劉盛恩 王崇峻 齊斌

摘? 要： 數字地球的概念提出以來，三維地理信息系統(tǒng)（3DGIS）一直是國際數字地球協(xié)會的研究目標，極大地提升地理空間信息的感知能力和精度，廣泛運用于在軍事和民用范疇。但是由于三維數據有限并且精確的三維模型的顯示需要很強的計算機性能，所以實現三維地理信息服務尤其是移動服務困難重重。由于其信息量巨大，不同于傳統(tǒng)如二維矢量導航的GIS功能，實現三維移動服務需要依賴網格簡化和邊緣計算的研究。網格簡化是為了減少三維模型的不規(guī)則三角網TIN的數量以降低計算機計算的壓力;邊緣計算是為了節(jié)約珍貴的IP傳輸資源充分利用智慧城市的邊緣服務器，以提升計算效率和性能。

關鍵詞： 3DGIS;網格簡化;邊緣計算;數字地球;網絡

【Abstract】： Since the advent of Digital Earth， playing significant role no matter in civil or military use， 3DGIS expands the cognition as the stress of International Society of Digital Earth. However， due to the strong need of computing capacity and precious 3D models， tough problems are numberous for 3DGIS services， mobile ones in particular. Unlike traditional 2D vectorial navigations with tiny information volume， the realization of 3D mobile services depends on mesh simplification and edge computing. Mesh simplification is able to decrease the quantity of triangular irregular network （TIN）， while edge computing takes full advantage of edge servers within smart cities and economizes precious IP transmission resources， so as to load off the pressure on computing efficiency and capacity.

【Key words】： 3DGIS; Mesh simplification; Edge computing; Digital earth; Network

0? 引言

地理空間情報承載與應用受到多國重視，因為無論是在軍事安全領域、還是國民經濟領域，都起著舉足輕重的作用。

國民經濟領域，阿里巴巴集團創(chuàng)始人馬云在2016年10月13日在杭州云棲大會第一次發(fā)表未來30年影響世界的五個新的發(fā)展，并且之后所有演講基本都提到：新零售，新制造，新金融，新技術，新能源?？偨Y起來就是對信息技術的應用、融資、買賣、制造、零售都會個人化、定制化，加上快速的物流。由此可得出，這五個“新”需要地理空間信息承載與應用的支撐。如果全人類都需要依托地理信息進行云服務云交易云物流，對地理空間信息承載與應用系統(tǒng)的需求和壓力將會跨數量級的增加。

在安全領域，地理空間情報是現代信息化戰(zhàn)爭的基礎[1]，也是“數字化戰(zhàn)場”的重要組成部分，它有機融合了圖像情報、地理空間信息及其他數據，融合多元情報協(xié)作，化繁為簡，集分析和觀點于一身，能夠賦予領導者敏銳的洞察力并為他們快速決策提供情報保障，為現代化的軍事行動提供近

實時、高精度動態(tài)的情報支援，同時還可以構建高仿真的虛擬戰(zhàn)場環(huán)境。該系統(tǒng)的建設可以達到以下效果：

（1）建設透明戰(zhàn)場以確保C4ISR暨指揮、控制、通信、計算機、情報及監(jiān)視與偵察系統(tǒng)的穩(wěn)定運行，快速決策并賦予領導者敏銳的觀察力;

（2）提供近實時、高精度動態(tài)的情報支援，確保武器的精準快速打擊能力;

（3）構建高仿真的虛擬戰(zhàn)場環(huán)境，虛擬現實練兵。

自美軍提出全球信息柵格（GIG）和美國國家地理空間情報局（NGA）成立以來，美軍逐漸從“平臺中心站”向“網絡中心戰(zhàn)”轉型，更加依賴民用的網絡信息服務，尤其是大型云服務器，由于其耗費大量經濟資源，只有需求強勁的民用領域才會大規(guī)模建設，只應用于軍事會給國民經濟帶來巨大負擔。在輿論更為公開的今天，最小規(guī)模的力量投入達到作戰(zhàn)目的，才能更好服務大局。綜上，從云轉向邊緣減少云服務器和作戰(zhàn)單元終端的流量十分必要，可以從根源上降低泄密風險，意味著圖1[2]的“指揮控制”模塊要利用高保密度的計算機和通信網絡執(zhí)行。

在此系統(tǒng)的構建中，涉及到兩個問題。一是有了云分發(fā)、服務平臺后如何獲取人所需要的信息，從地理信息的語義分析中轉變成人類可以馬上理解的語義信息;二是該系統(tǒng)的關鍵要素三維模型數據量非常龐大，如何讓用戶能夠用日常的客戶端（個人電腦、智能手機），可以流暢地實現三維漫游。這兩點都是為了達到以上安全領域和國民經濟發(fā)展目的的必要技術。

