專利名稱：可漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲與訪問的方法
技術(shù)領(lǐng)域：
本發(fā)明公開了一種可用于漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲和訪問的方法，能夠?qū)崿F(xiàn)地理信息系統(tǒng)領(lǐng)域矢量數(shù)據(jù)的高效存儲和訪問。
背景技術(shù)：
空間數(shù)據(jù)具有海量特征，各種現(xiàn)代化的數(shù)據(jù)采集手段的應(yīng)用使得可用的空間數(shù)據(jù)量正在急劇增加，在可預(yù)見的將來，計算機處理能力與無限量的空間數(shù)據(jù)之間的矛盾將始終存在。為了提高系統(tǒng)的響應(yīng)速度，在空間數(shù)據(jù)的組織、傳輸和可視化等環(huán)節(jié)尋找優(yōu)化性能的技術(shù)和方法始終是GIS研究領(lǐng)域的核心課題。GIS的矢量數(shù)據(jù)承擔(dān)著空間分析和制圖輸出的雙重任務(wù)，經(jīng)典的矢量數(shù)據(jù)漸進傳輸?shù)难芯空J(rèn)為，其是制圖綜合的逆過程，而制圖綜合技術(shù)本身尚未成熟，所以，矢量數(shù)據(jù)高效傳輸在幾何化簡、數(shù)據(jù)組織、拓?fù)潢P(guān)系維護等目標(biāo)之間難以取得一致和平衡?，F(xiàn)有的研究工作集中在幾何數(shù)據(jù)的化簡算法改進以及特定應(yīng)用的漸進傳輸實驗上，沒有形成完整的解決方案，無法與主流的GIS軟件架構(gòu)進行有效融合。Bertolotto和Egenhofer (1999，2001)最早提出了 GIS矢量數(shù)據(jù)的漸進傳輸問題， 并給出了漸進傳輸?shù)母拍钅Ｐ?，指出矢量?shù)據(jù)漸進傳輸?shù)年P(guān)鍵是構(gòu)建矢量數(shù)據(jù)的多分辨率表達。艾廷華和李志林000 等給出了基于變化累積模型的矢量數(shù)據(jù)漸進傳輸?shù)男问交磉_設(shè)&為矢量數(shù)據(jù)最粗粒度的表達；Δ Si是兩個相鄰的表達S"，Si之間的變化量； 若第i個表達可以由如下形式獲得Si = Si^1+ Δ Si = S0+ Δ S1+ Δ S2+. . + Δ Si^1+ Δ Si公式 4—1則{SJ構(gòu)成的序列是一個細節(jié)漸增的序列，每個表達Si是依賴于地圖比例尺的函數(shù)。在服務(wù)器上僅存儲&和{ASJ，初始的表達& 一般用來滿足基本需要。漸進傳輸?shù)捻樞虬凑調(diào)ASJ的線型排列進行的。一般情況下&加上{ASJ的數(shù)據(jù)量遠遠小于{SJ的數(shù)據(jù)量。因此，實現(xiàn)漸進傳輸?shù)暮诵氖菍ふ蚁鄳?yīng)的漸進式化簡算法，將矢量數(shù)據(jù)分解成初始的數(shù)據(jù)和一系列變化量的集合。本發(fā)明以有序點集為基礎(chǔ)，研究可用于漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲和訪問的方法?？蓾u進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲和訪問的方法滿足如下形式化模型對于原始數(shù)據(jù)S，若目標(biāo)分辨率包含N級，則可設(shè)最高分辨率、=S。定義化簡算法C 對Sn應(yīng)用該算法可以得到相應(yīng)的Slri和Δ &，其中Slri是&的低分辨率表達，Δ &是Slri和&之間的變化量。對Sn 連續(xù)應(yīng)用算法 C，可得序列 Sh，SN_2，...，S。，以及 Δ Sn, Δ Sn^1 , Δ SN_2，..., Δ S1，對于任意Si可由Si = Sh+ Δ Si得到。其實，化簡過程可以在任意分辨率Ν-ρ上終止，此時數(shù)據(jù)可以表示成
