施建模与管理总体研究框架

Fig. 1 Research framework of urban facilities modeling and management based on MGSTODM

以面向对象的方式建模现实世界是目前GIS数据模型最前沿的发展方向。华一新等[11]从数据模型的角度,提出了一种面向全空间信息系统[11,12]的时空数据模型,即多粒度时空对象数据模型（以下简称MGSTODM）,该模型从时空参考、空间位置、属性特征、关联关系、空间形态、组成结构和行为能力等方面对时空实体进行全方位描述,为基于面向对象的方式构建城市基础设施的数字世界提供了模型层面的理论支撑。相比传统以地图为模板的空间数据模型,MGSTODM采用面向对象的方式建模现实世界,具有全尺度、全类型特征,模型更直观、更形象;相比传统的面向对象数据模型和时态数据模型,MGSTODM增加了对象组成结构、行为能力等信息的描述,表达内容更丰富、更全面、更符合实际[13]。
本文针对当前新型智慧城市建设在城市基础设施建模和管理两方面存在的问题,制定的研究框架如图1所示。首先通过扩展GBT30428.2-2013标准[14],对城市基础设施进行分类与编码,将其分为若干个设施类型;然后基于MGSTODM提出一种城市基础设施对象化描述模型对各类设施进行建模,将其转化为相应的时空对象类,每个设施时空对象类可以实例化为多个设施时空对象;在此基础上,提出一种城市基础设施对象化管理方法,设计统一的城市基础设施管理技术架构,并研制基于云存储的百万级城市基础设施对象化管理原型系统,对基于上述建模创建的百万级城市基础设施试验对象进行集成管理。通过试验可知,所提出的对象化描述模型与管理方法具备有效性与可行性。

2 城市基础设施对象化建模方法

2.1 基于MGSTODM的城市基础设施时空对象模型

2.1.1 城市基础设施分类与编码
为规范数字化城市管理信息系统的建设与运行,我国制订了《数字化城市管理信息系统》[14]标准,其中第2部分（GBT30428.2-2013）对城市部件要素的明确分类编码是本文城市基础设施分类与编码的重要基础。该标准将城市部件分为公用设施、交通设施等5大类,每大类的编码遵循图2所示的规则。基于该部件代码,任意一个城市部件的标识码可表示为“部件代码+顺序代码”,其中顺序代码表示部件定位标图顺序号,采用从000001开始由小到大的6位数字顺序编写。例如,对于“北京市东城区安定门东大街南侧,小街桥路口50 m处步行道上一电力井盖”,由于东城区的行政区划编码为110101,部件大类代码为01,小类代码为05,普查测绘和标图定位的顺序号为001525,因此该电力井盖的标识码为1101010105001525。
图2 城市部件类代码结构

Fig. 2 Urban objects class coding structure

城市基础设施具有典型的多样性特征,对其进行分类和编码时首先考虑基于现有的分类编码标准,而上述GBT30428.2-2013标准对城市部件要素的明确分类编码可以提供良好基础。但不同类型的城市基础设施具有不同的存在形式,将其转化为MGSTODM对象时需要进行更精细的分类。本文将城市基础分为物理设施和虚拟设施2个大类,其中物理设施是指现实世界中真实存在的设施实体,虚拟设施是指能够对物理设施的数据采集与传输过程进行模拟的设施;然后根据是否具有行为能力,物理设施和虚拟设施都可分为静态设施与动态设施;最后根据设施的位置是否发生变化,将设施分为原位设施和移动设施。例如,桥梁、建筑等设施通常是静态的,不具备移动或行为特征,本文将其定义为静态设施,并且属于原位设施;道路上的车辆、空中的无人机、路灯上的光敏传感器、建筑上的倾角计等设施通常是动态的,并且车辆和无人机类的设施相比光敏传感器和倾角计类的设施具有移动行为,本文分别将其定义为动态设施中的移动设施和原位设施;此外,各种数据模拟器、仿真程序能够对物理设施的数据采集与传输过程进行模拟,本文将其定义为虚拟设施。综合以上分析,给出城市基础设施分类与编码方案以及各分类的实例,如表1所示。
表1 基于扩展GBT30428.2-2013标准的城市基础设施分类与编码

Tab. 1 Urban facilities classification and coding based on the extension of GBT30428.2-2013 standard

