基于柔性导电介质的分布式裂缝轨迹检测技术

基于柔性导电介质的混凝土裂缝检测技术一直在不断改进,针对该检测技术虽然能实现裂缝分布式监测,但无法识别传感器所覆盖区域的裂缝数量、与传感器方向平行的裂缝宽度以及需要增加通道数量的问题,提出了一套导电介质传感器格栅化、实现串、并行混合式多通路裂缝数据采集系统以及建立数字孪生模型等内容于一体的监控系统与方案,改进现有导电介质传感器的结构和检测方法。通过理论与实验方法,实现了裂缝轨迹实时监测和显示。

并行栅格扫描填充路径及其规划算法

深入分析快速成形制件翘曲变形的原因后,提出一种全新的扫描填充路径——并行栅格路径及其规划算法.按照这种路径能够近似、并行地完成整个待成形二维平面区域的扫描填充过程,在减小XY向温度梯度的同时,均匀化不同位置材料成形后的冷却收缩约束力,使得不同位置材料的冷却收缩趋于同步和均匀,减小了制件的整体翘曲变形量.实验表明,该算法能够在与其他类型路径的规划算法大致相当的时间和空间复杂度下,获得扫描填充性能更加优越的路径.

地理栅格数据的并行访问方法研究

在海量地理栅格数据处理中,数据I/O性能是影响处理算法程序整体性能的关键。目前针对地理栅格数据I/O优化问题的研究成果还很有限,通过对并行程序中的数据I/O模式进行深入分析,结合栅格数据逻辑模型和物理模型的特点,提出了面向地理栅格数据的并行I/O框架;基于消息传递模型,实现了4种并行访问方法。实验证明,并行访问方法优于传统的串行访问方法和分时多进程访问方法。该研究成果可以提高并行栅格处理程序的I/O访问效率,进而提高其整体并行性能。

面向新型硬件构架的新一代GIS基础并行算法研究

随着减灾应急、流域模拟、智能交通、宏观规划、区域发展等大型地学问题的不断涌现,地理信息系统(GIS)处理的数据量和计算规模不断扩大,而主流GIS仍以串行计算为基础框架,不能充分利用和发挥当前新型硬件构架(单机多核、多机多核、集群等)计算机资源的能力,难以满足实际应用的规模与高效需求。该文在分析了基础地理算法研究现状的基础上,按计算数据的关联性将基础地理算法的计算特征分为本地计算、邻域计算、区域计算和全局计算,按计算过程的资源消耗分为数据密集型、计算密集型和I/O密集型,提出了相应的并行计算策略,包括串行算法的并行改造、并行算法的性能提升和并行算法的创新设计等。进而研发了面向新型硬件构架的新一代GIS的基础地理并行计算算法库和中间件,并已集成到国产高性能GIS平台——HiGIS中,将会促进我国GIS研究、技术、系统和应用的跨越式发展。

连通域标记算法的并行化研究

连通域标记算法在地理栅格数据分析中有广泛应用,当面对大规模地理栅格数据时,连通域标记串行算法十分耗时,亟须算法并行化。但目前连通域标记算法还缺乏并行化,更缺乏对不同并行技术实现时的性能对比。该文对常用的连通域标记两遍扫描法进行了并行化设计,并分别利用OpenMP和MPI两种并行技术实现了不同版本的并行算法,以适用于单机多核、多机多处理器等不同的并行计算硬件环境。对所实现的并行算法在单节点、多节点的不同测试环境下,以不同数据规模和不同连通域复杂度情况的数据进行效率测试,结果表明:该算法均大幅缩短了运行时间;在数据量较小且连通域数目较少的情况下更适合使用OpenMP版本的并行算法;若图像数据规模较大时,MPI并行算法更快、更高效,但是在多节点的集群环境中,如果连通域情况复杂,进程数的增多并不能保证获得更好的加速效果。

基于MPI的大规模栅格影像并行瓦片化算法

当前主流GIS软件以及互联网地图应用在Web GIS(网络地理信息系统)解决方案中都广泛采用地图切片(又称瓦片),切片处理服务是实现影像在Web GIS上快速无缝浏览的关键技术。针对目前传统算法以及商业GIS软件在大数据量栅格影像快速瓦片化方面的不足,提出一种名为ParaTile的高效栅格影像快速瓦片化方法,ParaTile基于MPI共享外存的并行技术,利用多进程对原始栅格影像进行数据划分,每个进程对其所划分的区域进行独立读写和计算,而后再按照TMS或者Google Tile定义的标准将瓦片进行编码输出。实验采用不同级别大小的遥感影像进行测试,结果表明ParaTile在面对不同规模的数据时,无论从速度还是算法稳定性上都较现有算法和工具具有显著优势,特别是当数据量越大时,这种优势愈加明显。

