仇林遙，王萌，朱慶，杜志強(qiáng)(1.武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北武漢430079；2.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川成都611756；3.地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北武漢430079)

顧及時(shí)空語(yǔ)義的多主題瓦片數(shù)據(jù)優(yōu)化檢索方法*

仇林遙1，3，王萌1，3，朱慶2，3，杜志強(qiáng)1，3
(1.武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北武漢430079；2.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川成都611756；3.地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北武漢430079)

針對(duì)虛擬地球可視化中多個(gè)邏輯圖層疊加產(chǎn)生大量同名瓦片索引重疊引起的數(shù)據(jù)無(wú)效訪問(wèn)和內(nèi)存冗余等問(wèn)題，提出顧及時(shí)空語(yǔ)義的瓦片數(shù)據(jù)優(yōu)化檢索方法。在客戶端實(shí)現(xiàn)顧及時(shí)空語(yǔ)義的自適應(yīng)瓦片優(yōu)選，將視點(diǎn)信息與數(shù)據(jù)集的時(shí)空范圍、分辨率和優(yōu)先級(jí)等語(yǔ)義信息自動(dòng)匹配與自適應(yīng)篩選過(guò)濾，顯著提高目標(biāo)瓦片數(shù)據(jù)的命中率；在服務(wù)器端實(shí)現(xiàn)面向主題的內(nèi)存數(shù)據(jù)庫(kù)瓦片數(shù)據(jù)緩存，進(jìn)一步提高瓦片數(shù)據(jù)二次訪問(wèn)的響應(yīng)速度。實(shí)驗(yàn)表明，該方法不受邏輯圖層增量影響，保證目標(biāo)瓦片較高的命中率，緩存方法進(jìn)一步提升瓦片二次訪問(wèn)效率，顯著提高面向多數(shù)據(jù)集的海量數(shù)據(jù)實(shí)時(shí)可視化性能。

瓦片金字塔；高分辨率遙感影像；自適應(yīng)匹配；瓦片優(yōu)選；內(nèi)存數(shù)據(jù)庫(kù)

通過(guò)航空航天遙感技術(shù)獲取全球高時(shí)空分辨率的遙感影像并建立覆蓋全球的數(shù)字地球已成為當(dāng)代地理信息技術(shù)的重要標(biāo)志［1-4］?；谌螂x散格網(wǎng)系統(tǒng)的空間數(shù)據(jù)組織方法實(shí)現(xiàn)了海量高分辨率遙感影像的網(wǎng)絡(luò)可視化服務(wù)［5］，并廣泛應(yīng)用于災(zāi)害管理、環(huán)境監(jiān)測(cè)、地籍管理、戰(zhàn)場(chǎng)環(huán)境仿真等領(lǐng)域?，F(xiàn)有面向公眾服務(wù)的虛擬地球平臺(tái)大多管理一個(gè)邏輯圖層。邏輯圖層指包含一個(gè)完整或者局部連續(xù)的影像金字塔的數(shù)據(jù)集合，以Google Earth為例，金字塔層級(jí)上的影像來(lái)自QuickBird，LANDSAT，IKONOS等不同傳感器［6-7］，但所有影像經(jīng)過(guò)建庫(kù)后屬于同一個(gè)邏輯圖層。在相同的層級(jí)和位置僅存在唯一瓦片，因此根據(jù)層級(jí)與行列號(hào)即可快速檢索到目標(biāo)瓦片。由于高分辨率影像數(shù)據(jù)快速且容易獲取，僅一個(gè)邏輯圖層難以滿足多元遙感數(shù)據(jù)可視化應(yīng)用需求。例如應(yīng)急救災(zāi)過(guò)程，需要應(yīng)對(duì)多源數(shù)據(jù)記錄災(zāi)區(qū)不同時(shí)相不同尺度的受災(zāi)情況與災(zāi)區(qū)場(chǎng)景。數(shù)據(jù)臨時(shí)整合至同一邏輯圖層，一方面需要長(zhǎng)時(shí)間的人機(jī)交互；另一方面，僅一個(gè)邏輯圖層難以滿足多主題圖層的對(duì)比分析、多時(shí)相展示等可視化需求。當(dāng)圖層不唯一時(shí)，以金字塔層級(jí)和行列號(hào)為索引的離散格網(wǎng)方法難以確定當(dāng)前視口所請(qǐng)求的瓦片屬于哪個(gè)圖層，傳統(tǒng)方法通過(guò)瓦片編號(hào)在所有數(shù)據(jù)集獲取目標(biāo)瓦片，導(dǎo)致以下兩個(gè)問(wèn)題:①盲目遍歷所有數(shù)據(jù)集容易產(chǎn)生大量無(wú)效查詢，增加服務(wù)端的數(shù)據(jù)庫(kù)檢索時(shí)間以及降低傳輸層中有效瓦片的占有率；②如果多個(gè)數(shù)據(jù)集在空間上存在交集(如圖1所示)，不僅同名瓦片產(chǎn)生內(nèi)存冗余，而且繪制端難以準(zhǔn)確辨識(shí)特定數(shù)據(jù)源的瓦片將導(dǎo)致繪制混亂，影響可視化的流暢度和精確性。針對(duì)以上問(wèn)題，本文提出顧及時(shí)空語(yǔ)義的瓦片檢索優(yōu)化方法。