一级分类 一级编码 二级分类 二级编码 三级分类 三级编码 四级分类与编码 实例
物理设施 0 静态设施 0 原位设施 0 与GBT30428.2-2013一致 城市道路、桥梁、建筑等
动态设施 1 原位设施 0 与GBT30428.2-2013一致 交通监控摄像头、路灯上的光敏传感器等
移动设施 1 与GBT30428.2-2013一致 车载GPS、船载显示器、无人机上的红外传感器等
虚拟设施 1 静态设施 0 原位设施 0 与GBT30428.2-2013一致 建筑模型、仿真街道等
动态设施 1 原位设施 0 与GBT30428.2-2013一致 虚拟摄像头
移动设施 1 与GBT30428.2-2013一致 轨迹模拟器、无人机仿真程序等
同样以上述电力井盖为例说明上述方案实施的一般过程：首先根据GBT30428.2-2013标准,该电力井盖的标识码为1101010105001525;然后由于该井盖属于物理设施中的静态设施,并且属于静态设施中的原位设施,因此按照表1所示的分类与编码规则,其编码前缀为000;最后通过将编码前缀与基于GBT30428.2-2013标准的标识码进行组合,该电力井盖的最终标识码为0001101010105001525。
2.1.2 多粒度时空对象数据模型（MGSTODM）
MGSTODM是全空间信息系统的核心数据模型,将现实世界中的实体抽象为多粒度时空对象,从时空基准、空间位置、属性特征、关联关系、空间形态、组成结构和行为能力等方面描述现实世界的实体。其中,① 时空基准描述时空实体的基本参照,包括时间基准和空间基准两方面;② 空间位置描述时空实体在所属时空基准下的地理定位;③ 属性特征描述时空实体的自然或社会属性信息;④ 关联关系描述时空实体间的相互关系,如空间关系、时间关系、语义关系等[15];⑤ 空间形态描述时空实体的形状或存在形式,如点、线、面、体等矢量要素形态、栅格影像形态等[16];⑥ 组成结构描述时空实体的内部逻辑结构与组成关系[17];⑦ 行为能力描述时空实体引起外部环境、其他对象或自身状态发生变化的能力[18,19]。
2.1.3 城市基础设施对象化描述模型
基于上述分类编码扩展和数据模型,构建基于MGSTODM的城市基础设施的对象化描述模型,如图3所示。顾及原位设施与移动设施二者的差异性,对原位设施从时空基准、空间位置、属性特征、关联关系、空间形态和组成结构6个方面进行描述,而对移动设施在原位设施描述模型的基础上,增加了行为能力描述。
图3 基于MGSTODM的城市基础设施的对象化描述模型

Fig. 3 Object description model of urban facilities based on MGSTODM

相比以地图为模板的矢量/栅格数据模型、传统面向对象数据模型和时态数据模型,上述数据模型增加了对城市基础设施的组成结构和行为能力建模,因此能够更全面、更精细地描述城市基础设施时空对象信息;此外,该模型在底层数据组织与描述上以城市基础设施时空对象为基本单元,并且对图3所示的设施对象时空基准、空间位置等各方面都定义了独立而完整的数据格式,因此从真正意义上实现了设施的对象化建模。组成结构和行为能力建模是该模型相比现有模型特有的内容,下面分别详述二者的建模过程。

2.2 城市基础设施组成结构建模

在MGSTODM中,组成结构用于描述时空对象的组成部分以及各部分之间的关系。基于MGSTODM进行组成结构建模,有利于从更细粒度上对设施时空对象进行解构分析,揭示设施时空对象的内部组成机制;同时,对象各组成部分的重要性可能存在差异,对设施对象的组成结构建模有利于按照对象各组成部分的重要程度对其进行有效区分。对城市基础设施的组成结构建模如图4（a）所示,整个组成结构模型可视为一个层次数据模型,上下层级之间为父子关系,每个时空对象是父对象,其各个组成部分是子对象,每个子对象又可递进分解为更多的组成部分,即更多的子对象。

2.3 城市基础设施行为能力建模

MGSTODM中行为能力用于描述时空对象间的相互控制与响应,是指对象引起外部环境、其他对象或自身状态发生变化的能力。基于MGSTODM对城市基础设施的行为能力建模过程如图4（b）所示,首先将设施对象的具体动作（如摄像头镜头的旋转、无人机的起飞）统一抽象为行为能力,将具有相似特征的行为能力抽象为行为类型;然后以设施对象类型为基础,其与行为类型之间为多对多关系,即一个设施对象类型具有一种或多种行为,而多种设施对象可具有同一类行为;行为类型与行为能力之间为一对多关系,即一个行为类型可以实例化为一个或多个行为能力;在技术实现上,将每个行为能力实现为一套行为组件,且对每套行为组件的输入与输出参数进行标准化约束。
图4 城市基础设施的组成结构与行为能力建模

