基于状态视图的高效Hilbert编码和解码算法

Hilbert曲线是高维降到1维的重要方法,具有较好的空间聚集和空间连续性,在地理信息系统、空间数据库、信息检索等方面有广泛的应用。现有Hilbert编码或解码算法未考虑输入数据对编码或解码效率的影响,因此将不同输入数据同等对待。为此,该文通过设计高效的状态视图并结合快速置位检测算法提出高效的免计前0的Hilbert编码算法(FZF-HE)和免计前0的Hilbert解码算法(FZF-HD),可快速识别输入数据前部为0而无需迭代计算的部分,从而降低迭代查询次数及算法复杂度,提高编解码效率。实验结果表明,FZF-HE算法和FZF-HD算法在数据均匀分布时效率稍高于现有算法,而在数据偏斜分布时效率远高于现有算法。

月球圈层空间立体网格技术研究

选定月固坐标系为月球圈层空间网格的坐标基础,根据月球结构及其人造月球卫星轨道分布情况划分月球基准圈层面,采用剖分曲线l和b对月球圈层面进行层次细分,实现对圈层面层次细分。然后,结合圈层径等距细分对月球圈层体进行层次细分,实现对圈层体层次细分,建立月球圈层空间立体网格模型。采用Hilbert曲线填充算法,实现对月球圈层网格统一编码,编码效率较高,为网格数据组织奠定基础。

自然资源大数据快速服务平台关键技术的研究与实现

目前行业内普遍存在难以实现海量空间数据快速服务(包括快速存取、显示、检索、分发和在线服务)的难题,制约了自然资源数据的共享应用。针对上述问题,本文提出了一套"基于分布式列式数据库和Hilbert空间编码规则优化海量空间数据的存取、检索、显示效率"的解决方案,对其具体技术路线进行了详细阐述,并进一步介绍了大数据快速服务平台研发和推广情况。本文旨为满足新时代经济社会发展对海量空间信息快速服务的迫切需求。

云环境下海量空间矢量数据并行划分算法

空间数据划分是空间大数据索引方法及其数据存储的重要组成部分。针对Hadoop云计算平台在空间数据划分及其存储方面的不足,提出了基于Hilbert空间填充曲线的海量空间矢量数据并行划分算法。在数据划分阶段,充分考虑空间数据相邻对象的空间位置关系、空间对象的自身大小以及相同编码块的空间对象个数等影响因素;通过＂合并小编码块,分解大编码块＂的划分原则,实现了云环境下海量空间矢量数据的并行划分算法。试验表明,该算法不仅能够提高海量空间矢量数据的索引效率,同时也能够很好地解决空间矢量数据在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的数据倾斜问题。