矢量多边形并行栅格化数据划分方法

针对多边形并行栅格化中的负载不均衡问题提出一种新的数据划分方法,主要包括:迭代计算划分线的位置,在每次迭代中保证分块间的计算量大致均衡,完成数据划分、实现负载均衡;提出基于二叉树的划分结果融合策略,以解决跨边界多边形的融合问题。在多核CPU环境下实现并行算法,选用多个典型土地利用现状数据集进行测试。结果表明:针对不同类型多边形数据集,所提方法较传统方法可获得更高的并行加速比和更好的负载均衡;针对大数据量数据集,以多边形节点数为度量标准可更精确地估算分块计算量,从而更好地实现负载均衡。

栅格地理数据模糊C均值聚类算法的并行化研究

随着数据量的急剧增长,传统的串行算法已逐渐不能满足该类计算密集算法对运行效率的需求,迫切需要并行计算的支持。为此,该文对栅格地理数据的模糊C均值聚类(Fuzzy C-Means,FCM)算法进行了并行化设计,并利用MPI实现了并行算法,同时针对并行化时传统按区域大小均匀划分数据的方式导致的负载不均衡问题,提出了按计算强度均匀划分的方法。应用结果表明,该方法显著缩短了计算时间,得到了满意的加速比。

基于边界代数法的矢量栅格化并行算法设计与实现

在遥感地学分析、空间决策分析等领域,常需要将大量的矢量数据转换为栅格数据。面对海量数据快速转换的现实需求,现有的以串行算法为主、基于传统单机单进程的矢量栅格化算法已难以满足要求。在分析现有的矢量栅格化算法的基础上,考虑到边界代数法算法简单、可靠性高、运算速度快的特点,选取边界代数法作为研究对象。在此基础上,设计了基于边界代数法的矢量栅格化并行算法,并通过MPI、GDAL、C++等工具实现,利用不同规模的矢量数据进行并行效率的测试。测试结果表明,该算法结果正确,计算效率得到明显的提升,对于大数据量转换效率的提升更显著。

面向超大型栅格数据的并行快速傅里叶变换算法

傅里叶变换是地理栅格数据处理的重要算法之一。但当面对超大型栅格数据时,传统的单个进程方法无法快速地处理出结果;而且由于多数方法需一次加载所有数据,所以很多程序难以处理超过系统内存大小的数据。该文提出一种面向超大型栅格数据的并行快速傅里叶变换算法,通过"列暂存文件"作为交换空间,实现整个数据的分步骤处理,在有限的内存空间下,可以并行地分步骤、分块地处理整个数据。实验表明,该算法可以显著提高傅里叶变换运行速度,并一直占用较低的内存空间。

一种面向复杂地理空间栅格数据处理算法并行化的任务调度方法

随着并行计算技术的成熟,地理空间栅格数据处理算法的并行化研究成为新的热点。聚焦于处理流程包含多个计算步骤的复杂地理空间栅格数据处理算法,基于空间计算域理论,提出了一个随着算法处理流程而动态变化的任务调度方法。实验证明,该方法在算法流程的每一个计算步都会调整任务分组方案,因此相比于传统任务调度方法,任务调度的负载均衡效果更好,并行算法程序的运行时间更短。

栅格数据处理中邻域型算法的并行优化方法

随着并行计算的成熟,众多数据密集型的栅格处理算法亟需利用并行计算来缩减执行时间。针对其中一类邻域型算法,构建了用于估计是时间代价的串行/并行时域模型,分析了各个组成的代价影响因素,提出了降低数据I/O代价的并行I/O方法和降低数据通信代价的光圈预测方法。实验证明,所提的两个优化方法可以使邻域型栅格处理算法的并行程序更加充分地利用并行计算资源,进而在一般并行化的基础上进一步提升其并行性能。

栅格数据空间分析中最短距离并行算法的研究

在栅格数据空间分析中,计算每个点到最近特征点的距离是十分频繁的操作。尽管针对这一问题已经有了经典的串行算法,但很难满足现今大规模的高速响应的需求。提出一种新的并行算法用于解决这一问题,利用充足的硬件资源来降低时间消耗。实验证明这一算法可以取得接近线性的加速比。

一种面向大型地理栅格数据的并行处理框架

随着高分辨率数据获取技术的发展,地理栅格数据的数据量不断增大,串行计算方式无法快速处理大型栅格数据,因此需要通过并行技术提高效率。传统开发过程将算法与进程调度、内存管理以及数据I/O混杂在一起的编程方式,对程序员要求较高,代码质量不易控制。提出了一种面向大型地理栅格数据的并行处理框架,利用核心类的真实和虚拟两种读取方式,实现了大型数据的分步骤、分块的快速加载和写入,并将所有的并行任务调度、进程间的数据传输过程以及特定的栅格算法步骤归结为任务;通过该框架可以将算法本身与并行调度、磁盘I/O等底层操作分离,使算法编写者可以专注于算法本身,降低开发难度,提高代码质量,解决了快速编写大型地理栅格数据算法程序的目的。实验表明,本框架可实现较好的并行效果,并显著降低代码量、提高软件质量。