為了使計算性能尤其是顯示元件的性能相對較低的移動設備能流暢地閱覽包含大規(guī)模網格數量的三維信息，是當今移動三維軟件的基本要求，為了解決三維移動服務的難題，本文提出性能導向結合的邊緣計算結構（Performance-oriented edge computing architecture， POETOA）構想?；诋斚鲁墒斓囊曨l傳輸傳輸技術，本文重點論證POETOA在移動設備借助邊緣服務器預覽3DGIS信息的可行性。

1? 承載三維空間信息的技術需求分析

1.1? 數字地球

1996年，中國李清泉為首的科學家提出3DGIS概念并提出了NURMS和柵矢結合數據結構;1998年美國環(huán)境學家前副總統(tǒng)Al Gore提出了數字地球的藍圖，當時旨在為保護生態(tài)系統(tǒng)提供精確的地理數據平臺，OSG誕生;2005年谷歌地球面世，世界上第一個全球衛(wèi)星圖像瀏覽器;2009年，中國科學院牽頭成立國際數字地球學會，在GoodChild等學者的推動下，數字地球的需求和方向進一步明確[3];2016年后，Locaspaceviewer， FreeViewer， Cesium等一大批數字地球平臺相繼投入市場，智慧城市、地理信息服務等理念開始受到重視。

在GIS體系和云分發(fā)體系的服務下，目前整合三維信息最好方式是數字地球（Digital Earth）。由中國科學院領導的地球觀測和數字地球中心（CEODE）和國際數字地球學會（ISDE）在2010國際數字地球大會上對2020數字地球的發(fā)展做出了展望。數字地球平臺是解決下面五個問題的最好平臺[3]：

（1）大規(guī)模完善的觀測系統(tǒng)構建;

（2）未來環(huán)境變化及其對人類影響的預警;

（3）確定人類對全球環(huán)境變化預測、避免、適應能力的閾值;

（4）提升全球可持續(xù)發(fā)展能力在制度上、經濟上、個人行為上的指導;

（5）鼓勵人們推進全球可持續(xù)發(fā)展的創(chuàng)新積極性，包括技術、政策制定和社會活動方面。

為了適應人們多層次的需要，新時代的數字地球需要穩(wěn)定的跨平臺性能。目前能夠實現跨平臺的數字地球主要有基于JavaScript瀏覽器數字地球和基于C++桌面端數字地球使用QT編程架構實現跨平臺。

JavaScript利用的瀏覽器進行云端處理，通過網絡將用戶的指令傳給云端進行處理。處理方式簡單但是瀏覽器/服務器模式（B/S）不適合協(xié)調多種計算資源的邊緣計算。比如說由于移動設備的芯片散熱要求高，散熱采用被動散熱的方式，所以采用的一般是精簡指令集（reduced instruction set， RIS），而桌面端設備特別是服務器為了提升性能一般采用較為復雜的指令集系統(tǒng)。瀏覽器在這里扮演虛擬機的功能，將用戶和云端服務器的指令相互轉換，限制了計算機性能。

為了滿足3DGIS對計算機性能尤其是圖形性能的要求，考慮到C語言是操作系統(tǒng)底層的開發(fā)語言，而C++是C語言基礎上增加了類與對象形成的，并且許多語法和C語言完全一樣，是非虛擬機語言，效率最高，因而C++是很好的選擇。另外，數字地球軟件開發(fā)包OSGEarth是基于開源計算機圖形應用程序編程接口OSG開發(fā)的[4]，OSG的開發(fā)歷史已經有二十年，比較穩(wěn)定和完善，而且還有特效模塊有利于以后利用該功能進行可視化指揮，提升指揮效率。不僅如此，OSG還集成了跨平臺用戶界面QT的模塊和與其他計算機語言如上述的JavaScript乃至人工智能開發(fā)語言Python等接口，魯棒性比較強，方便熟悉不同計算機語言的開發(fā)人員繼續(xù)開發(fā)。所以對OSG技術的開發(fā)對于滿足3DGIS的流暢性要求至關重要。

1.2? 承載三維空間信息的GIS

三維地理信息系統(tǒng)（3DGIS）的概念提出并不早，早在1998年時任美國副總統(tǒng)戈爾提出數字地球概念時，由于當時三維桌面端電子游戲已經在市場嶄露頭角，所以當時3DGIS已經開始被學者廣泛研究，甚至出版了專著[5]。但是，直到二十年后的今天，世界上也沒有任何一個完全的3DGIS平臺。

3DGIS的承載平臺是數字地球。數字地球是一個擁有多尺度分辨率結構的三維數字表現形式，用以推動與地理有關自然和人文科學研究。這個概念并非純理論概念，因為戈爾不僅是一個環(huán)境學家，而且還是一個政治家因而會比較多地考慮應用。戈爾的報告[6]指出，數字地球應當讓不同層次的人群，接觸到盡可能大的跨度信息。目標是讓科學家、政策制定者甚至孩子能夠讀懂并使用。這個概念和最近興起的大數據不謀而合，以及讓眾人參與進來和人工智能深度學習也是有所聯(lián)系，因而是一個很有前景的研究方向。

