包 磊，楊 樂，羅 兵

(海軍工程大學(xué)電子工程學(xué)院，湖北 武漢 430033)

戰(zhàn)場(chǎng)情報(bào)態(tài)勢(shì)數(shù)據(jù)規(guī)模大、版本多、隨時(shí)間不斷累積且使用期很短，相對(duì)于戰(zhàn)場(chǎng)中各類傳感器不斷產(chǎn)生的巨大數(shù)據(jù)量，指揮決策人員的數(shù)據(jù)閱讀和理解能力是非常有限的。態(tài)勢(shì)數(shù)據(jù)的生產(chǎn)、傳輸、復(fù)制和累積，已超出了現(xiàn)有指揮系統(tǒng)以及指揮決策人員的分析、理解和應(yīng)用能力。大量的數(shù)據(jù)無法得到有效利用，數(shù)據(jù)流失情況嚴(yán)重。如何對(duì)情報(bào)態(tài)勢(shì)的時(shí)空數(shù)據(jù)模式挖掘技術(shù)進(jìn)行研究，提供自動(dòng)化或者半自動(dòng)化的手段，幫助指揮人員從海量數(shù)據(jù)中提取信息，把數(shù)據(jù)轉(zhuǎn)變?yōu)榭捎玫闹R(shí)，是領(lǐng)域內(nèi)需要研究的重點(diǎn)課題。

本文研究在海量歷史情報(bào)態(tài)勢(shì)數(shù)據(jù)中，以查詢的方式發(fā)現(xiàn)有價(jià)值的事件以及模式的技術(shù)，為新一代指揮信息系統(tǒng)的作戰(zhàn)籌劃、復(fù)盤分析提供有效的輔助決策能力。戰(zhàn)場(chǎng)情報(bào)態(tài)勢(shì)的評(píng)估與分析常常是一種交互式的理解與分析過程，所研究的技術(shù)利用支持自由時(shí)空事件查詢的數(shù)據(jù)引擎，使指揮人員可以像使用傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)一樣對(duì)各類時(shí)空事件和事件的發(fā)生模式進(jìn)行自由查詢分析，進(jìn)而生成對(duì)態(tài)勢(shì)的理解。

1 基于查詢的時(shí)空分析方法

從具有海量、高維和不確定性等特性的情報(bào)態(tài)勢(shì)數(shù)據(jù)中提取出隱含的、人們事先不知道的、但又潛在有用的事件模式，是典型的時(shí)空數(shù)據(jù)挖掘問題。相關(guān)研究主要有兩大類:基于數(shù)據(jù)挖掘的時(shí)空模式發(fā)現(xiàn)方法和基于查詢的時(shí)空分析方法。

基于數(shù)據(jù)挖掘的時(shí)空模式發(fā)現(xiàn)方法通過定義時(shí)空關(guān)聯(lián)模式的語(yǔ)義，采用特定算法發(fā)現(xiàn)時(shí)空數(shù)據(jù)中的模式，如頻繁模式、周期模式、共現(xiàn)模式、拓?fù)潢P(guān)系模式等。這些模式的發(fā)現(xiàn)能協(xié)助完成關(guān)于態(tài)勢(shì)對(duì)象的分析、預(yù)測(cè)等任務(wù)。相關(guān)研究工作大部分是通過對(duì)時(shí)空序列的轉(zhuǎn)換，采用類Apriori算法在時(shí)間維上進(jìn)行遍歷來完成模式的挖掘，并利用時(shí)空對(duì)象的空間信息進(jìn)行合理的算法優(yōu)化。如美國(guó)陸軍拓?fù)溆?jì)算實(shí)驗(yàn)室提出的MDCOP 算法［1］和 FDCOP 算法［2］解決態(tài)勢(shì)對(duì)象在空間和時(shí)間處于近鄰關(guān)系的時(shí)空共現(xiàn)模式(co-occurrence pattern)發(fā)現(xiàn)問題，用于甄別移動(dòng)對(duì)象的意圖和行為模式，還可用來預(yù)測(cè)對(duì)象未來的移動(dòng)方向。文獻(xiàn)［3］通過對(duì)時(shí)空數(shù)據(jù)在時(shí)間維上的直接遍歷和歸納計(jì)算得到時(shí)空對(duì)象在固定的時(shí)間區(qū)間內(nèi)總是遵循相同或近似相同的運(yùn)動(dòng)路線所展現(xiàn)的周期模式進(jìn)行挖掘。還有研究對(duì)群體移動(dòng)模式(motion pattern)［4］、流動(dòng)模式(flow pat-tern)［5］、遷移模式(migration pattern)［6］以及匯聚模式(convergence pattern)［7］等時(shí)空模式進(jìn)行研究并提出了相關(guān)的算法。