圖1 多圖層疊加示意圖Fig.1 Overlap ofmultiple logic layers

1 全球離散格網(wǎng)瓦片數(shù)組組織模式

全球離散格網(wǎng)的基本思想是采用倍率方法形成多分辨率層次，每層細(xì)分為大小相等的矩形瓦片，瓦片包含固定數(shù)據(jù)的采樣點(diǎn)。通過(guò)Plate Carree等投影方式將地理坐標(biāo)經(jīng)緯度［-180°，180°］和［-90°，90°］范圍內(nèi)的地球表面投影成一個(gè)長(zhǎng)寬比為2∶1的規(guī)則矩形平面，以此為底面構(gòu)建離散多分辨率影像瓦片金字塔，然后對(duì)各層進(jìn)行均勻剖分［8］。若影像瓦片像素大小為s×t，函數(shù)f(l)定義為第l層的空間分辨率，則瓦片的空間分辨率為(以x方向的分辨率為例):

任意分辨率正射影像可以映射至金字塔中一段連續(xù)的層級(jí)。假設(shè)其空間范圍為A，由左下角坐標(biāo)(xt，yt)和右上角坐標(biāo)(xh，yh)表示，像素大小為m×n，定義r為影像的空間分辨率，則(以x方向分辨率為例):

因此，可根據(jù)式(1)和式(2)可推算影像映射在金字塔中的最大層級(jí)［8］:

由此可見(jiàn)，利用金字塔層級(jí)和行列號(hào)作為索引可檢索唯一瓦片，即給定經(jīng)緯度(x，y)，可在金字塔任意層定位到唯一的行號(hào)X和列號(hào)Y:

2 顧及時(shí)空語(yǔ)義的自適應(yīng)瓦片優(yōu)選算法

面向唯一圖層，根據(jù)視點(diǎn)位置能夠檢索和定位任意瓦片。然而，隨著數(shù)據(jù)集的增加，當(dāng)前方法缺乏對(duì)數(shù)據(jù)集的有效甄選手段，針對(duì)這一問(wèn)題，提出了時(shí)空語(yǔ)義標(biāo)注方法，從多個(gè)維度對(duì)數(shù)據(jù)集的可視范圍進(jìn)行約束，實(shí)現(xiàn)瓦片自適應(yīng)匹配算法。

2.1 時(shí)空語(yǔ)義標(biāo)注方法

2.1.1 語(yǔ)義描述

根據(jù)《ISO/TC-211 19115元數(shù)據(jù)規(guī)范》對(duì)遙感數(shù)據(jù)語(yǔ)義的描述［9］，建立針對(duì)影像瓦片數(shù)據(jù)的語(yǔ)義描述集合，作為瓦片過(guò)濾的基本依據(jù)。語(yǔ)義描述包括以下內(nèi)容:

1)主題語(yǔ)義。針對(duì)數(shù)據(jù)來(lái)源、傳感器類型、關(guān)聯(lián)事件等方面的差異，建立主題約束。例如在災(zāi)區(qū)影像數(shù)據(jù)可視化任務(wù)中，不同災(zāi)害類型對(duì)數(shù)據(jù)分辨率、傳感器偏好不同。主題語(yǔ)義有效增加不同數(shù)據(jù)集的關(guān)聯(lián)約束，支持用戶從應(yīng)用層面對(duì)數(shù)據(jù)進(jìn)行批量取舍。