數字地球可以集成很多功能，包括可以規(guī)劃最短路徑的網絡分析、可以測量視域的視域分析、可以分析剖面的剖面分析等等。這些都和數字高程模型（DEM）分不開。但是加載了衛(wèi)星影像紋理和DEM的數字地球2005年谷歌地球問世以來已經具備，可這離3DGIS的標準差之甚遠。3DGIS的定義是可以加載三維模型并可以實現地理信息系統(tǒng)空間信息處理功能的地理信息系統(tǒng)[7]，而處于國家安全需要，全球覆蓋的DEM精度最高只有30 m，并沒有達到高精度城市空間分析如視域和剖面分析的要求。所以3DGIS需要滿足以下要求：

（1）加載真正的三維模型，每一個柵格或者像素點的高程必須是該點最高處的海拔高度。

（2）能夠融合三維模型進行空間分析。

（3）可以進行流暢的漫游不出現人眼可以識別得出的卡頓，即幀數不小于24幀。

（4）可以滿足給個人化定制化的需求，實現穩(wěn)定安全的服務與分發(fā)。

為了減輕網絡壓力，提升多任務處理能力，在有限影響三維預覽效果的前提下，需要簡化3DGIS的模型，以解決因性能不足或者帶寬不足導致的卡頓問題。最主要的方式是網格簡化（Mesh Simplification）。

簡化三維模型，需要經過視點相關網格簡化（viewpoint dependent mesh simplification， VDMS）和視點無關動態(tài)網格簡化（viewpoint independent mesh simplification， VIMS）兩步，其中主要是靜態(tài)網格簡化，動態(tài)網格簡化主要是對OSG的PagedLOD模塊進行設計，對視點和視角參數與靜態(tài)網格簡化的比例進行協(xié)調分析，然后根據視覺效果和計算機性能的要求調整VDMS的簡化程度參數。

1.3? 承載三維空間信息的GIS

近年來，云計算，大數據和物聯(lián)網等概念在我們的社會中盛行。他們的應用通過互聯(lián)網提供更多的訪問和信息服務，有利于人們的生活。但是，這條道路上存在一些限制。

自2005年以來，云計算成為公眾關注的焦點，它有效釋放個人設備有限的存儲容量，并且利用模式識別技術將重復的信息共享，大大減少了信息冗余。它通過將更多數據傳輸到云中心來處理數據和生成情報，改變了我們的工作和生活方式。這樣的云中心配備了大量的計算和存儲設備。例如，軟件即服務（SaaS）普遍應用于Google，Twitter和Facebook，這對應用程序的運行方式產生越來越大的影響。因此，設計了可編程模型MapReduce[8]，可分發(fā)文件系統(tǒng)Hadoop[9]等可擴展基礎設施和云服務處理引擎等文件系統(tǒng)。

自1999年以來，為了在沒有任何人為干預的情況下實現全自動計算機感應和處理，物聯(lián)網（IoT）[10-11]在智能家居，智能城市和智能駕駛系統(tǒng)等領域逐漸普及。兩端數量和數據量都很可怕，很難快速傳輸到云端。隨著人類進入每個新時代，計算單元和用戶都將呈指數級增長。2017年Statista的數據顯示，目前大約有40億移動設備可以通過網絡訪問。據思科全球云指數估計，人、機器和物品將產生500兆字節(jié)的數據，而那時數據全球數據中心IP流量僅需10.4兆字節(jié)。

盡管云計算可以緩解本地設備（如智能手機）等便攜式設備的壓力，但指數級數量的傳感器生成的個性化定制數據太大。定制化的數據無法通過模式識別極速秒傳傳到云端處理。在這種情況下，探索新的方法，如邊緣計算和霧計算來解決問題。根據思科互聯(lián)網業(yè)務解決方案集團和思科全球云指數，由500億件產品生成的物聯(lián)網創(chuàng)建的數據中，至少45%將在邊緣或接近啟動網絡源的計算機中存儲，處理和分析。

2? 三維模型簡化

三維信息動態(tài)顯示的流程為模型簡化、模型分割、紋理簡化、紋理分割和LOD組織五個流程。其中模型簡化和LOD組織都屬于網格簡化，前者屬于視點無關后者屬于視點相關的網格簡化方法。下面分類對網格簡化相關技術進行分類介紹：

2.1? 頂點聚類方法

頂點聚類方法[12]首先用一個包圍盒將原始模型包圍起來，然后通過空間劃分將包圍盒分成若干個小區(qū)域。這樣原始模型的所有頂點分別落在這些小區(qū)域內，將區(qū)域內的頂點合并成一個新頂點，再根據原始網格的拓撲關系對這些頂點進行三角化，得到簡化模型。但對于新頂點的劃分總體上是簡單的加權平均，沒有進行很好的誤差控制。Peter Lindstrom拓展了頂點聚類方法，且應用于大規(guī)模網格化簡。