基于查詢的時(shí)空模式發(fā)現(xiàn)以時(shí)空數(shù)據(jù)庫(kù)相關(guān)技術(shù)為基礎(chǔ)，采用復(fù)雜時(shí)空查詢來發(fā)現(xiàn)時(shí)空模式。根據(jù)所采用算法基礎(chǔ)不同相關(guān)研究主要有3大類。一類基于K最近鄰軌跡檢索算法，主要以K最近鄰軌跡檢索算法為主要基礎(chǔ)獲得基本的時(shí)空分析結(jié)果，再以此為基礎(chǔ)采用各類經(jīng)典知識(shí)發(fā)現(xiàn)算法發(fā)現(xiàn)時(shí)空模式［8］。另一類是基于語(yǔ)義軌跡的時(shí)空模式查詢方法，這種技術(shù)提出把空間進(jìn)行分區(qū)并進(jìn)行標(biāo)識(shí)，然后以標(biāo)識(shí)構(gòu)成的字符串對(duì)運(yùn)動(dòng)軌跡進(jìn)行語(yǔ)義注解，從而利用字符串的識(shí)別技術(shù)把時(shí)空運(yùn)動(dòng)模式的發(fā)現(xiàn)轉(zhuǎn)化為基本時(shí)空分析操作的組合［9-10］。第三類研究采用以時(shí)空謂詞描述的時(shí)空查詢來表達(dá)所需發(fā)現(xiàn)的時(shí)空模式，通過各類謂詞所對(duì)應(yīng)的基本時(shí)空分析操作算法按照模式蘊(yùn)含的方式組合實(shí)現(xiàn)對(duì)該時(shí)空模式的挖掘［11］。還有研究提出可利用一些可視化的手段，通過與查詢者的交互，結(jié)合一些數(shù)據(jù)變換和可視化技術(shù)，完成對(duì)時(shí)空模式的描述與查詢［12］。

基于數(shù)據(jù)挖掘的時(shí)空模式發(fā)現(xiàn)技術(shù)一般針對(duì)某類關(guān)聯(lián)模式設(shè)計(jì)，挑戰(zhàn)性主要來自空間維度上的高維度數(shù)據(jù)關(guān)聯(lián)性計(jì)算以及時(shí)間維度上的針對(duì)性處理。由于這些算法的針對(duì)性很強(qiáng)，因此算法的通用性和一般性較差，一般一種算法只能解決某一類問題。與基于數(shù)據(jù)挖掘的時(shí)空模式發(fā)現(xiàn)算法相比，時(shí)空模式查詢技術(shù)具有通用性上的優(yōu)勢(shì)。盡管基于挖掘的算法在處理特定時(shí)空模式時(shí)的效率較高，但是采用算法前必須先具備待挖模式的先驗(yàn)知識(shí)。而戰(zhàn)場(chǎng)情報(bào)態(tài)勢(shì)的評(píng)估與分析常常是一種交互式的理解與分析過程，指揮人員往往事先不了解將分析什么樣的時(shí)空模式，需要在分析過程中多次進(jìn)行嘗試，并根據(jù)過程中的交互信息對(duì)模式的結(jié)構(gòu)進(jìn)行調(diào)整。利用支持自由時(shí)空模式查詢的數(shù)據(jù)引擎，指揮人員可以像使用傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)一樣對(duì)時(shí)空運(yùn)動(dòng)模式進(jìn)行自由查詢分析，滿足態(tài)勢(shì)分析的通用性要求。

2 基于事件查詢的情報(bào)態(tài)勢(shì)分析系統(tǒng)框架設(shè)計(jì)

基于事件查詢的情報(bào)態(tài)勢(shì)分析技術(shù)采用基于查詢的時(shí)空模式發(fā)現(xiàn)方法，以基本時(shí)空數(shù)據(jù)引擎為基礎(chǔ)，把復(fù)雜時(shí)空模式解析成基本時(shí)空數(shù)據(jù)查詢，通過時(shí)空模式的查詢處理后執(zhí)行獲得態(tài)勢(shì)信息的分析結(jié)果，如圖1所示。