2)分辨率語(yǔ)義。描述數(shù)據(jù)集在三維空間垂直維度(垂直于XY平面)的“可視范圍”，指導(dǎo)視點(diǎn)在瓦片選擇過(guò)程中自動(dòng)剔除可視深度以外的數(shù)據(jù)集。例如在視點(diǎn)接近地表時(shí)，用戶關(guān)心的是高分辨率影像數(shù)據(jù)集表達(dá)的地物細(xì)節(jié)特點(diǎn)，而非全球背景數(shù)據(jù)集的低分辨率紋理。

3)優(yōu)先級(jí)語(yǔ)義。描述數(shù)據(jù)集調(diào)度流程的邏輯順序，對(duì)數(shù)據(jù)集的深度可視范圍做進(jìn)一步約束。通過(guò)建立優(yōu)先等級(jí)與金字塔的局部連續(xù)層級(jí)的映射關(guān)系，實(shí)現(xiàn)視點(diǎn)位置與數(shù)據(jù)集的實(shí)時(shí)關(guān)聯(lián)分析，分辨率語(yǔ)義和優(yōu)先級(jí)語(yǔ)義是在垂直維度實(shí)現(xiàn)瓦片自適應(yīng)匹配的關(guān)鍵。

4)時(shí)間語(yǔ)義。描述數(shù)據(jù)集在時(shí)間維度的排列順序和生命周期，以時(shí)間戳形式定義數(shù)據(jù)集的時(shí)間有效范圍，為數(shù)據(jù)集的序列分析和多時(shí)相展示提供支持。

5)空間語(yǔ)義。描述數(shù)據(jù)集在XY平面的空間范圍，利用最小外接包圍盒表達(dá)。結(jié)合分辨率語(yǔ)義信息，將數(shù)據(jù)集的空間范圍映射至分辨率可見(jiàn)的各個(gè)金字塔層級(jí)，將經(jīng)緯度信息轉(zhuǎn)換為金字塔各級(jí)的行列ID，有助于瓦片的快速確定與剔除。

2.1.2 描述方法

采用資源描述框架(Resource Description Framework，RDF)對(duì)數(shù)據(jù)集的語(yǔ)義標(biāo)注進(jìn)行表達(dá)。RDF文件對(duì)每個(gè)數(shù)據(jù)集的時(shí)空語(yǔ)義進(jìn)行有效的結(jié)構(gòu)化組織，并轉(zhuǎn)變成計(jì)算機(jī)易于識(shí)別和解析的資源信息，實(shí)現(xiàn)數(shù)據(jù)集的自適應(yīng)匹配與瓦片自動(dòng)檢索。

表1展示了RDF文件的描述片段:在RDF文件中瓦片數(shù)據(jù)集作為一個(gè)類進(jìn)行描述，時(shí)空語(yǔ)義作為類的屬性進(jìn)行表達(dá)，包括名稱(Name)、主題(Theme)、最小外接包圍盒(Box)、影像分辨率(Resolution)、優(yōu)先級(jí)(Priority)、起始日期(Start Time)、終止日期(End Time)和數(shù)據(jù)源(Data Source)等，每個(gè)數(shù)據(jù)集屬于類的一個(gè)實(shí)例。

2.2 瓦片自適應(yīng)匹配過(guò)程

傳統(tǒng)基于視點(diǎn)位置的瓦片檢索方法無(wú)法辨別多個(gè)邏輯圖層中同名瓦片的差異，采用遍歷數(shù)據(jù)集的方法查詢。本文的改進(jìn)之處在于通過(guò)RDF文件描述數(shù)據(jù)集的時(shí)空語(yǔ)義特點(diǎn)，在瓦片檢索過(guò)程中結(jié)合當(dāng)前視點(diǎn)位置信息對(duì)瓦片進(jìn)行自適應(yīng)匹配和篩選。圖2展示了瓦片自適應(yīng)匹配流程。