頂點聚類法的關鍵技術有三步：一是分區(qū)，如何選擇合適大小的分區(qū)既方便編碼又有利于頂點的聚類;二是聚類的頂點或者三角網的選擇，選擇什么樣的三角網進行聚類能夠簡化頂點結構又將對原圖的破壞程度降到最小;三是計算刪除的三角網用哪個位置的頂點代替，這個過程一般都是選取質心，主要是為了驗證聚類單元的選擇過程需要計算幾次代表點，所以第二步是頂點聚類法的核心工作。除此之外，還涉及到上述三個過程在GPU和CPU中計算的方法。分區(qū)方面一般采用文獻[13]研究出的64x64或者128x128的大小，最適合柵格數據結構的壓縮和索引。文獻[14]采用了一遍完成的平衡布點外存模型算法，暨改進了二次誤差矩陣（Quadric Error Metrics，QEM）判斷頂點重要度的方法：QEM是網格簡化最常用的判斷網格復雜度的數學模型，在下一節(jié)會具體論述;同時將簡化的模型同原模型相交的簇進行量化和細化;還采用了核外（out- of-core）網格簡化將各個步驟并行計算提升了效率，核外指的是計算機硬件中的ROM，通過RAM的釋放，極大地減輕了計算機的負擔。這雖然減輕了計算機的負擔，但也影響了計算效率，魏子衿[15]提出了將代表點計算和模型數據流嚴格分開的多數據流并行算法，提升了計算效率，但是并行嚴格來說依然是依照包圍盒索引進行，沒能從源模型層并行，并行效率有較大提升空間。文獻[16]則提到了利用法向量乘積來判斷頂點重要度公式（1），是一種高效的判斷頂點重要度進而規(guī)劃網格簡化程度。

2.2? 幾何要素折疊簡化算法

邊折疊簡化算法是指，在每一次簡化操作中以邊作為被刪除的基本幾何元素（圖2（a））。在進行多次的選擇性邊折疊后，面片就可以被簡化到我們想要的任何程度了。點分裂是邊折疊的逆變換，可以用來恢復被簡化掉的信息。Hoppe[17]通過邊折疊和點分裂構建了漸進網格（Progressive Mesh，簡稱PM）模型，實現了多分辨率（multi-resolution）的層次細節(jié)模型。Level of detail，簡稱LOD）的實時生成[18]。

三角形折疊簡化方法是指，在簡化時三角面作為被刪除的基本元素。它是邊折疊算法的延續(xù)，一次三角形折疊可以刪除4個三角形、兩個頂點（圖2（b））。不同的三角折疊簡化的算法雖然互不相同，但只是判別標準的不同，也就是對哪些三角網格進行三角簡化的標準。

二次折邊算法的“二次”指的是基于二次誤差矩陣的新頂點選擇算法，三角折疊只是把兩個點變成三個點而已，本質是一樣的，該算法最開始由Garland[19]提出。在此基礎上后來人的研究基本上都采取直接計算出代表點的算法，這涉及到運算速度的問題。結合GPU的原理，文獻[20]對該算法進行了并行加速改進;文獻[21]結合了OpenMesh平臺采用半邊數據結構（Half-Edge Data Structure）對其進

行了優(yōu)化，該方法在選擇一條合適的邊進行迭代收縮時，定義了一個描述邊收縮代價的變量D，具體如下：對于網格中的每個頂點v，我們預先定義一個4?4的對稱誤差矩陣Q，那么頂點v = [vx vy vz 1]T的誤差為其二次項形式D（v） = vTQv。假設對于一條收縮邊（v1， v2），其收縮后頂點變?yōu)関bar，定義頂點vbar的誤差矩陣Qbar為Qbar = Q1 + Q2，對于如何計算頂點vbar的位置有兩種策略：一種簡單的策略是在v1， v2和（v1+ v2）/2中選擇一個使得收縮代價D（vbar）最小的位置。另一種策略是數值計算頂點vbar位置使得D（vbar）最小。如Qbar可逆，則計算vTQbarv=0即可，如果不可逆，則計算新頂點到收縮邊頂點所有平面的距離平方和最小，進行迭代計算即可。文獻[14]將計算距離平方和轉換為計算長度與三角形面積相同的法向量組成的四面體平方和，給計算機機器運算提供了另外一種解決方案。

關于三角網的折疊，文獻[22]提出了高效率的三角網格模型保特征簡化方法，分三步完成簡化：①該簡化方法引入了曲面細分的方法，采用曲面細分方法更新三個頂點使得模型更加連續(xù)光滑;②后依據先然后根據原模型復雜度的順序依次這個簡化方法首先選出三個新頂點;引入拉普拉斯坐標控制網格生長[23]，選取出三角網的代表點;③將新頂點與原三角形構成四面體和三角網平展度的乘性參數規(guī)劃折疊順序。該方法效率高而且效果也相比傳統(tǒng)的QEM算法有所改善，但是沒有充分考慮邊界點，而且細分之前沒有篩選三角網格，可能造成細節(jié)的缺失。通過結合其他曲面細分方法：loop曲面細分[24-25]、蝶形曲面細分[26]以及C-C曲面細分[27]。一方面可以改善細分法本身，另外一方面和不同代表點確定算法的結合，比如說下一節(jié)的ACVD算法，結合曲面細分法的網格簡化有較大研究提升的空間。