Si = Sh+ ASi = SN_p+ Δ SN_p+1+ Δ SN_p+2+· · + Δ Si^1+ Δ Si 公式 4-2可以認(rèn)為算法C是一個適合于漸進傳輸?shù)幕喎椒?，簡稱漸進式化簡。漸進式化簡相當(dāng)于對數(shù)據(jù)的編碼過程，漸進傳輸相當(dāng)于解碼過程。

發(fā)明內(nèi)容
本發(fā)明公開了一種可用于漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲和訪問的方法。實現(xiàn)漸進傳輸?shù)暮诵氖菍ふ蚁鄳?yīng)的漸進式化簡算法，將矢量數(shù)據(jù)分解成初始的數(shù)據(jù)和一系列變化量的集合。本發(fā)明以有序點集為基礎(chǔ)，研究可用于漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲和訪問的方法。漸進傳輸模型可以將有序點集分解成一個最低精度層次下有序點集和一系列增量。在漸進傳輸模型支持下，用合適的精度層次的版本可以達到與原始數(shù)據(jù)像素級相同的顯示效果。OGC簡單要素規(guī)范中，除點類型以外，均可以看成是以有序點集為基礎(chǔ)組織的。 漸進傳輸模型下定義OGC矢量數(shù)據(jù)的漸進式二進制格式屬于要素級別的多分辨率模型，支持以要素為基本單位的漸進傳輸。目前，主流的存儲模型是基于關(guān)系模型存儲GIS矢量數(shù)據(jù)。在關(guān)系數(shù)據(jù)庫中，矢量數(shù)據(jù)按照數(shù)據(jù)集來進行組織，同一個數(shù)據(jù)集中的地理要素共享屬性定義和空間參考。地理要素在數(shù)據(jù)集中被映射成記錄。將矢量數(shù)據(jù)存儲到關(guān)系數(shù)據(jù)庫中， 關(guān)鍵是將地理要素集映射到關(guān)系數(shù)據(jù)庫的表結(jié)構(gòu)和關(guān)系模式上。對于數(shù)據(jù)而言，一個表中的記錄越少，系統(tǒng)查詢的效率越高，聚集也可以用來重構(gòu)漸進傳輸模型下的關(guān)系存儲模型。將屬于一個聚集的漸進增量數(shù)據(jù)按照精度層次和Id順序存儲到一個記錄中，將壓縮幾何數(shù)據(jù)表的記錄數(shù)，同時將多個幾何對象存儲在一條記錄中，有助于提高磁盤I/O的速度?；跐u進傳輸模型，可重構(gòu)WKB的幾何數(shù)據(jù)的二進制結(jié)構(gòu)， 實現(xiàn)幾何數(shù)據(jù)的按精度層次的分組存儲，然后按照所需的精度層次進行的分組傳輸。漸進傳輸模型的緩存結(jié)構(gòu)以聚集為單位進行組織，同樣遵循“數(shù)據(jù)集-聚集-記錄”三級邏輯結(jié)構(gòu)?？蛻舳司彺姘瑑?nèi)存緩存和本地文件緩存。內(nèi)存緩存包含了所有聚集集合，通過空間索引進行管理，內(nèi)存緩存的數(shù)據(jù)以可視范圍為中心進行分級管理。考慮到用戶交互的空間相關(guān)性，用戶每一次交互活動的可視范圍總是與上一次的范圍相關(guān)，是當(dāng)前范圍縮放和平移的結(jié)果，描述了數(shù)據(jù)范圍查詢過程中數(shù)據(jù)調(diào)度的過程。


圖1漸進傳輸模型下的幾何數(shù)據(jù)與原始數(shù)據(jù)共享屬性的關(guān)系存儲模型圖20GC幾何對象的漸進傳輸模型下二進制結(jié)構(gòu)的內(nèi)存布局圖3漸進傳輸模型下矢量數(shù)據(jù)的關(guān)系存儲圖4漸進傳輸模型下的幾何結(jié)構(gòu)的單記錄和多記錄存儲示意5漸進傳輸模型下幾何數(shù)據(jù)的聚集化存儲的關(guān)系模式圖6聚集化的漸進傳輸模型下幾何數(shù)據(jù)的存儲結(jié)構(gòu)圖7漸進傳輸模型下矢量數(shù)據(jù)的客戶端緩存結(jié)構(gòu)圖8基于可視范圍的分級緩存模式
具體實施方式
