基于N-KD树的空间点数据分组算法

随着科学技术的进步,地理空间数据的分析处理面临着数据量膨胀和计算量高速增长的双重挑战,为了解决海量数据处理速度慢的问题,本文针对空间分布不均匀的点数据,从数据并行的角度,以保持数据的空间邻近性及保证数据分组后各组数据量负载均衡为目标,提出基于N-KD树（Number-K Dimension Tree）数据动态分组的方法,其是一种面向实时变化（数据量和数据空间范围变化）的空间数据动态分组方法。该方法借鉴K-D树的创建和最临近点搜索的思想,通过方差判断数据分布稀疏程度,利用最临近点搜索方法处理边界点,实现空间范围的不均等切分,保证数据分组后各组数据量基本均衡。试验表明,该方法具有较好的动态分组效果与较高的计算效率;支持各种分布状态的空间点数据的分组;分组后各组数据量负载均衡;分组算法本身有支持并行、支持分布式协同工作模式的特点。     

地理大数据支持下的城市功能区识别研究

准确识别城市功能区有助于精细化城市管理、合理化资源配置。传统的城市功能区识别方法在很大程度上依赖实地调研及统计年鉴数据,不可避免地存在较大的主观性,且受限于数据获取的繁琐性,导致识别过程耗时耗力且效率低下。地理大数据的广泛应用为城市研究提供了一种新的方法和途径,已被用于辅助城市规划建设与管理相关工作。为推广和普及地理大数据在城市功能区识别中的应用,以特大城市为研究对象,基于OSM(OpenStreetMap)路网与互联网位置信息等地理大数据,准确识别了研究区内多种类型的主要功能区,并将识别结果与城市实景予以比较和验证。实验结果表明,基于地理大数据结合区域活跃度指标的空间与时间尺度分析,可以较为准确地识别出符合特大城市规划现状的主要功能区,证明了地理大数据支持下的城市功能区识别的有效性,有助于为城市规划和建设管理等相关工作的高效开展提供参考。