2.3? ACVD重構算法

ACVD算法的全稱是Approximated Centroidal Voronoi Diagrams，其中Voronoi指的是泰森多邊形。泰森多邊形法最初是由荷蘭氣象學家A·H·Thiessen提出的，當時是作為通過離散雨量點連成三角形，再做出三角形各邊的垂線，于是每個離散點被圍成一個多邊形[28]。泰森多邊形在國內當下是以應用方面為主，比如不同礦產質量的地理分布、使用Voronoi圖也就是泰森多邊形應用于對森林的角觀測[29]以提高進度更好地保護森林資源等等。

國外最著名的研究成果當屬S-Valette提出的ACVD[30]，即“基于近似質心的泰森多邊形方法”了。在這之后S-Valette在離散、網格依賴以及網格的各向同異性做了進一步的研究[31]。相關研究包括Zichao Di提出了一種改進的子空間截斷牛頓法[32]，用于求解懲罰函數法迭代過程中的僅帶有決策變量邊界約束的子優(yōu)化問題;Dong-Ming Yan引入了本地化的限制泰森多邊形模型[33]，也獲得了比較好的效果;魏寧基于工作需要對目標的特征部位精確觀測，將極點和二次誤差矩陣引入了該算法，獲得了比較好的效果[34]。

ACVD的實質是根據一定規(guī)則對Delaunay三角化網格進行二次劃分，進行質點的選取，對能量函數進行最小化處理，通過（2）求出泰森多邊形的質點，（3）是能量函數的表達式的原始定義， 是密度，比較抽象，因而轉化為（4）解釋為分區(qū)邊界三角網的面積，借此判定三維模型皺褶的程度，復雜程度越大的區(qū)域內的頂點鄰接的泰森多邊形越多。最后通過頂點鄰接的多邊形數量來重新三角化。圖5表達了增長收縮的過程，通過區(qū)域Vk和Vl計算出來的能量高地來決定邊界的三角網屬于哪個區(qū)域。

3? 邊緣服務分發(fā)技術

3.1? 從云GIS到邊緣3DGIS

“云計算”和“大數據”這兩個概念，加上“人工智能”近幾年基本上占據了各大學科、社會各領域各大版面。這三個概念也被阿里巴巴創(chuàng)始人馬云稱之為“影響未來30年動力源”。大數據有4V特征：Volume（數量海量）、Variety（種類繁雜）、Velocity（動態(tài)快速）、Value（價值巨大）。為了達到這個目的，除了云計算外，必須引入邊緣計算。

云GIS是基于云計算的理論、方法和技術，擴展GIS的基本功能，從而進一步改進傳統(tǒng)GIS的結構體系，以實現海量空間數據的高性能存取與處理操作，使其更好地提供高效的計算能力和數據處理能力，解決地理信息科學領域中計算密集型和數據密集型的各種問題。其實質是將GIS的平臺、軟件和地理空間信息能夠方便、高效地部署到以云計算為支撐的“云”基礎設施之上，能夠以彈性的、按需獲取的方式提供最廣泛的基于Web的服務[35]。目前，云GIS這一概念在能查到的中外文獻中并沒有公認的定義，Yang等[36]認為云GIS是以地理信息科學為核心，充分利用云計算帶來的優(yōu)勢。本文認為，云GIS是利用云基礎設施獲得大規(guī)模計算能力，來解決GIS中海量空間數據的分布式存儲、處理任務劃分、查詢檢索、互操作和虛擬化等關鍵性科學問題，提高GIS數據處理與管理能力，為計算密集型和數據密集型的各類GIS服務提供高性能處理的技術。

圖4展示了一個簡單的家用以路由器為核心的Webgis和LAN結構，看似是邊緣計算，但是本質上只是數據的共享而非協(xié)同各個計算機的性能。簡而言之，就是只能使用用戶直接使用的終端進行數據處理和服務。

總體來說，云GIS主要是解決數據管理的問題，就是數據庫管理系統(tǒng)（DBMS）的問題，因為GIS有很

強的跨學科性質，很多其他學科的數據都可以借助GIS工具進行分析，因而造成數據的海量化。因此數據必須在云端進行管理以提供穩(wěn)定準確的服務和分發(fā)，邊緣服務器根據需要對云端數據進行篩選存儲提供移動邊緣服務。上述提到的4V特征都具有非常強的交互性，在接入互聯(lián)網的單元指數爆炸的物聯(lián)網時代，定制或者緊迫的信息傳輸的實時性要求大大提升，大量信息依靠互聯(lián)網傳輸易造成延時堵塞而邊緣計算有以下幾個特點：