Fig. 4 Composition structure and behavioral description model of urban facilities

3 城市基础设施对象化管理方法

3.1 管理架构

为了应对新型智慧城市建设中对百万级及以上城市基础设施管理的应用需求,提出一种基于云存储的可扩展管理架构,对上述基于MGSTODM的城市基础设施时空对象（为便于描述,以下简称设施对象）进行集成管理,如图5所示。为体现该管理架构与上层应用体系间的关联,图中涉及到了可视层与应用层,形成针对百万级城市基础设施时空对象的“云+端”的综合管理、可视分析与集成应用的微服务架构。该架构中,数据层基于2.1节的城市基础设施对象化建模,将待管理的城市基础设施、设施产生的数据以及其他基础地理数据统一转换为图3所描述的时空对象,其中设施对象和设施数据涉及所有类型的城市基础设施,基础地理数据用于设施的时空关联分析,主要包括地形数据、底图数据、矢量数据和3D模型数据等;管理服务层用于定义和提供基于MGSTODM的城市基础设施对象化管理的核心服务、操作和算法,对基于MGSTODM转换生成的设施对象进行集成管理,是本文城市基础设施管理的核心方案层;作为一种全新的城市基础设施管理方案,需要重点解决的技术问题包括六个方面,分别是设施对象存储、设施对象缓存、设施对象索引与查询、分析计算服务、设施对象关联以及集群扩展与一致性维护。
图5 基于云存储的百万级城市基础设施对象化可扩展管理架构

Fig. 5 The scalable framework of Mega level urban facilities object-oriented management based on cloud storage

3.2 管理方法

3.2.1 设施对象存储与缓存方法
（1）设施对象存储
建模生成的设施对象及其数据具有典型的多样性与海量性特征,采用传统的单一式、集中式数据管理方案很难满足数据管理的需求。为了有效应对设施对象及其产生数据的多样性问题,提出了一种如图6所示的“混搭式”存储架构对设施对象进行存储。具体地,采用对象-关系数据引擎存储设施对象的时空信息和属性信息,采用图数据引擎存储设施对象之间的关联关系,采用流数据引擎存储设施对象产生的时序数据,采用分布式文件系统存储设施对象的专业模型数据,并且设施对象和设施数据之间通过对象的唯一标识ID进行绑定。为了有效应对设施对象及其数据的海量性问题,采用当下主流的分布式存储策略对设施对象进行存储,特别是为了顾及上述的“混搭式”存储需求,所选取的对象-关系数据引擎、图数据引擎都支持分布式的部署需求。
图6 基于“混搭式”策略的城市基础设施存储与缓存