漸進傳輸模型下的矢量數(shù)據(jù)關(guān)系模型存儲地理要素包含屬性和幾何兩個部分，屬性數(shù)據(jù)一般沒有多分辨率特征，只有幾何部分能夠進行漸進傳輸，所以從地理要素級別上講，只需要考慮幾何部分在漸進傳輸中的存儲問題。原始的矢量數(shù)據(jù)不能進行漸進傳輸，幾何數(shù)據(jù)的漸進式的化簡是漸進傳輸?shù)谋匾襟E，因此下面假定幾何數(shù)據(jù)已經(jīng)完成了對幾何部分的處理過程。漸進傳輸?shù)氖滓繕?biāo)是提高客戶端可視化的效率，各種空間分析要借助于原始的幾何數(shù)據(jù)實現(xiàn)，因此將原始幾何數(shù)據(jù)和漸進傳輸處理過的幾何數(shù)據(jù)共存在一個數(shù)據(jù)庫中， 并共享屬性部分的定義是比較理想的方案。圖1給出了這個方案的概念模型幾何數(shù)據(jù)和屬性數(shù)據(jù)是矢量數(shù)據(jù)的原始版本，幾何數(shù)據(jù)通過漸進傳輸模型，形成可漸進傳輸?shù)膸缀螖?shù)據(jù)；通過關(guān)系模式建立不同層次幾何數(shù)據(jù)之間的聯(lián)系，連同漸進傳輸模型信息、空間參考和其它元數(shù)據(jù)信息統(tǒng)一存儲到關(guān)系數(shù)據(jù)庫中。OGC SQL規(guī)范代表了矢量數(shù)據(jù)存儲的經(jīng)典模型，幾何部分和屬性部分是1 1對應(yīng)的，在非漸進傳輸模式下，幾何部分和屬性部分可以同步傳輸。而漸進傳輸模型下，一個幾何數(shù)據(jù)對應(yīng)一個初始的粗分辨率的數(shù)據(jù)和若干漸進增量，增量數(shù)據(jù)是根據(jù)分辨率漸進傳送的，所以屬性數(shù)據(jù)和漸進傳輸模型下的幾何數(shù)據(jù)應(yīng)該分離存儲，建立單獨的漸進傳輸模型下漸進幾何數(shù)據(jù)表?？紤]漸進傳輸模型下的OGC簡單要素的二進制格式，將該二進制格式直接作為 BLOB字段存儲是最簡單的方法，但是這樣對于讀取和解析很不方便，需要將整個字段讀取出來，并從二進制流中提取出需要增量數(shù)據(jù)，傳輸?shù)娇蛻舳耍虼诉@種結(jié)構(gòu)不利于漸進傳輸。參考圖2給出的漸進傳輸模型下的幾何數(shù)據(jù)的內(nèi)存布局，考慮將數(shù)據(jù)分割成如下部分第一部分包括1個類型標(biāo)識、有序點集的個數(shù)和初始精度層次下頂點坐標(biāo)序列的集合。第二個部分包括maxLevel-minLevel個漸進增量結(jié)構(gòu)。這樣一個漸進傳輸模型下的二進制格式被分割成maxLevel-minLevel+Ι個二進制塊。考慮漸進傳輸模型下的結(jié)構(gòu)定義中的參數(shù)I^recisionModel，可以得到漸進傳輸模型下的關(guān)系數(shù)據(jù)庫存儲方案。圖3是存儲方案的E-R模型，本發(fā)明設(shè)計了單記錄存儲模型和多記錄存儲模型兩個方案1)漸進傳輸模型下的參數(shù)信息被映射到表I^recisionModel表，用來存儲漸進傳輸模型下的元數(shù)據(jù)，PrecisionModel 表中包含了 Feature_TabIeName 禾口 pmGeometry_ Table_Name字段，用來指定數(shù)據(jù)集的原始要素存儲表(Feature Table)和漸進傳輸模型下的幾何表(pmGeometry Table)。2)原始的矢量數(shù)據(jù)集按照OGC SQL規(guī)范進行存儲，包含幾何數(shù)據(jù)字段 (GeometryCloumn)。幻矢量數(shù)據(jù)集對應(yīng)一個漸進傳輸模型下的幾何表(PmGeomtryTable)， Feature Table 與 PmGeomtryTable 通過 pmID 建立關(guān)系，指明 FeatureiTable 表中要素與 PmGeometryTable中幾何表達的對應(yīng)關(guān)系。