（1）云傳輸通道泄流：物聯(lián)網GIS中存在對傳輸延遲容忍度極低的信息，比如說事故、病房尤其是重癥監(jiān)護甚至是間諜活動。一方面，云計算作為一個統(tǒng)一化的大型計算平臺，很難做到面面俱到;另一方面，把更多交互性強、流量大的處理模塊轉移到邊緣端，為云服務器提供更多帶寬冗余和性能冗余，更加有利于縮短優(yōu)先信息的傳播時間，提升實時性。

（2）實時性增強：邊緣服務器所用的局域網提速的空間要遠高于公共網絡，甚至可以接近設備內傳輸速度，而且邊緣服務器分布性強，冗余多而所有邊緣服務器崩潰的情況概率極低。而且定制化計算難度大的信息處理需求往往需要支付高額服務費，因而在處理高速計算需求比如說三維實景顯示方面有著獨特的優(yōu)勢，這也是下節(jié)討論和本章節(jié)的重點。

（3）信息安全性高：邊緣架構可以實現指定范圍內信息的隔離，如圖5簡單的混合邊緣信息流設計，內部邊緣端的信息只能夠與內部移動設備交互和與接收公開邊緣端發(fā)送的信息，無論是通過硬件還是軟件方法實現信息的單向傳輸，安全性無疑是提高了。

邊緣計算前人出的研究成果大多的目標是延長移動設備電池耐性，包括Cuervo提出的MAUI架構[37]和文獻[38][39]提出的給移動設備的傳輸和計算泄流的方案，主要方向都是節(jié)約移動設備的能源，不需要數據量龐大的信息交互。針對3DGIS在借助邊緣計算移動設備上的需求，結合LAN路由技術，下一節(jié)論證POETOA框架，實現3DGIS預覽的可行性，因為預覽功能是GIS的基礎功能，為更復雜的未來3DGIS提供基本的支撐。

3.2? 邊緣3DGIS顯示技術及可行性分析

隨著網絡技術的不斷發(fā)展，第四代移動通信技術已經成熟第五代移動通信技術蓄勢待發(fā)，互聯(lián)網信息的分發(fā)與服務正支撐著數字地球的發(fā)展。但是移動設備的圖形計算能力有限制約著數字地球在移動設備上的開發(fā)。而且三維模型的顯示交互性極強，云服務器過載的情況下，連續(xù)不斷的交互導致大量的信息冗余，造成網絡資源的大量浪費。3DGIS云服務覆蓋所有移動設備的困難：①數量龐大的移動終端短時間堵塞，云服務器或者有限的帶寬;②操作桿和圖像的交互流量造成資源浪費;③惡劣的環(huán)境下，比如說考古、勘探工作和軍事運用中天基信息網絡資源珍貴;④移動終端GPU芯片被動散熱，處理三維信息能力有限。在數據爆炸的時代IP流量仍然遠遠落后于數據量，而且未來客戶的需求將趨向定制化，全部交托給云服務器將大大削弱其作為復雜計算任務中的新職能。將更多的重復的數據于無線局域網WLAN進行傳輸尤為重要，這也是邊緣計算的目的。

圖6是移動邊緣服務計算結構的設計，表達了移動3DGIS各個模塊之間的關系。

優(yōu)化的3DGIS服務在哪個位置進行計算由很多因素決定：①移動設備和邊緣服務設備的CPU、GPU和內存占用情況和移動終端的電池續(xù)航要求;②網絡帶寬、資費和占用情況;③用戶指令需求的分析，評估所需服務隊網絡和計算性能要求，指定邊緣方案;④服務定制與否，占用計算資源最大的三維顯示可以新建相機共享資源;⑤清晰度和顯示幀數的評估，力爭確保質量不低于閾值調配計算和網絡資源;

主要的技術點有：①協(xié)調云服務器、邊緣服務器和移動設備的接口;②電池續(xù)航能力無法同CPU、GPU和內存那樣有明確的占比標準，電池續(xù)航作為計算能力之一進行標準化界定;③云端的共享數據傳輸與邊緣服務器共享資源的最優(yōu)化;④移動應用中定制化和多用戶共享的服務如何共享服務器的內存資源，接口和GIS數據的方法。⑤LOD組織中視點距離的確定，暨界定視點與3D元素的距離，平衡移動設備顯示屏大小和計算機壓力。

由于預設和語義學的局限性[40]要實現以上的技術點，需要實時獲取移動設備和邊緣服務器的性能指標、互聯(lián)網帶寬閑置情況：①java有為移動設備提供CPU和內存指數接口;②C++可導出windows和linux操作系統(tǒng)計算機的CPU和內存使用情況;③Opengl提供GPU三維渲染性能、專用GPU內存和共享GPU內存使用率的接口，OSG中osgviewer類的StatsHandler將其歸一化提供了GPU整體使用率參數[41];④I/O可查詢當前計算機互聯(lián)網速度。