表1 RDF文件描述片段Tab.1 Snippets of a RDF file

圖2 瓦片自適應(yīng)匹配流程Fig.2 Self-adaptivematch process

首先遍歷并結(jié)構(gòu)化存儲(chǔ)所有數(shù)據(jù)集的時(shí)空語(yǔ)義信息，從多個(gè)層次對(duì)其語(yǔ)義特點(diǎn)進(jìn)行量化描述:數(shù)據(jù)集的名稱、主題和數(shù)據(jù)源作為粗粒度的標(biāo)識(shí)信息進(jìn)行存儲(chǔ)。起始、終止日期記錄時(shí)間維度的可視范圍。影像分辨率與優(yōu)先級(jí)控制垂直維度的可視范圍。根據(jù)式(3)推算當(dāng)前數(shù)據(jù)集分辨率對(duì)應(yīng)的最大金字塔層級(jí)Level，確定0至Level的可視范圍Range1；根據(jù)優(yōu)先級(jí)Priority與局部連續(xù)金字塔層級(jí)建立的映射關(guān)系得到可視范圍Range2，進(jìn)一步對(duì)Range1和Range2求交集，確定數(shù)據(jù)集在垂直維度的范圍內(nèi)。最小外接包圍盒控制數(shù)據(jù)集在水平二維平面的可視域。根據(jù)式(4)計(jì)算數(shù)據(jù)集在Range1∩Range2的各金字塔層級(jí)上處于包圍盒左下和右上位置的瓦片ID，作為范圍邊界標(biāo)識(shí)。由此，語(yǔ)義信息量化轉(zhuǎn)換后存儲(chǔ)，準(zhǔn)備自適應(yīng)匹配。

瓦片自適應(yīng)匹配流程隨可視化流程啟動(dòng)，首先根據(jù)用戶輸入信息獲取可視化主題和時(shí)相。前者體現(xiàn)了操作者的興趣對(duì)象，通過(guò)信息主題與數(shù)據(jù)集的相關(guān)屬性進(jìn)行匹配，過(guò)濾后形成相關(guān)數(shù)據(jù)集列表List1。進(jìn)一步與時(shí)間信息進(jìn)行比對(duì)，剔除列表內(nèi)輸入時(shí)間區(qū)間以外的數(shù)據(jù)集，得到列表List2，縮小后續(xù)自動(dòng)匹配和檢索的范圍。隨著視點(diǎn)位置的移動(dòng)，實(shí)時(shí)獲取視點(diǎn)信息，包括視點(diǎn)的高程和經(jīng)緯度位置，根據(jù)視點(diǎn)高程與金字塔層級(jí)劃分的映射關(guān)系計(jì)算視點(diǎn)當(dāng)前所處的層級(jí)Lod，結(jié)合式(4)計(jì)算視點(diǎn)可見(jiàn)瓦片的行列號(hào)。然后遍歷數(shù)據(jù)集列表List2，將Lod與數(shù)據(jù)集的可見(jiàn)深度進(jìn)行匹配，選擇垂直維度可見(jiàn)范圍包含Lod的數(shù)據(jù)集，進(jìn)一步查詢?cè)摂?shù)據(jù)集的金字塔數(shù)組，找到Lod層級(jí)的瓦片邊界，將待請(qǐng)求瓦片的行列號(hào)與之進(jìn)行匹配，包含瓦片的數(shù)據(jù)集構(gòu)成列表List3，由此確定最終需要檢索的數(shù)據(jù)集對(duì)象。

上述過(guò)程能夠保證場(chǎng)景瀏覽時(shí)瓦片僅在唯一或極少數(shù)數(shù)據(jù)集中請(qǐng)求。但少量特殊情況下可能出現(xiàn)匹配錯(cuò)誤。比如，當(dāng)數(shù)據(jù)集的實(shí)際邊界與外接最小包圍盒重疊度較低時(shí)，少數(shù)不在數(shù)據(jù)集內(nèi)的瓦片可能被請(qǐng)求。選擇內(nèi)存數(shù)據(jù)庫(kù)作為服務(wù)器緩存用以提高客戶端二次訪問(wèn)速度和正確率。