圖1 基于查詢的情報(bào)態(tài)勢(shì)數(shù)據(jù)時(shí)空模式挖掘總體技術(shù)方案

基本時(shí)空數(shù)據(jù)引擎根據(jù)所建時(shí)空數(shù)據(jù)模型，把經(jīng)初級(jí)融合后形成的戰(zhàn)場(chǎng)情報(bào)態(tài)勢(shì)數(shù)據(jù)進(jìn)行庫(kù)化存儲(chǔ)處理，提供基本空間拓?fù)浞治霾僮?，如“相交”、“包含”、“相離”、“相接”、“覆蓋”，并提供基本時(shí)空分析操作，包括時(shí)空拓?fù)浞治霾僮鳌r(shí)空聚集操作以及時(shí)空投影與選擇操作等。時(shí)空模式查詢處理負(fù)責(zé)建立對(duì)各種時(shí)空模式的統(tǒng)一描述方式，并提供時(shí)空模式到基本時(shí)空分析操作的解析方法。時(shí)空模式查詢優(yōu)化根據(jù)各時(shí)空模式的共性特點(diǎn)，面對(duì)大數(shù)據(jù)量下的查詢優(yōu)化問題，建立相應(yīng)的索引結(jié)構(gòu)以及查詢執(zhí)行策略，對(duì)所解析生成的基本時(shí)空查詢?nèi)蝿?wù)序列進(jìn)行裁剪和優(yōu)化。

在技術(shù)方案中，時(shí)空數(shù)據(jù)引擎是基礎(chǔ)，其核心是一個(gè)完備的時(shí)空數(shù)據(jù)類型系統(tǒng)，能夠?qū)Ω黝悤r(shí)空對(duì)象進(jìn)行存儲(chǔ)和處理，并能夠提供一個(gè)完備的時(shí)空分析操作集合，用于組合實(shí)現(xiàn)各類態(tài)勢(shì)分析需求。由于目前還沒有可用的商用時(shí)空數(shù)據(jù)庫(kù)系統(tǒng)，針對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)的特點(diǎn)，為了處理時(shí)空查詢，在南京航空航天大學(xué)的NHSTDB［13］時(shí)空數(shù)據(jù)引擎的基礎(chǔ)上，本文設(shè)計(jì)了一個(gè)時(shí)空數(shù)據(jù)類型系統(tǒng)，定義了戰(zhàn)場(chǎng)態(tài)勢(shì)中移動(dòng)點(diǎn)、區(qū)域等主要3種數(shù)據(jù)類型，實(shí)現(xiàn)了基本數(shù)據(jù)類型以及空間、時(shí)空數(shù)據(jù)類型，以謂詞形式定義了基本時(shí)空分析操作，包括時(shí)空投影、聚集、以及拓?fù)浞治霾僮鞯?，?duì)其中的主要謂詞進(jìn)行了算法實(shí)現(xiàn)。如表1所示，這些基本謂詞是實(shí)現(xiàn)事件與時(shí)空模式查詢的基礎(chǔ)。

3 情報(bào)態(tài)勢(shì)時(shí)空事件查詢與處理

態(tài)勢(shì)事件一般為復(fù)合時(shí)空事件組成，可由對(duì)象間的時(shí)空關(guān)系組合而成，把各類需要進(jìn)行查詢的事件解析成為一系列基本時(shí)空查詢，通過時(shí)空數(shù)據(jù)引擎可以對(duì)各類態(tài)勢(shì)事件進(jìn)行查詢和檢索。事件查詢一般由基本時(shí)空查詢?cè)跁r(shí)間維上按一系列的先后約束關(guān)系組合起來，例如疑似海盜的行為模式可描述為:“與商船距離小于5000m的持續(xù)時(shí)間超過1h(跟蹤)，與商船相接持續(xù)(行動(dòng))，最后以高速離開商船(逃離)”。圖2給出了態(tài)勢(shì)事件的查詢系統(tǒng)的結(jié)構(gòu)。