單記錄存儲將漸進傳輸模型幾何精度的漸進增量作為一個單獨的記錄來存儲，為每個漸進增量數(shù)據(jù)建立一個存儲字段pmData_<level>，level是精度層次；多記錄存儲模型將每個精度層次的漸進增量作為單獨的記錄。圖4給出了單記錄存儲和多記錄存儲的示意圖，顯示了漸進傳輸模型的幾何模型的漸進增量映射表結(jié)構(gòu)時的差異。單記錄存儲和多記錄存儲在本質(zhì)上是一樣的，但在存儲增量時，多記錄存儲模型需要整體的插入、刪除和更新以維護數(shù)據(jù)的一致性。漸進傳輸模型矢量數(shù)據(jù)的聚集化關(guān)系模型存儲對于數(shù)據(jù)而言，一個表中的記錄越少，系統(tǒng)查詢的效率越高，聚集也可以用來重構(gòu)漸進傳輸模型下的關(guān)系存儲模型。將屬于一個聚集的漸進增量數(shù)據(jù)按照精度層次和Id順序存儲到一個記錄中，將壓縮PmGeometry表的記錄數(shù)，同時將多個幾何對象存儲在一條記錄中，有助于提高磁盤I/O的速度。圖5給出聚集化的漸進傳輸模型下矢量數(shù)據(jù)的關(guān)系模式。在這個模型中， PmClusterTable以存儲聚集信息，字段的含義與struct FeaturCluster中定義的一致。 由于聚集中的幾何對象是通過Id排序存儲的，很容易將屬性記錄的查詢映射為范圍查詢， 并基于 pmld 進行排序，形成 SQL 條件子句(pmld between minPmld and maxPmld order bypmld)。聚集化的存儲可以按照如下步驟建立1)根據(jù)特定聚集規(guī)則對整個數(shù)據(jù)集進行掃描，建立若干初始聚集，每個聚集包含若干幾何對象。2)按照特定排序規(guī)則對聚集進行排序，形成聚集的custerld編碼。3)按照聚集排序結(jié)果，對聚集內(nèi)部的記錄進行排序，并建立數(shù)據(jù)集唯一的連續(xù)順序編碼pmld，形成pmld寫入到對應(yīng)記錄的字段中，這時每個記錄都會對應(yīng)一個pmld。4)以聚集為單位，生成聚集中每個幾何對象的PPM+模型下的二進制結(jié)構(gòu)，按照精度層次，組合幾何對象的增量數(shù)據(jù)，每個精度層次形成一個獨立的二進制流，存儲到 PmClusterGeometry 表中。上述步驟僅從概念上予以說明，不涉及確定的聚集算法。存儲結(jié)構(gòu)并不保證空間上鄰近的矢量數(shù)據(jù)存儲到一個聚集中，聚集算法本身應(yīng)該保證空間上的聚集性，同時聚集內(nèi)的記錄個數(shù)要合適?，F(xiàn)有的空間索引算法都是對空間數(shù)據(jù)進行某種聚集，經(jīng)過改造可作為聚集生成算法。聚集化的漸進傳輸模型下幾何數(shù)據(jù)的存儲結(jié)構(gòu)如圖6，每個聚集按照漸進傳輸模型定義的精度層次，包含固定的記錄及字段個數(shù)；圖中每一行橫向結(jié)構(gòu)是原來漸進傳輸模型下幾何對象的二進制存儲，每一列縱向結(jié)構(gòu)是將按照精度層次和記錄順序重新組織后的二進制數(shù)據(jù)。聚集化的漸進傳輸模型下客戶端緩存與基于可視范圍的分級調(diào)度引入聚集后，漸進傳輸模型下的緩存結(jié)構(gòu)以聚集為單位進行組織，同樣遵循“數(shù)據(jù)集-聚集-記錄”三級邏輯結(jié)構(gòu)，緩存結(jié)構(gòu)如圖7所示。需要指出的是，緩存結(jié)構(gòu)屬于客戶端數(shù)據(jù)集實現(xiàn)的一部分，客戶端緩存包含內(nèi)存緩存和本地文件(包括本地數(shù)據(jù)庫)緩存，下面重點探討內(nèi)存中的緩存結(jié)構(gòu)。內(nèi)存緩存包含了所有聚集集合，通過空間索引進行管理，索引可以是任意的支持 MBR結(jié)構(gòu)的索引結(jié)構(gòu)，如果不考慮空間檢索效率，可以將所有聚集使用線表管理。內(nèi)存緩存的數(shù)據(jù)以可視范圍為中心進行分級管理。客戶端的聚集對象(FeatureCluster)比數(shù)據(jù)庫中的聚集記錄多三個字段，分別是已下載的分辨率(maxDownloadLevel)、已加載的分辨率(currentCachedLevel)和緩存至Ij內(nèi)存PPM+幾何對象集合(cachedGeometries)。
