时空观测数据的多尺度聚集可视化分析

聚集可视化分析既是一种有效的挖掘方法，也是一种高效的可视化技术，在地图的配合下，可有效挖掘出隐藏于海量空间数据中的模式或行为。针对越来越多的大范围（甚至全球）时空观测数据，本课题结合聚类方法与虚拟地球系统两者的优势，研究点位/轨迹数据的多尺度聚集及其可视化分析问题，拟从三个方面开展研究工作：基于自适应地理格网的大范围点位/轨迹数据的多尺度聚集方法及其快速计算技术；面向虚拟地球系统的海量聚集结果（含层次关系）的组织与索引方法，以及基于视点变化的调度技术；面向虚拟地球系统的多尺度聚集结果的可视化融合与裁剪方法，以及集成二、三维符号与文字的聚集信息的探索性表达技术。本课题的研究旨在研制大范围海量点位/轨迹数据的多尺度聚集算法，提供面向虚拟地球系统的聚集可视化分析技术，从而为环境监测、智能交通等领域的研究与应用提供新的方法与工具。

虚拟地球不仅是空间信息展示软件，而且是位置相关信息的集成平台，是目前空间信息领域的研究热点之一。随着传感和通讯等技术的飞速发展，我们得以观测各类位置相关对象，包括人、车辆、动物，甚至自然现象，使得交通、监控和规划等领域累积了海量时空观测数据，有必要展开分析，从中获取信息和提炼知识。本课题即面向虚拟地球平台，利用聚类技术，开展面向大规模时空观测数据的多尺度聚类及其可视化分析。针对点位和轨迹两类时空观测数据，在经典的格网聚类和密度聚类的基础上，分别提出了自适应格网聚类和时空序列聚类算法，并通过实验验证了其有效性。同时，面向大规模栅格数据，研制了多分辨率金字塔的快速计算方法，并以覆盖全球的15米分辨率数据（约3TB）开展了建库实验，单机耗时48小时，远优于传统的逐层构建方法。针对点位聚类结果，依据虚拟地球相机结构，采用实时栅格化技术动态输出瓦片，并自适应调度多尺度聚类结果，基于全球地震数据的实验表明，该方法能用于地震观测数据的可视化分析。此外，针对实时传感器观测数据，基于非关系数据库技术设计了高效的组织结构、调度方法和服务接口，目前已研制出原型系统。面向Stop-Move轨迹模型，在聚类形成Stop对象的基础上初步开展了轨迹时空关联模型及其查询分析：提出了Stop/Move对象时空关系模型，用以分析轨迹相对于地理空间要素的时间拓扑关系，并探索了基于SQL语句处理轨迹时空关系查询的途径，基于SQL Server的实验表明该技术能够用于轨迹及其时空模式的查询分析。