3 面向主題的內(nèi)存數(shù)據(jù)庫(kù)緩存方法

隨著數(shù)據(jù)集的不斷增加，瓦片總量隨之增加。面對(duì)海量瓦片，調(diào)度過(guò)程中磁盤(pán)I/O負(fù)載較高，使用將所有數(shù)據(jù)放在磁盤(pán)上進(jìn)行管理的傳統(tǒng)數(shù)據(jù)庫(kù)應(yīng)用方式很難滿足高并發(fā)、高時(shí)效的訪問(wèn)需求，在服務(wù)器端構(gòu)建內(nèi)存數(shù)據(jù)庫(kù)作為瓦片緩存數(shù)據(jù)庫(kù)，可以有效提高瓦片調(diào)度效率和系統(tǒng)性能。

3.1 內(nèi)存數(shù)據(jù)庫(kù)特點(diǎn)

由于存儲(chǔ)介質(zhì)的特性不同，相對(duì)于常規(guī)的磁盤(pán)數(shù)據(jù)庫(kù)，內(nèi)存數(shù)據(jù)庫(kù)具有更高的訪問(wèn)速度和更低的系統(tǒng)延遲，并且不受磁盤(pán)I/O瓶頸限制［10］。近十幾年來(lái)，內(nèi)存的發(fā)展一直遵循摩爾定律，成本不斷降低，數(shù)據(jù)庫(kù)管理系統(tǒng)將工作數(shù)據(jù)集放入內(nèi)存變得可行。另外，采用分布式內(nèi)存數(shù)據(jù)架構(gòu)容易突破單臺(tái)普通服務(wù)器內(nèi)存容量低的限制，最大程度發(fā)揮緩存的作用。

3.2 面向主題的內(nèi)存數(shù)據(jù)庫(kù)結(jié)構(gòu)

在瓦片調(diào)度過(guò)程中，較多瓦片會(huì)不止一次地被訪問(wèn)，形成“熱點(diǎn)數(shù)據(jù)”，而每次從磁盤(pán)調(diào)度瓦片容易增加檢索時(shí)耗和磁盤(pán)I/O負(fù)載。將數(shù)據(jù)緩存至內(nèi)存數(shù)據(jù)庫(kù)，可以明顯提高瓦片二次訪問(wèn)的效率。

結(jié)合瓦片調(diào)度過(guò)程，海量瓦片結(jié)構(gòu)單一、文件大小均衡、操作頻率較高的特點(diǎn)，適合采用Key-Value模型的內(nèi)存數(shù)據(jù)庫(kù)，常見(jiàn)的此類內(nèi)存數(shù)據(jù)庫(kù)包括Redis，Memcached和Riak等。它支持基于鍵值對(duì)的操作和讀取，數(shù)據(jù)的寫(xiě)入和讀取效率較高［11-12］。

在數(shù)據(jù)密集的服務(wù)器端構(gòu)建面向主題的內(nèi)存數(shù)據(jù)庫(kù)(如圖3所示)，系統(tǒng)架構(gòu)主要包括以下層次:代理服務(wù)器、邏輯控制腳本、內(nèi)存數(shù)據(jù)庫(kù)集群和磁盤(pán)數(shù)據(jù)庫(kù)。其中代理服務(wù)器接收客戶端請(qǐng)求，發(fā)揮負(fù)載均衡和請(qǐng)求分發(fā)的作用；邏輯控制腳本在服務(wù)器端負(fù)責(zé)實(shí)時(shí)生成RDF文件、解析代理服務(wù)器請(qǐng)求并向內(nèi)存數(shù)據(jù)庫(kù)寫(xiě)入標(biāo)識(shí)符、控制請(qǐng)求響應(yīng)的優(yōu)先級(jí)。內(nèi)存數(shù)據(jù)庫(kù)集群接到請(qǐng)求時(shí)，優(yōu)先請(qǐng)求集群中的數(shù)據(jù)，有效地降低二次請(qǐng)求的時(shí)間消耗，提升數(shù)據(jù)傳輸速度；瓦片數(shù)據(jù)庫(kù)負(fù)責(zé)海量影像的磁盤(pán)存儲(chǔ)管理。

