声明
致谢
摘要
图索引
表索引
符号表
1 绪论
1.1 研究背景与意义
1.1.1 空间大数据的来源
1.1.2 空间大数据并行计算的必要性
1.1.3 空间大数据并行计算的关键挑战
1.1.4 研究意义
1.2 相关工作与研究现状
1.2.1 云计算在“大数据”中的应用
1.2.2 空间数据分析及其应用
1.2.3 空间大数据并行计算的技术主线
1.2.4 空间大数据并行计算方法综合评述
1.3 研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
2 顾及空间子域分布特征的空间大数据并行计算方法体系
2.1 云环境下的并行计算范式
2.1.1 无约束并行与子作业依赖关系
2.1.2 MapReduee并行计算模型
2.1.3 弹性分布式数据集计算模型
2.2 面向并行计算的异构空间数据云存储组织方法
2.2.1 空间数据表示模型
2.2.2 基于key-value的空间数据云存储组织方法
2.3 基于操作解构的并行空间计算流程表达
2.3.1 空间子域划分
2.3.2 任务分发
2.3.3 子任务执行
2.3.4 结果合并
2.4 面向解构的空间操作分类及其空间子域分布特征
2.4.1 本地空间操作及其空间子域分布特征
2.4.2 规则邻域空间操作及其空间子域分布特征
2.4.3 不规则邻域空间操作及其空间子域分布特征
2.5 空间子域的任务计算量评估
2.5.1 多维度空间子域任务计算量表示
2.5.2 空间子域计算代价评估
2.6 本章小结
3 本地空间操作的数据划分与并行化方法
3.2 基于格网子域的本地空间操作数据划分-GSBD
3.3 基于DSBD与GSBD的空间频率图并行绘制
3.3.1 数据划分
3.3.2 子任务执行
3.3.3 图像绘制
3.3.4 结果合并
3.4 基于GSBD的金字塔矢量图并行绘制算法
3.4.1 金字塔矢量图
3.4.2 金字塔矢量图并行绘制算法实现
3.5 实验与分析
3.5.1 实验环境
3.5.2 DSBD与GSBD的性能分解对比
3.5.3 金字塔矢量图计算性能分析
3.6 本章小结
4 空间子域规则分布的邻域空间操作数据划分与并行化方法
4.1 面向空间范围连接的规则邻域空间操作并行化方法-RDJOD
4.1.1 空间范围连接定义
4.1.2 空间实体邻域范围确定
4.1.3 基于格网子域的空间数据划分
4.1.4 RDDs模型上εRDJ并行化实现
4.2 面向时空立方体的规则邻域空间操作并行化方法-SCOD
4.2.1 时空立方体构建
4.2.2 时空立方体邻域范围确定
4.2.3 时空立方体子域划分
4.3 基于SCOD的大规模时空热点分析并行计算
4.3.1 时空热点
4.3.2 总体执行流程
4.3.3 热度值计算
4.3.4 多视角出租车轨迹热点识别
4.4 面向异构数据叠加计算的空间子域划分与并行化-SDHDOC
4.4.1 异构数据并行叠加计算的总体执行流程
4.4.2 空间子域划分
4.4.3 基于空间子域缓存的异构数据叠加
4.5 基于SDHDOC的大规模地表表面积统计并行化算法
4.5.1 地表覆盖表面积计算实现原理
4.5.2 基于SDHDOC的地表表面积并行计算
4.6 实验与分析
4.6.1 SCOD计算实验与分析
4.6.2 基于SDHDOC的大规模地表表面积统计实验与分析
4.7 本章小结
5 空间子域不规则分布的邻域空间操作数据划分与并行化方法
5.1.1 基本概念
5.1.2 不规则空间子域范围确定
5.2 基于UGE的KNNJ并行化实现
5.3 基于Voronoi的不规则空间子域范围确定方法-Voronoi
5.3.1 Voronoi的几何特性
5.3.2 控制点选取策略
5.3.3 不规则空间子域范围确定
5.4 Voronoi KNNJ并行化实现
5.5 实验与分析
5.5.1 控制点选取
5.5.2 K值对计算性能的影响
5.5.3 Voronoi-KNNJ与UGE-KNNJ计算性能对比
5.6 本章小结
6 结论与展望
6.1 内容总结
6.2 研究特色
6.3 工作展望
参考文献
作者简历
浙江大学;