基于改进MOST模型的三维移动目标多尺度数据组织及其管理

如何描述适应性更好的三维移动目标运动模型，如何解决移动目标数据在数据库中的表示与存储，以及具备定位、通讯能力的移动目标群在三维场景中的自适应动态可视化，是三维移动目标组织与管理的关键问题。特别是多维数据的索引机制和移动目标的碰撞检测算法，一直是学术界不断研究和探讨的焦点之一。本申请立足于三维移动目标数据具有多比例尺、动态多维、多尺度等特点，研究三维移动目标的智能处理模型和自适应可视化方法。主要研究内容包括：(1)移动目标的运动模型；(2)移动目标的数据库索引机制；(3)移动目标的碰撞检测和地形匹配算法；(3)移动目标的自适应可视化方法。通过研究三维移动目标的多尺度数据组织和自适应可视化方法，可以扩展时态数据库的应用范围，推动移动目标定位研究领域的发展，满足其日益增长的社会化需求。

本项目立足于三维移动目标数据具有多比例尺、动态多维、多尺度等特点，研究了基于改进MOST模型的三维移动目标多尺度数据组织及其管理方法。本项目提出了改进MOST模型，研究了基于改进TPR*树的三维移动目标全时段索引方法、基于稀疏定位点的三维路径插值算法、三维移动目标地形匹配算法，实现了三维场景中海量数据组织方法、基于多代理集群和多级缓存技术的移动目标快速可视化方法、大范围三维场景的数据调度管理与可视化方法，建立了一套科学的、行之有效的三维移动目标多尺度数据组织及其管理体系，解决了大范围三维场景中海量移动目标可视化问题，研发了三维移动目标实时可视化监控管理的核心算法平台。实验证明，本项目提出的三维移动目标多尺度数据组织及其管理方法能有效的管理三维场景中大量移动目标。