Fig. 6 Urban facilities storage and cache based on the "Mix and Match" strategy

（2）设施对象缓存
对于一个信息管理系统,大量密集的数据访问势必会增大系统的IO压力,而重复的热点数据访问甚至会大幅降低系统的运行效率。为了减小设施对象查询时大量重复请求和热点数据访问对分布式管理系统造成的压力,建立了一种设施对象缓存机制,使用单独的缓存数据库以提升对象查询的响应性能。具体技术上,采用开源、高性能的分布式内存数据库,在各主、从数据库节点的逻辑上层部署一个缓存层,以支持设施对象、文件和数据等多种结构的数据缓存,有效提升数据访问调度的效率。
3.2.2 设施对象索引与查询方法
针对不同类型数据的查询,通常需要构建不同的数据索引。由于上述生成的对象化设施数据具有典型的多样性特征,采用传统的B树、B+树等索引无法同时满足分布式、多类型、高效率的查询需求。提出一种混合索引策略,对设施对象和设施产生的数据分别构建不同的索引,以满足查询需求,提升查询效率。具体地,对于设施对象,采用分布式倒排索引机制,尽可能地在内存中构建索引,从而大幅减少磁盘读取操作,相比传统索引具有更高的查询效率[20]。设施产生的数据以时序数据为主,具有显著的海量性、动态性、多源异构性和时空复杂性特征。由于建模过程中每个设施对象与其产生的数据通过对象ID关联绑定,因此对结构化的设施数据（如轨迹数据）构建列式数据库的多列索引,对实时视频等非结构化数据构建基于关键字的倒排索引,对其他类型的设施数据则构建列式数据库的主键索引,以满足异构设施数据的分布式查询需求。在此基础上,支持包括基于对象ID查询、基于关键字查询、基于时间范围查询、基于空间范围查询以及基于组合条件查询等方式在内的多种查询。
3.2.3 设施对象编辑与交互方法
数据编辑与交互是数据管理的重要一环,提供数据的增、删、改等操作算子。区别于传统的城市基础设施管理方法,本文的管理以设施对象为单元,因此必须提供面向设施对象的编辑与交互。本架构从数据库层面支持设施对象的创建、修改、删除等操作,并且针对这些编辑操作提供图形化交互,支持设施对象的交互式创建、修改与删除。具体地,基于全空间信息系统的建模工具,实现3个方面的编辑与交互方式：① 设施对象类模板创建和类模板实例化,生成新的设施时空对象;② 从7个方面要素对设施对象进行编辑修改,实现对象更新;③ 设施对象删除,通过标准的数据库接口或建模工具删除设施对象。此外,架构还支持三维模型编辑、在线绘制、数学量算等交互式编辑功能。
3.2.4 分析计算服务
地理分析计算是空间数据管理的核心内容,也是支撑空间信息系统顶层应用的关键技术。传统的设施管理以设施产生数据的管理为主,而本文的管理以设施对象为单元,因此即使提供与传统空间信息系统相同类型的分析计算服务,由于底层数据模型的差异,也需要将这些方法重新实现为基于设施对象的分析计算服务。为支持图5的可视层和应用层中百万级城市基础设施的可视化与分析应用,实现了多种设施对象时空分析计算服务,包括通视分析、地理围栏、叠置分析、缓冲区分析以及设施信息统计、属性过滤等。这些服务可以为实现更复杂的可视分析应用提供重要的分析计算资源,即复杂应用场景的实现或推演可以视为多个分析计算服务的组合。
3.2.5 设施对象关系管理方法
传统的关系型数据库、多数NoSQL数据库（如键值数据库、文档数据库、列数据库）对数据之间关系的存储和管理效率不够理想,需要采用索引、外键、表连接等额外的机制实现,无法满足新型智慧城市建设中时空对象之间关联关系的高效查询需求。相比之下,图数据库更专注于数据之间联系的存储和查询,其多层关联查询和反向查询效率远高于关系数据库和其他NoSQL数据库。因此,架构采用图模型和图数据库对设施对象的关联关系进行描述和管理,支持对设施对象间的时空关系、语义关系等关系的管理。
3.2.6 集群扩展与一致性维护方法
采用传统的集中式、单一式数据管理方案无法对上述建模生成的海量、多类型设施对象及其数据进行有效管理,其中一个重要原因在于传统方案无法支持海量数据条件下的有效集群扩展与一致性维护。为解决这一难题,架构用于数据存储与缓存的所有数据库均采用建立在分布式集群上的分布式存储系统,均支持横向扩展,支持在不宕机的情况下添加硬件,从而提升集群的存储与处理能力。此外,采用版本管理思想对设施对象创建及后续操作的版本进行记录和维护来保证对象的一致性。例如,存储流式数据的实时数据库对外提供的接口允许用户创建、删除实时数据,即使后期出现数据不一致,也可根据数据库中的初始版本进行恢复,在保证数据一致性的同时可以避免数据丢失。

4 试验与分析

为验证本文提出的对象化描述模型与基于该模型的城市基础设施管理方法的有效性与可行性,基于图3所示的描述模型,利用全空间信息系统的交互式建模工具Designer和Creator创建了百万级城市基础设施时空对象,然后基于图5所示的管理架构研制了城市基础设施管理试验系统,实现了对所创建百万级对象的有效集成与管理。

4.1 城市基础设施时空对象建模

4.1.1 百万级设施对象创建
基于上述Designer和Creator建模工具,依次创建时空域（ST Domain）和对象类模板,然后实例化创建设施对象。以创建“摄像头镜头001”对象为例,首先在Designer中选择该对象所在的时空域（如“地球”、“苏州市”等）,然后在该时空域中创建类模板“镜头”,最后在Creator中基于设施对象的组成结构、行为能力等7个方面要素,创建该对象,如图7所示。重复上述过程,创建实验所需的所有城市基础设施时空对象。本次试验生成对象的原始数据主要通过地理国情监测云平台（GIM Cloud）[21]、比格图（BIGEMAP）[22]等开源平台下载获得,然后通过上述建模工具共创建1 184 908个设施对象,涵盖行政区划、城市建筑、城市道路、社会服务设施、社会部件设施5个大类,共包含117个对象小类,这些设施对象的统计信息如表2所示。
图7 基于交互式工具的城市基础设施对象化建模