栅格地理数据并行格式转换引擎

如今大规模地理数据正在社会各个部门和组织中迅速积累,但是由于部门利益和历史沿袭等原因,大规模地理数据共享仍然极具挑战,相应共享技术需求仍然极其旺盛。作为地理数据共享的基础方式之一,传统单机地理数据格式转换技术,一方面受限于磁盘读写及带宽瓶颈,另一方面面对日趋庞大的数据规模,已很难满足实际应用需求。因此提出一种针对栅格地理数据的并行格式转换引擎,采用高性能计算集群环境支持大规模栅格地理数据转换共享,大幅降低了大规模栅格地理数据转换过程的时间成本。栅格地理数据并行格式转换引擎采用基于公共接口的设计理念,框架灵活、具有良好的扩展性,支持地理数据格式的读写自定义以及新数据格式添加,能够实现接入数据格式间的任意两两转换。为验证引擎框架及其处理效率,在Lustre并行集群环境下以格网数据交换格式(国家地理空间数据交换格式)向常见栅格地理格式的转换为示例进行了测试实验。结果表明,栅格地理数据并行格式转换引擎能够在8个节点Lustre集群中达到7.54的良好并行加速比。

基于GPU栅格计算关键技术研究及实现

针对CPU处理栅格计算中的大量并行运算效率不高的瓶颈,选择高并发计算能力的GPU来解决该问题。通过分析GPU通用计算的关键技术,以CUDA为编程环境,分别实现了GPU中简单栅格计算、基于窗口运算的邻域分析和以汇流计算为例的栅格迭代分析。实验结果表明:CPU计算的时间消耗与输入数据长度和数据量线性正相关,GPU并发能力容纳范围内随着输入数据长度幂数增长和数据量增加,时间消耗变化不明显。证明了GPU栅格计算的有效性,具有一定的理论意义和实践价值。

基于包含检验法的多边形栅格化并行算法研究

随着对地观测技术的快速发展和数据规模的急剧增长,矢量数据快速栅格化已成为业界关注的重要研究内容。该文将并行计算技术应用于矢量多边形栅格化中,探索了矢量数据划分方法、边界栅格单元处理方法等关键问题,设计并实现了基于包含检验法的矢量多边形栅格化并行算法。基于土地利用现状数据对并行算法的精度、并行效率等进行了测试与分析。试验证明,在进程数不超过CPU核数时,并行算法的加速比随进程数增长显著;而当进程数达到CPU核数以后,并行算法加速比总体趋于稳定。并行效率与数据的划分方式、数据的存储方式密切相关,划分方式的正确与否将直接关系到算法的并行效率。

CPU/GPU异构混合并行的栅格数据空间分析研究——以地形因子计算为例

海量数据背景下传统GIS栅格数据空间分析计算效率已经不能满足快速计算的需求,为此以地形因子计算为例,分析并测试了基于共享内存模型的CPU多核并行模式与基于流处理器模型的GPU众核并行模式的计算性能,在此基础上详细实现了负载均衡的设备间任务划分,进行CPU与GPU异构混合的并行技术改良研究。实验结果表明,基于相同的单机硬件环境,与多核共享内存模型或众核流处理器的单一计算平台并行方案相比,CPU/GPU异构混合并行计算方法对于栅格数据分析具有更好的加速效果。

统一设备计算架构下的栅格河网提取并行算法

针对大规模高分辨率数字地形数据提取栅格河网效率低下的问题,提出了基于统一设备计算架构(CUDA)利用淹没模型提取栅格河网的并行算法。使用图形处理器(GPU)将汇流累积量计算分解为独立的多任务并行处理,通过数据异步传输减少数据交换时间,进而加速河网提取的运算。实验结果表明,该算法运行效率明显优于串行河网提取算法,在NVIDIA Geforce GTX660上对数据量为600 MB(网格大小为9784×8507)数字高程模型(DEM)数据提取河网加速比达到62。

并行口式Printrex 1200DL热敏绘图仪在Sun工作站上的应用

并行口式Printrex 12 0 0DL热敏打印 /绘图仪作为V80绘图仪替代品能取得较好的经济效果。文章介绍其在Sun工作站上的应用开发方法 ,包括系统设置以及详细图形控制编程操作。利用文中介绍方法可实现 12 0