圖2 態(tài)勢(shì)事件的查詢

在時(shí)空數(shù)據(jù)引擎提供的基礎(chǔ)時(shí)空分析操作基礎(chǔ)上，規(guī)定時(shí)空謂詞的組成與連接準(zhǔn)則，可建立起時(shí)空查詢的構(gòu)造方法。表1列出了主要空間、時(shí)間以及時(shí)空連接謂詞。

表1 主要謂詞表

表1中，空間謂詞主要由時(shí)空數(shù)據(jù)引擎提供，完成對(duì)對(duì)象的空間關(guān)系進(jìn)行分析計(jì)算，包括求距離(DIST)、求角度(ANGLE)、包含(CONT)、相離(DISJ)、相交(INTE)、相等(EQUA)。時(shí)間謂詞描述戰(zhàn)場(chǎng)目標(biāo)之間或目標(biāo)與場(chǎng)所之間空間關(guān)系的時(shí)間約束，其中KEEP描述空間關(guān)系的持續(xù)時(shí)間，OCCU描述空間關(guān)系的發(fā)生時(shí)間。比較謂詞用來判斷空間謂詞值或時(shí)間謂詞值。時(shí)空事件模式由時(shí)空事件組成，連接謂詞是把多個(gè)時(shí)空事件組成復(fù)合時(shí)空事件的連接詞，有并、或、非、任意、順序等，這些連接謂詞的語(yǔ)義如下:

設(shè)t為時(shí)空事件的觸發(fā)時(shí)間，e為時(shí)空事件，則

并(AND)連接謂詞:

即此事件的產(chǎn)生必須要求所有包含的原子時(shí)空事件都發(fā)生;

或(OR)連接謂詞:

即此事件的產(chǎn)生只需要所包含的任意原子時(shí)空事件發(fā)生;

非(NOT)連接謂詞:

即此事件的產(chǎn)生，必須e1，e3已經(jīng)產(chǎn)生，并且e2不在e1，e3之間發(fā)生;

任意(ANY)連接謂詞:

即此事件的產(chǎn)生，只要其中任意m個(gè)原子事件發(fā)生;

順序(SEQ)連接謂詞:

即此事件的產(chǎn)生，必須所有原子事件按序發(fā)生。

利用連接謂詞，可將時(shí)空事件模式分解為原子時(shí)空事件的組合，CSTE(CP({e}))，其中e既可以是原子事件，也可以是復(fù)合事件，{e}表示事件集合，CP表示連接謂詞。通過各類連接謂詞，可把復(fù)合時(shí)空事件表達(dá)為原子事件的組合。

例如疑似海盜行為模式，可描述為

Suspect-Pirate=SEQ(KEEP((DIST(p，m) ＜5000)＞60)，KEEP(CONT(p，m)=True) ＞0)，KEEP((DIST(p，m)=True) ＞0))

根據(jù)SQL語(yǔ)句的文法，可以進(jìn)一步給出對(duì)應(yīng)的時(shí)空查詢語(yǔ)句，提交時(shí)空數(shù)據(jù)引擎進(jìn)行查詢，例如疑似海盜行為模式的查詢型如:

在該查詢語(yǔ)句中，模式查詢由3個(gè)時(shí)空事件查詢組成，分別指代“跟蹤”、“行動(dòng)”與“逃離”事件，在3個(gè)事件間，滿足SEQ連接關(guān)系，在查詢執(zhí)行時(shí)，將按照SEQconstraint控制子查詢的執(zhí)行以及查詢結(jié)果的連接。