圖7表達了移動和邊緣端除了數據共享外的兩種共享方式，即通過QT框架使得不同承載操作系統(tǒng)的服務器和移動設備顯示窗口和操作桿互聯(lián)互通。再次架構上POETOA的目的就是探索 3DGIS的移動邊緣服務（主要是三維場景瀏覽）的最佳方案。除此之外多個移動用戶對邊緣服務的并行共享方案的優(yōu)化也是重要的研究內容。其中Android系統(tǒng)原生態(tài)開發(fā)包（Native Development Kit， NDK）兼容C++開發(fā)，而且由于所有操作系統(tǒng)核心代碼大多基于C++開發(fā)，在提升效率方面具有天生優(yōu)勢。除此以外，聲音同步模塊在QT中也有相應接口，但非3DGIS的技術點。

4? 總結與展望

本文總結了實現移動3DGIS服務所需要的兩個最主要的技術點——網格簡化和移動邊緣計算。移動邊緣計算尚處于開發(fā)階段，現階段GIS乃至數字地球的移動軟件都是通過云服務器和移動設備本身的交互實現的。尚無法在移動設備流暢地加載三維模型，這需要后續(xù)的研究。

網格簡化方面，現有的LOD基本都采用如QEM的均勻網格簡化方法，需要將如ACVD的非均勻網格簡化方法集成到LOD動態(tài)加載中，以減少對計算機資源的耗費，通過局域網利用邊緣計算服務更多的設備。但ACVD的分區(qū)需要三維模型無縫貼合，否則能量函數無法對模型分區(qū)，只有理想的三維模

型比如說斯坦福bunny才是完全封閉的。把ACVD用在局部的城市傾斜攝影模型中，能量函數需要進一步優(yōu)化?？傮w而言，網格簡化的程度可以在根本上減輕邊緣服務分發(fā)的壓力，邊緣分發(fā)服務將網格簡化的成果實現到底層三維顯示應用當中，是一個體系化的研究。

通過QT+OSG架構同步邊緣服務器和移動設備的操作桿和顯示窗口的方式，本文在程序架構上論證了邊緣計算的編程兼容性，而且相對于基于瀏覽器的webgis，使得數據和計算壓力分布化，提升力效率和安全性。需要深化研究的內容包括依據計算性能制定LOD精確到第幾層、視距定義，以及根據邊緣服務器和移動設備性能及電源方案規(guī)劃觸發(fā)邊緣服務的閾值，從移動設備單獨計算處理轉向邊緣服務器處理也會有相應時間。這些都是需要深入研究的內容。

網格簡化從根本上為未來的移動三維地理信息邊緣服務降低服務器計算壓力，邊緣計算則提供更加安全和節(jié)能的移動3DGIS實現方式。邊緣計算使得移動設備有限的功能用于與個人或敏感信息的處理上，既節(jié)省計算資源又能確保信息安全。未來研究的重點是綜合計算資源消耗、數據量要求、計算需求的定制化程度和信息安全對云服務、邊緣服務和移動設備的分工進行設計和標準量化。

參考文獻

于渤， 全吉成， 吳婧文. 地理空間情報在現代軍事行動中的作用分析[J]. 情報探索， 2013， 1（9）： 36-38.

盧山， 鞠茂光， 晏慶. 全球信息柵格及軍事應用啟示[J]. 通信技術， 2010， 43（12）： 88-90.

Goodchild M F. The use cases of digital earth[J]. International Journal of Digital Earth， 2008， 1（1）： 31-42.

王文濤. 地理柵格數據壓縮與場景組織管理技術研究與實現[D]. 國防科學技術大學， 2011.

Bartel S. 3d-Gis for Urban Purposes[M]. Kluwer Academic Publishers， 1998.

Gore Al. The digital earth[J]. Australian Surveyor， 1998， 43（2）： 89-91.

Costamagna E. Geographic Information Science （GIS） 3D[M]. Springer Netherlands， 2014.

Dean J， Ghemawat S. Simplified Data Processing on Large Clusters[J]. Osdi， 2004， 51（1）：10-10.

Shvachko K， Kuang H， Radia S， et al. The Hadoop Distributed File System[C]// IEEE， Symposium on MASS Storage Systems and Technologies. IEEE Computer Society， 2010： 1-10.

Tao X， Ota K， Dong M， et al. Performance Guaranteed Computation Offloading for Mobile-Edge Cloud Computing [J]. IEEE Wireless Communications Letters， 2017， 6（6）： 774- 777.

Ahmed A， Ahmed E. A survey on mobile edge computing [C]// International Conference on Intelligent Systems and Control. IEEE， 2016.

蔡振鋒， 史云飛， 邵長江， 等. 基于TEN的三維空間疊置分析[J]. 長春工程學院學報（自然科學版）， 2016， 17（2）： 89-91.

李慧婷， 李朝奎， 卜璞. 頂點重要度調整的三維場景集成簡化方法[J]. 測繪科學， 2016， 41（9）： 147-151

蔡康穎， 王文成， 費廣正， 等. 一遍完成的平衡布點外存模型簡化算法[J]. 計算機學報， 2002， 25（9）： 936-944.