Fig. 7 Urban facility objects modeling based on interactive tool

表2 百万级城市基础设施试验对象的统计信息

Tab. 2 The statistics of mega level urban facility objects for test

对象大类 包含的对象小类数量/个 包含的对象数量/个
行政区划 3 28
城市建筑 1 308 592
城市道路 1 2194
社会服务设施 15 21 621
社会部件设施 97 852 473
合计 117 1 184 908
4.1.2 建模效率分析
此外,从建模效率的角度,将本文建模方法与传统建模方法（以ArcGIS的Geodatabase建模为例）进行对比。选用上述百万级城市基础设施对应的原始数据,通过：① UML统一建模、② UML转XML、③ 导入ArcCatalog中通过CASE工具生成Geodatabase对象等过程,实现了百万级城市基础设施的Geodatabase建模;然后将此过程的耗时与上述基于MGSTODM的百万级城市基础设施建模的耗时进行对比,结果如表3所示（通常,建模的结束以完成对象的创建与持久化存储为标志,因此这里的建模时间同时包含了对象创建与入库的时间）。从表3各项结果对比可知,虽然基于MGSTODM的建模方法相比Geodatabase建模方法耗时更长,但是二者效率总体差异不大,总耗时差异小于0.5%,证明基于MGSTODM的建模方法具有较高的效率。
Tab. 3 The efficiency comparison between MGSTODM-based and Geodatabase-based modeling method
对象大类 包含的对象数量/个 基于MGSTODM的建模耗时/s 基于Geodatabase的建模耗时/s
行政区划 28 3 3
城市建筑 308 592 47 540 47 248
城市道路 2194 362 347
社会服务设施 21 621 3371 3305
社会部件设施 852 473 141 154 141 098
合计 1 184 908 192 430 192 001

4.2 城市基础设施时空对象管理

4.2.1 系统研制
基于3.1节的管理架构,研制了百万级城市基础设施管理试验系统,系统界面如图8所示。系统基于CentOS操作系统,采用微服务架构,基础层部署在云端,利用Google开源容器集群管理系统Kubernetes对Docker集群进行自动化部署与管理。在此基础上,对4.1节创建的百万级城市基础设施对象进行管理。系统管理的是基于城市基础设施对象化描述模型构建的设施时空对象,能够对设施对象的7个方面要素进行展示,从而与计算机、物联网、GIS领域的传统设施管理方案相区别。
图8 百万级城市基础设施对象化管理试验系统界面

Fig. 8 Experimental system for mega level urban facility objects management

4.2.2 功能实现
系统对第3节中阐述的所有城市基础设施管理方法均进行了相应的功能实现,下面重点展示城市基础设施对象存储与缓存、对象索引与查询等功能,然后对系统实现的其他功能仅作简要介绍。
（1）城市基础设施对象存储与缓存
系统采用基于PostgreSQL的对象关系数据库BeyonDB存储设施对象的时空和属性数据,采用图数据库Neo4j存储设施对象之间的关联关系,采用Geomesa-Hbase套件和Geomesa-Kafka套件持久化存储和实时处理设施时序数据,采用HDFS存储大文件,采用MongoDB存储专业模型数据。此外,系统在各主、从数据库节点的逻辑上层均部署了一个缓存层,并采用开源的分布式内存数据库Redis实现对城市基础设施对象、文件和数据等多种形式数据的缓存。
此外,组成结构与行为能力建模是本文的设施对象化描述模型相比其他模型的特色,建模结果是设施对象可以具有自身的组成结构与行为能力,并且可以在系统中进行可视化。例如,系统实现了楼宇对象的数字化管理,可以对其组成结构进行可视化;如图9（a）所示,系统中存储的楼宇对象是由若干楼层组成的,而这些楼层被分别建模为子对象,与父对象一样具有自身的7个方面要素特征,这样的多粒度结构有利于用户按实际应用中的粒度需求进行精细化的查询与分析。再如,当某区域上空有未知无人机侵入地面雷达探测器的侦测范围时,将触发雷达探测器的报警行为,警务人员可据此及时采取相应的防护措施,如图9（b）所示。
图9 城市基础设施的组成结构与行为能力