4 查詢結(jié)果演示

根據(jù)設(shè)計(jì)的技術(shù)框架，利用NHSTDB時(shí)空數(shù)據(jù)管理引擎，演示驗(yàn)證原型系統(tǒng)以某聯(lián)合護(hù)航編隊(duì)的輔助分析為應(yīng)用案例，以時(shí)空數(shù)據(jù)查詢的方式對(duì)情報(bào)態(tài)勢(shì)進(jìn)行查詢分析，輔助編隊(duì)指揮人員決策。在場(chǎng)景中，設(shè)置了模擬數(shù)據(jù)，時(shí)空對(duì)象實(shí)體包括護(hù)航艦艇、商船、漁船、海盜船，各艦船使用運(yùn)動(dòng)點(diǎn)對(duì)象存儲(chǔ)，國(guó)際推薦航道、護(hù)航艦艇保護(hù)區(qū)域、海盜船威脅區(qū)域使用運(yùn)動(dòng)區(qū)域?qū)ο蟠鎯?chǔ)。國(guó)際推薦航道為半徑2nm的沿岸狹長(zhǎng)區(qū)域;護(hù)航艦艇保護(hù)區(qū)域、海盜船威脅區(qū)域分別為護(hù)航艦艇、海盜船為中心，以一定半徑形成的圓形區(qū)域。各類數(shù)據(jù)為由數(shù)據(jù)生成程序產(chǎn)生的模擬數(shù)據(jù)，所有時(shí)空數(shù)據(jù)跨度24h，時(shí)間切片粒度為10min，每個(gè)時(shí)空對(duì)象實(shí)體具有144個(gè)時(shí)空快照。根據(jù)各類艦船行為模擬產(chǎn)生了南岸各國(guó)護(hù)航艦艇20艘、通行商船100艘和1000艘身份不明的漁船。各類船只的最大速度按實(shí)際情況設(shè)置。

圖3 場(chǎng)景靜態(tài)展示

圖4 運(yùn)動(dòng)軌跡疊加效果

圖3中顯示區(qū)域紅色點(diǎn)表示護(hù)航艦艇，黃色點(diǎn)表示商船，白色點(diǎn)表示身份未知的目標(biāo)，綠色透明狹長(zhǎng)區(qū)域?yàn)閲?guó)際推薦航道(國(guó)際推薦航道主要有南北兩條，系統(tǒng)中只對(duì)南岸的一條主要航道進(jìn)行顯示和分析)。圖4中顯示的是24h內(nèi)的各個(gè)運(yùn)動(dòng)目標(biāo)軌跡的疊加效果圖。

系統(tǒng)的核心功能在于時(shí)空查詢分析，在時(shí)空數(shù)據(jù)引擎的支持下，可以按照給出的SQL的格式對(duì)態(tài)勢(shì)中的簡(jiǎn)單時(shí)空關(guān)系進(jìn)行查詢，基本時(shí)空查詢可以針對(duì)態(tài)勢(shì)中的簡(jiǎn)單事件進(jìn)行查詢，將滿足查詢條件的對(duì)象篩選出來。

查詢1:

Select p1.no

From ships p1，p2

Where KEEP(CONT(p1.trajectory，p2.threatenarea)) ＞20 AND p2.class=pirate

可將場(chǎng)景中累計(jì)處于疑似海盜可控范圍內(nèi)持續(xù)超過20min的目標(biāo)檢索出來。

通過將查詢1中的基本時(shí)空查詢進(jìn)行簡(jiǎn)單拓展，可完成查詢2所示的特定的時(shí)空模式查詢。

查詢2:

Select p1.no

From ships p1，p2，p3

Where CONT(p1.trajectory，p2.threatenarea)AND p2.class=pirate

AND Min(DIST(p1.trajectory，p3.trajectory)) ＞ 30000 AND p3.class=warship;

查詢返回態(tài)勢(shì)中所有的危險(xiǎn)商船，這里“危險(xiǎn)商船”指處在可疑海盜船可控范圍內(nèi)且距離最臨近軍艦較遠(yuǎn)，短時(shí)間軍艦無法前往援助的商船。首先通過可疑海盜威脅區(qū)與所有商船的Contain操作判斷，得到疑似海盜威脅下的商船集，對(duì)商船集中每個(gè)目標(biāo)與軍艦進(jìn)行距離上的聚集計(jì)算，判斷距離，最后得到高危商船的查詢結(jié)果，圖5中給出了該查詢的查詢結(jié)果圖示。

圖5 簡(jiǎn)單時(shí)空關(guān)系查詢分析

也可以將時(shí)空查詢進(jìn)一步復(fù)合組合，按上文中方法對(duì)特定的時(shí)空模式進(jìn)行查詢分析。

查詢3:

該查詢將疑似海盜模式的船只檢索出來。其中時(shí)空模式可以根據(jù)專家知識(shí)自由進(jìn)行設(shè)定，這里使用的海盜模式描述為:“目標(biāo)與商船距離小于5000m的最大持續(xù)時(shí)間大于60min，接著目標(biāo)與商船接觸，然后目標(biāo)與商船相離”。如圖6給出了查詢結(jié)果圖示。