魏子衿， 肖麗. 改進頂點聚類方法的并行核外模型簡化算法[J/OL]. 計算機工程與應用： 1-11[2018-06-07].

王家騰， 殷宏， 解文彬， 等. 基于頂點重要度和層次聚類樹的地形網格簡化[J]. 計算機工程與設計， 2016， 37（6）： 1543-1548

Hoppe H. View-dependent refinement of progressive meshes[C]// Conference on Computer Graphics and Interactive Techniques. ACM Press/Addison-Wesley Publishing Co. 1997： 189-198.

Cheen-Hau T， Lap-Pui C. Single Viewpoint Image-Driven Simplification[J]. International Journal of Image & Graphics， 2014， 14（03）： 204-108.

Garland M. Surface simplification using quadric error metrics[C]// Conference on Computer Graphics and Interactive Techniques. ACM Press/Addison-Wesley Publishing Co. 1997： 209-216.

范豪， 劉峻， 孫宇， 等. GPU并行加速的邊折疊簡化算法[J]. 計算機工程與設計， 2016， 37（11）： 3051-3057.

丁文文. 基于OpenMesh的三維網格簡化算法優(yōu)化[J]. 電腦知識與技術， 2017， 13（6X）： 200-202.

段黎明， 邵輝， 李中明， 等. 高效率的三角網格模型保特征簡化方法[J]. 光學精密工程， 2017， 25（2）： 460-468

Zhou K， Huang J， Snyder J， et al. Large mesh deformation using the volumetric graph Laplacian[C]// Acm Siggraph. ACM， 2005： 496-503.

鄧重陽， 汪國昭. 用Loop細分曲面插值三角網格[J]. 中國科學： 信息科學， 2010， 40（7）： 934-942

王艷艷， 張榮國， 王蓉， 等. 向量線性相關的三角網格自適應Loop細分方法[J]. 圖學學報， 2009， 30（1）： 91-96.

Ling R， Luo X， Chen Z. Ternary butterfly subdivision[J]. Computers & Graphics， 2009， 33（4）： 566-575.

李濤， 周來水. 基于平方距離極小化方法用C-C細分曲面擬合三角網格[J]. 南京航空航天大學學報， 2008， 40（3）： 364-369.

顏真梅， 母國宏. 基于泰森多邊形法的流域面平均雨量計算[J]. 水利科技與經濟， 2017， 23（01）： 19-22.

馮仲科， 郭清文， 朱萍. Voronoi圖—泰森多邊形法在角規(guī)測樹中的應用[J]. 林業(yè)資源管理， 2006， 1（03）： 44-47.

Valette S. Approximated Centroidal Voronoi Diagrams for Uniform Polygonal Mesh Coarsening[C]// Computer graphics forum： The international journal of Eurographics Association. Blackwell， 2004：381-389.

Valette S， Chassery J M， Prost R. Generic remeshing of 3D triangular meshes with metric-dependent discrete voronoi diagrams[J]. IEEE Trans Vis Comput Graph， 2008， 14（2）： 369-381.

Di Z， Maria E， Stephen N. Truncated Newton-Based Multigrid Algorithm for Centroidal Voronoi Diagram Calculation[J]. Numerical Mathematics Theory Methods & Applications， 2012， 5（2）： 242-259.

Yan D M， Bao G， Zhang X， et al. Low-Resolution Remeshing Using the Localized Restricted Voronoi Diagram[J]. Visualization & Computer Graphics IEEE Transactions on， 2014， 20（10）： 1418-27.

魏寧， 徐婷婷， 高開源， 等. 基于Voronoi極點特征值顯著度加權的網格簡化算法[J]. 圖學學報， 2017， 38（3）： 314-319.

李少丹. "云GIS"的發(fā)展趨勢分析[J]. 電腦知識與技術， 2011， 07（16）： 3824-3826.

Chaowei Yang， Michael Goodchild， Qunying Huang， et al. Spatial cloud computing： how can the geospatial sciences use and help shape cloud computing？[J]. International Journal of Digital Earth， 2011， 4（4）： 305-329.

Cuervo E， Balasubramanian A， Cho D K， et al. MAUI： making smartphones last longer with code offload[C]// International Conference on Mobile Systems， Applications， and Services. DBLP， 2010： 49-62.

Sardellitti S， Scutari G， Barbarossa S. Joint Optimization of Radio and Computational Resources for Multicell Mobile-Edge Computing[J]. IEEE Transactions on Signal & Information Processing Over Networks， 2015， 1（2）： 89-103.

Mao Y， You C， Zhang J， et al. A Survey on Mobile Edge Computing： The Communication Perspective[J]. IEEE Communications Surveys & Tutorials， 2017， PP（99）： 1-1.

Pierro A D， Wiklicky H. Semantics of Probabilistic Programs： A Weak Limit Approach[M]// Programming Languages and Systems. 2013：241-256.

Wang R， Qian X. OpenSceneGraph 3 Cookbook[M]. Packt Publishing， 2012.