智慧城市关键时空数据集成方法研究与应用示范
文献类型：学位论文
| 作者 | 赵飞 |
| 答辩日期 | 2020-06 |
| 文献子类 | 博士后出站报告 |
| 授予单位 | 中国科学院地理科学与资源研究所 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 王冲 ; 齐清文 |
| 关键词 | 智慧城市 时空数据 数据集成 Cesium 特色城镇 |
| 学位名称 | 博士后 |
| 英文摘要 | 随着城市化文明进程的推进，人们日益膨胀的需求与城市日益有限的供给之间的矛盾会继续增大，未来人们生活质量和城市发展不容乐观。在此形势下，准确把 握城市发展脉络，对症下药，健康发展，成为构建智慧城市必然趋势。物联网、云计算技术的飞速发展大力推动了数字城市向智慧城市的转变。随着试点城市建设的深入进行，各地公共信息平台也基本完善，随着平台汇聚数据种类和数量的日益增多，建立科学的城市数据体系，采用数据分析手段，挖掘数据隐藏价值，分析城市脉动发展规律，对于精细化城市管理，提高城市运转效率，改善人民生活品质均起到积极促进作用。 为克服目前智慧城市建设中数据爆炸而知识匮乏的问题，本文从智慧城市关键时空数据入手，构建面向智慧城市时空信息云平台建设的城市复杂时空数据集成方法及应用系统，实现多源、异构、多维时空数据的智能集成，研究时空数据综合采集处理、统一组织与管理、大数据规模化计算和一体化分析服务等功能，从而实现城市复杂时空数据的快速、实时集成更新，同时系统集成BIM模型，为三维工程设计提供更为可靠、实用的基础资料和数据共享处理平台。总结本文的研究，主要包括以下的主要内容： 1.针对智慧城市关键时空数据，全面分析其特点，提出多源异构数据协同生 产方法。完成智慧城市复杂时空数据的界定及采集方案设计，并实现多源、异构、多维时空大数据的统一组织和管理。 2.提出了面向数据融合的智能空间数据匹配算法。针对时空数据指数级增长的情况，建立顾及上下文的时空数据空间相似性模型，系统地分析空间实体特征，分别从多源多尺度入手建立空间数据间的上下文关系；并针对水系、道路及居民地等核心要素的多源多尺度相似性进行具体分析；建立目标匹配的相似性评价体系，针对各类空间数据的具体表达形式，分别采用不同的相似度计算模型。在此基础上研究了基于SOM神经网络的空间目标匹配方法，通过样本训练确定各指标权重，并解决多重表达地理空间数据中的一对一、一对多和多对多等复杂匹配问题。最终通过将目标匹配阶段训练完成的SOM神经网络节点作为决策树的子网络，结合描述数据融合的分裂节点，并根据决策树分裂节点准则对匹配结果中的判别指标进行属性分裂和训练，自适应的生成能智能控制数据融合过程的神经网络决策树，将整个数据融合机制统一在同一框架下。 3.研发完成基于高性能计算的城市时空数据分析与决策模拟平台，研究了数据驱动的地理时空大数据规模化计算，建立面向地理时空大数据的高效IO模型，实现数据的高速、大吞吐IO; 协同利用集群、多核、GPU等异构式计算资源，实现高效能的并行化处理；建立分布式的开发环境，实现软件功能的粒度化划分，通过“众创”和“众包”方式实现功能的工具化研发；通过工具流、流水线等方式实现工具的松散集成。构建基于Cesium引擎的实时渲染与交互可视化网络三维平台，实现异构时空数据的动态可视化。研究时空演变信息的实时快速提取、查询和分析，以及海量实时监测数据的融合集成和决策分析，实现城市系统从静态向动态的全息转换。 4.特色城镇多源时空数据集成与应用。在多源时空数据集成与决策模拟技术与系统平台的基础上，以特色城镇——云南省红河哈尼族彝族自治州建水县开展示范应用，结合建水县城市防洪、交通、文化等方面开展相关智慧城市建设，形成具有实际应用价值的成果。 |
| 语种 | 中文 |
| 页码 | 81 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/194110]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 赵飞. 智慧城市关键时空数据集成方法研究与应用示范[D]. 中国科学院地理科学与资源研究所. 中国科学院地理科学与资源研究所. 2020. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。