Fig. 9 Composition structure and behavior of facilities

（2）城市基础设施对象索引与查询
采用Elasticsearch构建设施对象的分布式倒排索引,通过在内存中构建索引来减少磁盘IO操作,提升索引效率;对于设施产生的结构化时序数据通过对象ID、对象类型OType在Geomesa-HBase中建立多列索引,对于非结构化时序数据以对象ID为主键在Geomesa-HBase中构建主键索引。在此基础上,提供基于对象ID、基于关键字、基于时间范围查询、基于空间范围查询和基于组合条件等多种条件的查询功能。以查询“2014年9月1日到2021年6月17日、自定义多边形范围内的所有城市基础设施对象”为例,该查询属于时空范围查询,其查询过程与结果如图10所示。
图10 基于时空范围的城市基础设施对象查询

Fig. 10 The urban facility objects query based on spatiotemporal range

（3）其他功能实现
系统实现了3.2节中涉及的其他管理方法,包括：① 城市基础设施对象编辑与交互。系统提供数据库层面的城市基础设施对象创建、修改、删除等功能,并且针对这些编辑操作提供图形化交互功能,具体过程已经在图7中体现。此外,还提供三维模型编辑、在线绘制、距离与面积量算等交互式编辑功能,支持对设施对象模型的实时编辑与量算;② 城市基础设施对象分析计算服务。系统提供针对百万级城市基础设施对象的多种时空分析计算服务,可以为实现更复杂的可视分析应用提供重要的分析计算资源。例如,系统提供针对城市基础设施的统计分析、时空趋势分析等分析计算功能; ③ 城市基础设施对象关联。系统采用图模型和图数据库对设施对象的关联关系进行描述、存储和管理,支持对对象间关联关系的存储、查询与可视化。例如,在数据库中构建化工厂与周边公司、居民楼等对象的关联关系,一旦化工厂发生泄露事故,可以在系统中及时查询与工厂可能影响到的对象,从而高效地组织人员疏散与撤离工作;④ 系统集群扩展与一致性维护。本实验系统所选择的各个数据库,包括存储对象时空和属性数据的BeyonDB,存储对象关联关系的Neo4j,存储流式数据的Geomesa-HBase、Geomesa-Kafka,存储模型数据的MongoDB,均支持分布式横向扩展。同时,系统支持不同时间下不同版本的设施对象管理,保证在设施对象增、删、改等操作时对象及其操作的一致性。以对昆山政区对象的一致性维护为例,系统中存储了昆山政区对象在2018年和2019年等不同年份中的城市经济规模、人均生产总值等数据,这两个年份的昆山政区作为不同版本的两个对象存储于数据库中,当对其中某个对象进行操作时,对另一个对象没有任何影响,从而保证了对象及其操作的一致性。
4.2.3 系统性能分析
本节主要以系统在不同体量的数据集条件下的查询响应时间这一参数为例来分析系统的整体性能,所采用的硬件环境和软件环境与4.2.1节保持一致。查询方式选用上述基于对象ID、基于关键字、基于时空范围和基于组合条件共4种类型,测试数据集分别选用设施对象数量为20万、40万、60万、80万和100万时的5个量级,依次记为C1、C2、C3、C4和C5,其统计信息如表4所示。为避免设施类型对查询响应时间可能造成的影响,从C1~C5,各类设施对象的数量与设施对象总数同比例增长。然后对本文的百万级城市基础设施对象化管理试验系统的性能测试方法是,分别在C1~C5共5个体量的数据集上测试上述4种查询的响应时间,结果如图11所示,其中每种查询的响应时间均通过测试500次后取平均值得到,并且实验中基于组合条件查询以基于“时间范围+空间范围”的复合条件查询为例,例如上述的“2014年9月1日到2021年6月17日、自定义多边形范围内的所有城市基础设施对象”。
表4 面向系统性能分析的测试数据集

Tab. 4 The test data set for system performance analysis

对象大类 C1 C2 C3 C4 C5
行政区划 5 10 15 20 25
城市建筑 52 568 105 136 157 704 210 272 262 840
城市道路 352 704 1056 1408 1760
社会服务设施 3514 7028 10 542 14 056 17 570
社会部件设施 143 561 287 122 430 683 574 244 717 805
合计 200 000 400 000 600 000 800 000 1 000 000

注：C1~C5依次表示设施对象数量为20万、40万、60万、80万和100万时的测试数据集。

从图11可以看出： ①本文的城市基础设施对象化管理试验系统可以有效提供基于不同数据集和查询条件的设施对象查询,当对象数量达到百万级时,基于组合条件的系统查询响应时间在秒级（平均约为2.632 s）,其他查询类型的响应时间均在1 s及以内,证明所研制的试验系统具有较高的查询效率;② 对于每种查询类型,当存储的对象数量成倍数增长时,查询响应时间始终保持了较均匀的线性特征,证明系统查询在数据体量成倍增长时能够保持相对稳定的性能。
图11 不同数据集和查询条件下系统的响应时间