圖6 時(shí)空模式查詢分析

5 結(jié)束語(yǔ)

在作戰(zhàn)指揮活動(dòng)中，理解與識(shí)別態(tài)勢(shì)是指揮人員面臨的最大的挑戰(zhàn)，尤其是面對(duì)長(zhǎng)期積累的大量歷史態(tài)勢(shì)數(shù)據(jù)，由于其中往往蘊(yùn)含重要的作戰(zhàn)規(guī)律與知識(shí)，而其數(shù)據(jù)量之大又往往無法由人工來進(jìn)行有效的分析和評(píng)估?；跁r(shí)空事件查詢的態(tài)勢(shì)分析技術(shù)可以為指揮人員提供一種自由度高的手段，幫助指揮人員理解與分析態(tài)勢(shì)，從海量態(tài)勢(shì)大數(shù)據(jù)中獲得知識(shí)與規(guī)律，快速形成決策。利用時(shí)空數(shù)據(jù)查詢來實(shí)際解決態(tài)勢(shì)的分析、挖掘與評(píng)估問題仍有很長(zhǎng)的路要走，當(dāng)前亟需研究的是大規(guī)模態(tài)勢(shì)時(shí)空數(shù)據(jù)的采集與存儲(chǔ)的方法，及早實(shí)現(xiàn)構(gòu)筑態(tài)勢(shì)大數(shù)據(jù)的存儲(chǔ)處理平臺(tái)，提供基本的時(shí)間、空間乃至?xí)r空檢索與分析能力，在任意的時(shí)間、任意的地點(diǎn)、為任意的用戶，提供任意數(shù)據(jù)集的任意服務(wù)。

［1］ Celik M，Shekhar S.Mixed-drove spatiotemporal co-occurrence pattern mining［J］.IEEE Trans on Knowledge and Data Engineering，2008，20(10):1322-1335

［2］ Zhang Z，Wu W.Composite spatio-temporal co-occurrence pattern mining［C］.LNCS 5258:Proc of the 3rd Int Conf on Wireless Algorithms，Systems，and Applications.Berlin:Springer，2014:454-465

［3］ Hoyoung J，Qing L.A hybrid prediction model for moving objects［C］.Proc of the 24th Int Conf on Data Engineering.Piscataway，NJ:IEEE，2008:70-79

［4］ Hyunjin Y，Shahabi C.Accurate discovery of valid convoys from moving object trajectories［C］.Proc of the IEEE Int Conf on Data Mining Workshops(ICDMW'09).Piscataway，NJ:IEEE，2009:636-643

［5］ Wang J，Hsu W.FlowMiner:Finding flow patterns in spatiotemporal databases［C］.Proc of the 16th IEEE Int Conf on Tools with Artificial Intelligence.Piscataway，NJ:IEEE，2004:14-21

［6］ Du X，Jin R.Migration motif:A spatial-temporal pattern mining approach for financial markets［C］.Proc of the 15th ACM SIGKDD Int Conf on Knowledge Discovery and Data Mining.New York:ACM，2009:1135-1144

［7］ Gudmundsson J.，Kreveld M.Efficient detection of motion patterns in spatio-temporal data sets［C］.In GIS’04:Proceedings of the 12th annual ACM International Workshop on Geographic Information Systems，New York，NY:IEEE，2004:250-257.

［8］ Güting RH，Behr T.Efficient k-nearest neighbor search on moving object trajectories［J］.VLDB J(online first).

［9］ YAN Z，CHAKRABORTY D.Semantic Trajectories:Mobility Data Computation and Annotation［J］.ACM Transactions on Intelligent Systems andTechnology，2012，9(4):1-34.

［10］向隆剛，吳濤.面向地理空間信息的軌跡模型及時(shí)空模式查詢［J］.測(cè)繪學(xué)報(bào)，2014，43(9):982-988.

［11］ SAKR M，GUTING R H.Spationtemporal Pattern Queries［J］.Geoinformatics，2011，15(3):497-540.

［12］ Andrienko N.Designing visual analytics methods for massive collections of movement data［J］.Cartographica，2007，42(2):117-138.

［13］鄒永娟.時(shí)空數(shù)據(jù)庫(kù)數(shù)據(jù)模型和查詢語(yǔ)言的研究與實(shí)現(xiàn)［D］.南京:南京航空航天大學(xué)，2009:34-60.