基于访问时空规律的分布式索引研究

Efficient data access is essential for extracting “Big Knowledge” from spatiotemporal “Big Data”, and the spatiotemporal indexing is one of the most important methods to support fast spatiotemporal data access. The spatiotemporal data indexing strategy, indexing data structure and indexing algorithm have become a core research topic for the Geographic Information Science (GIScience). However, traditional spatiotemporal data indexing optimization methods seldom consider the spatiotemporal pattern of data access in the data usage stage. Two scientific questions need to be answered: (1) is there any spatiotemporal patterns during the data usage stage? (2) how to utilize these spatiotemporal patterns to better support spatiotemporal data organization, data retrieval and data access? Targeting on these two scientific questions, this research project proposes a distributed indexing mechanism with spatiotemporal access patterns. The theoretical framework is as follows: (1) spatiotemporal access pattern modeling, (2) indexing structure optimizations, and (3) distributed indexing strategy. The new indexing mechanism will improve the efficiency of spatiotemporal data access, and provide scientific guidelines for handling spatiotemporal Big Data in a distributed environment using spatiotemporal patterns.

数据的高效访问是地理时空“大数据”得以高效转化为“大知识”的基础，而时空数据索引正是提升地理时空数据访问效率的关键方法。因此，时空数据索引策略、结构与算法的优化研究一直是地理信息科学的核心研究方向之一。然而，传统的索引优化研究方法往往忽视了地理时空数据在实际应用与使用阶段中的时空动态性：（1）数据在被用户访问和使用过程中，是否呈现特定的时空规律？（2）如何利用这些时空规律，对地理时空大数据进行更高效的组织、索引与访问？针对以上两个科学问题，本项目研究方案拟通过“访问规律时空建模—索引结构时空优化—分布式索引策略”的研究框架，建立基于访问时空规律的分布式索引机制，提高地理时空数据访问效率，为分布式环境下利用时空规律对地理时空大数据进行组织、访问与处理优化提供理论依据和科学指导。

数据的高效访问是地理时空“大数据”得以高效转化为“大知识”的基础，而时空数据索引正是提升地理时空数据访问效率的关键方法。基于本项目资助，申请人以顾及用户行为模式与时空规律原则的大数据时空优化方法体系为核心框架，从大数据知识转化的核心科学问题出发，针对其生命周期中的 “数据检索与访问”重点环节，提出了相关数据结构、模型、分析与优化算法，并最后探索“快速空间数据检索”在城市问题中的成果应用，成果获新华社《新华网》、《光明日报》、深圳卫视、《柳叶刀》公众号等媒体新闻报道。基于项目资助，以第一作者或通讯作者发表高水平期刊发表论文9篇，并完成专利、专著、学术交流、学生培养等一系列指标。