Fig. 11 The system response time under different data sets and query conditions

4.3 结果分析

综合图7所示的建模结果以及表3所示的效率分析可知,相比Geodatabase数据模型,基于MGSTODM的城市基础设施对象化描述模型不仅增加了对时空对象组成结构和行为能力的建模,而且具有较高的建模效率,从实践角度证实了所提出的城市基础设施对象化描述模型的可行性、有效性与高效性;综合图8—图10所示的功能展示以及其他管理功能的实现结果可知,所研制的城市基础设施管理试验系统支持设施对象的存储与缓存、索引与查询、交互式编辑、分析计算服务和关联分析等功能,并且系统支持良好的集群扩展与一致性维护,证实了本文提出的城市基础设施对象化管理方法的有效性与可行性;此外,综合表4和图11的统计分析结果可知,本文的城市基础设施对象化管理试验系统可以提供基于不同数据集和查询条件的设施对象高效查询,在数据体量成倍增长时能够保持相对稳定的系统性能,从而证实了本文提出的城市基础设施对象化管理方法的高效性。

5 结论

本文提出了一种基于多粒度时空对象数据模型的城市基础设施建模与管理方法,有效弥补了目前计算机、物联网和GIS领域在城市基础设施建模与管理相关技术研究中存在的不足。本文的创新性可以概括为2个方面：
（1）通过扩展GBT30428.2-2013标准完成了城市基础设施的分类与编码,提出了一种基于MGSTODM的城市基础设施对象化描述模型,在保证建模效率的同时,有效弥补了现有GIS数据模型对时空对象组成结构和行为能力描述与表达的不足,支持对城市基础设施时空实体信息的全方位描述与表达;
（2）提出一种对象化的城市基础设施管理方法,相应地研制了基于云存储的百万级城市基础设施管理试验系统,有效弥补了现有的设施管理方法在设施对象自身信息管理方面存在的不足,实现了设施对象及其产生数据的一体化管理。
试验结果表明,本文提出的城市基础设施对象化描述模型和管理方法具备可行性、有效性与高效性,能够实现对百万级城市基础设施的对象化建模与有效管理,可以为城市管理决策者提供有效的辅助决策支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
臧维明, 李月芳, 魏光明. 新型智慧城市标准体系框架及评估指标初探[J]. 中国电子科学研究院学报, 2018, 13(1):1-7.

[ Zang W M, Li Y F, Wei G M. Research on standards system and evaluation indicators for new type of smart cities[J]. Journal of China Academy of Electronics and Information Technology, 2018, 13(1):1-7. ]

[2]
郭仁忠, 林浩嘉, 贺彪, 等. 面向智慧城市的GIS框架[J]. 武汉大学学报·信息科学版, 2020, 45(12):1829-1835.

[ Guo R Z, Lin H J, He B A, et al. GIS framework for smart cities[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12):1829-1835. ]

[3]
武芳, 王泽根, 蔡忠亮, 等. 空间数据库原理[M]. 武汉: 武汉大学出版社, 2017.

[Wu F, Wang Z G, Cai Z L, et al. Principle of spatial database[M]. Wuhan: Wuhan University Press, 2017. ]

[4]
龚健雅, 李小龙, 吴华意. 实时GIS时空数据模型[J]. 测绘学报, 2014, 43(3):226-232,275.

[ Gong J Y, Li X L, Wu H Y. Spatiotemporal data model for real-time GIS[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(3):226-232,275. ]

[5]
Rajappa A, Upadhyay A, Sabitha A S, et al. Implementation of PingER on android mobile devices using firebase[C]// 2020 10th International Conference on Cloud Computing, Data Science & Engineering (Confluence). IEEE, 2020:698-703.

[6]
Yan H R, Zhu J B, Sun Y Y, et al. Design and implementation of intelligent building control system based on real-time database[C]// 2019 1st International Conference on Industrial Artificial Intelligence (IAI). IEEE, 2019:1-6.

[7]
Kabir M Y, Gruzdev S, Madria S. STIMULATE: A system for real-time information acquisition and learning for disaster management[C]// 2020 21st IEEE International Conference on Mobile Data Management (MDM). IEEE, 2020:186-193.

[8]
吴信才. 空间数据库[M]. 北京: 科学出版社, 2020.