客戶端根據(jù)邏輯控制腳本生產(chǎn)的RDF文件，組合包含名稱、主題和影像分辨率信息的數(shù)據(jù)請(qǐng)求并發(fā)送至服務(wù)器；服務(wù)器接到請(qǐng)求之后，邏輯控制腳本將請(qǐng)求解析組合形成“名稱:主題:影像分辨率”的唯一標(biāo)識(shí)符作為進(jìn)行瓦片檢索的標(biāo)識(shí)符Key；邏輯控制腳本利用標(biāo)志符優(yōu)先對(duì)內(nèi)存數(shù)據(jù)庫(kù)進(jìn)行檢索，通過(guò)哈希函數(shù)H(x)，確定Key在內(nèi)存中的位置Addr=H(Key)；如果數(shù)據(jù)存在，則返回?cái)?shù)據(jù)給服務(wù)器；如果對(duì)無(wú)效記錄標(biāo)識(shí)列表進(jìn)行檢索，確保目標(biāo)瓦片號(hào)有效后對(duì)磁盤(pán)數(shù)據(jù)庫(kù)進(jìn)行檢索。如果磁盤(pán)中數(shù)據(jù)存在，將數(shù)據(jù)返回給客戶端并將此條數(shù)據(jù)緩存到內(nèi)存數(shù)據(jù)庫(kù)中，否則，返回?cái)?shù)據(jù)為空的消息給客戶端，同時(shí)向緩存發(fā)送無(wú)效記錄標(biāo)識(shí)。

4 實(shí)驗(yàn)與分析

4.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)

實(shí)驗(yàn)設(shè)備為6臺(tái)戴爾Edge Power R710服務(wù)器，磁盤(pán)陣列共有5TB容量，服務(wù)器操作系統(tǒng)為CentOS 6.4。實(shí)驗(yàn)數(shù)據(jù)包括全國(guó)各省10m分辨率遙感影像、魯?shù)榈卣?2014)和尼泊爾地震(2015)等災(zāi)區(qū)鄉(xiāng)鎮(zhèn)高分辨率衛(wèi)星、航空遙感影像，數(shù)據(jù)集超過(guò)30個(gè)，數(shù)據(jù)總量達(dá)到3TB。瓦片數(shù)據(jù)庫(kù)選擇MongoDB作為磁盤(pán)數(shù)據(jù)庫(kù)，內(nèi)存數(shù)據(jù)庫(kù)選擇Redis作為服務(wù)器緩存。其中，6臺(tái)服務(wù)器分別部署Redis節(jié)點(diǎn)(每臺(tái)分配內(nèi)存16GB)搭建分布式內(nèi)存數(shù)據(jù)庫(kù)(共96GB)。

4.2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)一：瓦片請(qǐng)求效率對(duì)比

實(shí)現(xiàn)瓦片檢索優(yōu)化前后的數(shù)據(jù)訪問(wèn)效率對(duì)比實(shí)驗(yàn)。為了保證不同數(shù)據(jù)環(huán)境下有效瓦片的請(qǐng)求數(shù)量一致，設(shè)置統(tǒng)一的三維視點(diǎn)飛行路徑。測(cè)試不同數(shù)據(jù)集條件下，優(yōu)化前后有效瓦片數(shù)量的訪問(wèn)效率。測(cè)試結(jié)果顯示:

相同三維場(chǎng)景操作狀態(tài)下，一般瓦片檢索和訪問(wèn)總量與數(shù)據(jù)集數(shù)量呈正相關(guān)，然而有效瓦片的訪問(wèn)量與有效訪問(wèn)比率隨數(shù)據(jù)集的增加而明顯降低。相比之下，優(yōu)化后的檢索方法不受數(shù)據(jù)集數(shù)量的影響，始終保證瓦片總訪問(wèn)量和有效瓦片訪問(wèn)量的穩(wěn)定性(如圖4(a)和圖4(b)所示)，同時(shí)保證有效訪問(wèn)百分比維持在98%以上(如圖4 (c)所示)。由于傳統(tǒng)方法缺乏無(wú)效瓦片的自動(dòng)辨識(shí)與過(guò)濾方法，導(dǎo)致網(wǎng)絡(luò)帶寬大部分被此類瓦片占據(jù)，嚴(yán)重影響客戶端實(shí)時(shí)獲取目標(biāo)瓦片，場(chǎng)景刷新速率隨數(shù)據(jù)集的增加明顯下降。經(jīng)測(cè)試，優(yōu)化方法能夠?qū)⒕钟蚓W(wǎng)下平均有效訪問(wèn)速度從600KB/s提升至20MB/s，保證較高的帶寬占用率，在多數(shù)據(jù)集環(huán)境下顯著提高海量數(shù)據(jù)訪問(wèn)與可視化性能。