[ Wu X C. Spatial Database[M]. Beijing: Science Press, 2020. ]

[9]
Li W W, Batty M, Goodchild M F. Real-time GIS for smart cities[J]. International Journal of Geographical Information Science, 2020, 34(2):311-324.

DOI

[10]
华一新, 周成虎. 面向全空间信息系统的多粒度时空对象数据模型描述框架[J]. 地球信息科学学报, 2017, 19(9):1142-1149.

DOI

[ Hua Y X, Zhou C H. Description frame of data model of multi-granularity spatiotemporal object for Pan-spatial Information System[J]. Journal of Geo-information Science, 2017, 19(9):1142-1149. ]

[11]
周成虎. 全空间地理信息系统展望[J]. 地理科学进展, 2015, 34(2):129-131.

DOI

[ Zhou C H. Prospects on pan-spatial information system[J]. Progress in Geography, 2015, 34(2):129-131. ]

[12]
华一新. 全空间信息系统的核心问题和关键技术[J]. 测绘科学技术学报, 2016, 33(4):331-335.

[ Hua Y X. The core problems and key technologies of pan-spatial information system[J]. Journal of Geomatics Science and Technology, 2016, 33(4):331-335. ]

[13]
杨飞, 华一新, 李响, 等. 多粒度时空对象行为驱动的传感设施接入方法[J]. 测绘科学技术学报, 2020, 37(5):537-544.

[ Yang F, Hua Y X, Li X A, et al. Research on sensor facilities access method driven by multi-granularity spatio-temporal object behavior[J]. Journal of Geomatics Science and Technology, 2020, 37(5):537-544. ]

[14]
中国国家标准化管理委员会. 数字化城市管理信息系统-第2部分:管理部件和事件(GBT30428.2)[S]. 2013.

[ China's Standardization Administration. Digital city management information system-part 2: Components and events management (GBT30428.2)[S]. 2013. ]

[15]
张政, 华一新, 张晓楠, 等. 多粒度时空对象关联关系基本问题初探[J]. 地球信息科学学报, 2017, 19(9):1158-1163.

DOI

[ Zhang Z, Hua Y X, Zhang X N, et al. The basic issues of associative relationship of spatial-temporal objects of multi-granularity[J]. Journal of Geo-information Science, 2017, 19(9):1158-1163. ]

[16]
王培. 多粒度时空对象空间形态理论和方法研究[D]. 郑州:战略支援部队信息工程大学, 2019:18-23.

[ Wang P. Research on the theory and method of multi-granularity spatiotemporal object spatial form[D]. Zhengzhou: Information Engineering University, 2019:18-23. ]

[17]
李锐, 石佳豪, 董广胜, 等. 多粒度时空对象组成结构表达研究[J]. 地球信息科学学报, 2021, 23(1):113-123.

DOI

[ Li R, Shi J H, Dong G S, et al. Research on expression of multi-granularity spatio-temporal object composition structure[J]. Journal of Geo-information Science, 2021, 23(1):113-123. ]

[18]
丁小辉, 张树清, 陈祥葱, 等. 时空对象行为分类与形式化表达[J]. 地球信息科学学报, 2017, 19(9):1195-1200.

DOI

[ Ding X H, Zhang S Q, Chen X C, et al. A study on the classification and formalization of the behavior of spatio-temporal object[J]. Journal of Geo-information Science, 2017, 19(9):1195-1200. ]

[19]
曹一冰, 华一新, 郭邵萌. 多粒度时空对象行为特征的描述方法研究[J]. 地理信息世界, 2018, 25(2):23-29.

[ Cao Y B, Hua Y X, Guo S M. Study on the description of behavior characteristics of spatial-temporal objects of multi-granularity[J]. Geomatics World, 2018, 25(2):23-29. ]

[20]
Tonellotto N, MacDonald C. Using an inverted index synopsis for query latency and performance prediction[J]. ACM Transactions on Information Systems, 2020, 38(3):1-33.

[21]
北京数字空间科技有限公司. 地理国情监测云平台[EB/OL]. http://www.dsac.cn, 2021-04-02.

[ Beijing Digital View Technology Co., Ltd.. Geographical Information Monitoring Cloud Platform[EB/OL]. http://www.dsac.cn, 2021-04-02.]

[22]
成都比格图数据处理有限公司. 比格图[EB/OL].http://www.bigemap.com/index.html 2021-04-02.

[ Chengdu BIGEMAP Data Processing Co., Ltd.. BIGEMAP[EB/OL]. http://www.bigemap.com/index.html, 2021-04-02.]

Options
文章导航

/

〈 〉