圖3 服務(wù)器端數(shù)據(jù)請(qǐng)求解析和響應(yīng)流程Fig.3 Data request analysis and response on the servers

圖4 自適應(yīng)瓦片匹配效率對(duì)比Fig.4 Contrast of self-adaptive tilematch efficiency

實(shí)驗(yàn)二：緩存訪問(wèn)效率對(duì)比

設(shè)置10臺(tái)客戶端同時(shí)對(duì)覆蓋多數(shù)據(jù)集的同一地區(qū)進(jìn)行場(chǎng)景瀏覽，包括平移、縮放、漫游和路徑飛行，并發(fā)訪問(wèn)服務(wù)器。測(cè)試增加內(nèi)存數(shù)據(jù)庫(kù)前后，代理服務(wù)器接收來(lái)自數(shù)據(jù)庫(kù)響應(yīng)的時(shí)間差異。如圖5所示，隨著操作時(shí)間增加，直接從磁盤(pán)數(shù)據(jù)庫(kù)中獲取瓦片的請(qǐng)求響應(yīng)速率無(wú)明顯變化，而增加緩存設(shè)計(jì)的數(shù)據(jù)庫(kù)響應(yīng)時(shí)間逐漸降低。此外，緩存容量和響應(yīng)速率的變化趨勢(shì)相反，說(shuō)明本文面向主題的“鍵—值”設(shè)計(jì)充分發(fā)揮分布式內(nèi)存數(shù)據(jù)庫(kù)的檢索能力，能夠滿足多用戶并發(fā)條件下海量影像可視化的性能需求。

圖5 緩存訪問(wèn)效率對(duì)比Fig.5 Contrast of cache access efficiency

5 結(jié)論

本文針對(duì)虛擬地球可視化中多個(gè)邏輯圖層疊加產(chǎn)生同名瓦片數(shù)據(jù)重疊引起的數(shù)據(jù)無(wú)效訪問(wèn)和內(nèi)存冗余等問(wèn)題，提出顧及時(shí)空語(yǔ)義的瓦片數(shù)據(jù)優(yōu)化檢索方法。在客戶端設(shè)計(jì)顧及時(shí)空語(yǔ)義的自適應(yīng)瓦片優(yōu)選算法，實(shí)現(xiàn)瓦片的自動(dòng)匹配與過(guò)濾，顯著提高目標(biāo)瓦片的命中率，有效解決傳統(tǒng)方法瓦片檢索低效的問(wèn)題；在服務(wù)器端構(gòu)建面向主題的分布式內(nèi)存數(shù)據(jù)庫(kù)緩存，利用多字段混合鍵實(shí)現(xiàn)內(nèi)存數(shù)據(jù)的高效檢索，有效提升瓦片二次數(shù)據(jù)的訪問(wèn)效率。方法不受邏輯圖層個(gè)數(shù)和數(shù)據(jù)量影響，滿足海量影像數(shù)據(jù)三維可視化的高性能需求。

References)

［1］龔健雅.3維虛擬地球技術(shù)發(fā)展與應(yīng)用［J］.地理信息世界，2011，9(2):15-17.GONG Jianya.The developmentand application of3-D virtual Earth technology［J］.Geomatics World，2011，9(2):15-17.(in Chinese)

［2］郭華東，王力哲，陳方，等.科學(xué)大數(shù)據(jù)與數(shù)字地球［J］.科學(xué)通報(bào)，2014，12:1047-1054.GUO Huadong，WANG Lizhe，CHEN Fang，et al.Scientific big data and digital Earth［J］.Chinese Science Bulletin，2014，12:1047-1054.(in Chinese)

［3］Grossner K E，Goodchild M F，Clarke K C.Defining a digital Earth system［J］.Transactions in GIS，2008，12(1):145-160.

［4］Guo H D.China's Earth observing satellites for building a digital Earth［J］.International Journal of Digital Earth，2012，5(3):185-188.

［5］童曉沖.空間信息剖分組織的全球離散格網(wǎng)理論與方法［J］.測(cè)繪學(xué)報(bào)，2011，40(4):536.TONG Xiaochong.The principles and methods of discrete global grid systems for geospatial information subdivision organization［J］.Acta Geodaetica et Cartographica Sinica，2011，40(4):536.(in Chinese)

［6］Potere D.Horizontal positional accuracy of Google Earth’s high-resolution imagery archive［J］.Sensors，2008，8(12): 7973-7981.

［7］Yu L，Gong P.Google Earth as a virtual globe tool for Earth science applications at the global scale:progress and perspectives［J］.International Journal of Remote Sensing，2012，33(12):3966-3986.

［8］劉義，陳犖，景寧，等.利用MapReduce進(jìn)行批量遙感影像瓦片金字塔構(gòu)建［J］.武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2013，38(3):278-282.LIU Yi，CHEN Luo，JING Ning，et al.Parallel batch-building remote sensing images tile pyramid with MapReduce［J］.Geomatics and Information Science of Wuhan University，2013，38(3):278-282.(in Chinese)

［9］朱慶，李海峰，楊曉霞.遙感信息聚焦服務(wù)的多層次語(yǔ)義約束模型［J］.武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2009，34 (12):1454-1457.ZHU Qing，LI Haifeng，YANG Xiaoxia.Hierarchical semantic constraint model for focused remote sensing information services［J］.Geomatics and Information Science ofWuhan University，2009，34(12):1454-1457.(in Chinese)

［10］Yue P，Jiang L C.BigGIS:how big data can shape nextgeneration GIS［C］//Proceedings of the 3rd International Conference on Agro-geoinformatics，IEEE，2014:1-6.

［11］Hecht R，Jablonski S.NoSQL evaluation:a use case oriented survey［C］//Proceedingsof International Conference on Cloud and Service Computing，2011:336-341.

［12］Han J，Haihong E，Le G，etal.Survey on NoSQL database［C］// Proceedings of the 6th International Conference on Pervasive Computing and Applications(ICPCA)，IEEE，2011:363-366.

An optimal retrievalmethod ofmulti-theme image tiles considering the spatio-tem poral semantics

QIU Linyao1，3，WANGMeng1，3，ZHU Qing2，3，DU Zhiqiang1，3
(1.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China；2.Faculty of Geosciences and Environmental Engineering，Southwest Jiaotong University，Chengdu 611756，China；3.Collaborative Innovation Center of Geospatial Technology，Wuhan 430079，China)

Aiming at the invalid accesses and memory redundancies caused by data overlap ofmore than one logic map tile in the visualization process of virtual earth，an optimal retrievalmethod ofmulti-theme tiles considering the spatio-temporal semantics was proposed.On the client side，the self-adoptive retrieval of tiles considering spatio-temporal semantics automatically matches the viewpoint information with semantics of datasets like space-time range，resolution and priority，then the invalid selection was filtered and the efficiency of target tiles data hit ratio was improved.On the server side，the theme oriented data cache based onmemory databasewasachieved to prompt the response speed of server in the second access of tiles.Finally，the experiments prove that thismethod can prevent stable and high hit-rate of target tile affected by amount of datasets and the cachemethod can further improve the efficiency of tiles access.The real-time visualization performance ofmassive image data is significantly improved.

tile pyramid；high resolution remote sensing images；self-adoption；optimal retrieval of tiles；memory database

TN95

A

1001-2486(2015)05-015-06

10.11887/j.cn.201505003

http://journal.nudt.edu.cn

2015-07-06

國(guó)家自然科學(xué)基金資助項(xiàng)目(41171311，41471320)；國(guó)家高分辨率對(duì)地觀測(cè)系統(tǒng)應(yīng)用系統(tǒng)(民用部分)建設(shè)資助項(xiàng)目(03-Y30B06-9001-13/15)；四川省科技計(jì)劃資助項(xiàng)目(2014SZ0106)

仇林遙(1988—)，男，河南安陽(yáng)人，博士研究生，E-mail:qiu_linyao@163.com；杜志強(qiáng)(通信作者)，男，副教授，博士，碩士生導(dǎo)師，E-mail:duzhiqiang@whu.edu.cn