maxDownloadLevel是下載到本地文件緩存中增量數(shù)據(jù)的最大分辨率，請求順序必須保證先請求低分辨率數(shù)據(jù)，再請求高分辨率數(shù)據(jù)。currentCachedLevel是該聚集中緩存在內(nèi)存中的幾何數(shù)據(jù)的分辨率，緩存在內(nèi)存的幾何數(shù)據(jù)根據(jù)顯示需要加載增量數(shù)據(jù)。cachedGeometries是該聚集中所有幾何對象的內(nèi)存緩存。經(jīng)過擴展的客戶端聚集的結(jié)構(gòu)如下所示struct FeatureClusterEx{uint clusterld ；// 聚集的 Id Bound mbr ；//最小外包幾何uint minPmld ;//聚集中最小的 Iduint maxPmld ;//聚集中最大的 Iduint maxDownloadLevel ；// 已經(jīng)下載分辨率uint cachedLevel ；//已經(jīng)加載的分辨率//uint numGeometry = maxPmld-minPmld ；PmGeomerty cachedGeometries [numGeometry] ；//緩存的幾何數(shù)據(jù)}；考慮到用戶交互的空間相關(guān)性，用戶每一次交互活動的可視范圍總是與上一次的范圍相關(guān)，是當(dāng)前范圍縮放和平移的結(jié)果。因此預(yù)先請求可能的數(shù)據(jù)可以提高用戶的響應(yīng)速度。可視范圍的分級調(diào)度模式如圖8所示，客戶端的過濾過程包含范圍(boimdO)和精度層次(IevelO)兩個參數(shù)。活動聚集集合維護最近一次范圍查詢相關(guān)的聚集，按照分級進行層次組織范圍查詢參數(shù)為bound，并按照一定系數(shù)進行膨脹，形成N個范圍boimdO、
boundl、bound2，.....boundn.。處于boundO中的數(shù)據(jù)緩存數(shù)據(jù)到精度層次IevelO ；屬于
boundl不屬于boundO的緩存精度層次到Ievel-I層；依次類推直到levelO-n+1。范圍查詢過程驅(qū)動數(shù)據(jù)調(diào)度，過程如下1)輸入可視范圍(boundO)和精度層次(level)；2)利用聚集的空間索引，對聚集進行遍歷；如果一次聚集查詢命中，則加入聚集的查詢結(jié)果集合；3)遍歷結(jié)果集合中的聚集，如果范圍查詢請求的精度層次大于聚集的 maxDownloadLevel，則用聚集的maxDownloadLevel+1和范圍查詢的精度層次level，形成一個聚集數(shù)據(jù)請求項(ClusterQueryItem)，添加到數(shù)據(jù)請求隊列中。ClusterQueryItem的結(jié)構(gòu)如下所示struct ClusterQueryItem{uint clusterld ；// 請求的聚集uint firstLevel = maxDownloadLevel+1 ；// Jf^nit^WftSM^Cuint IastLevel = level ；// 結(jié)束請求的精度層次}4)執(zhí)行數(shù)據(jù)請求隊列中的數(shù)據(jù)請求，并將數(shù)據(jù)緩存到本地文件緩存中。修改查詢隊列中的 FeatureCluster ^maxDownloadLevel 使之等于 level。如果 firstLevel 等于精度模型的minLevel，則說明該聚集首次請求數(shù)據(jù)。5)遍歷結(jié)果集合中的聚集，如果聚集中的cachedLevel大于level，則遍歷其中的幾何數(shù)據(jù)緩存cachedGeometries，卸載多余的數(shù)據(jù)；如果聚集中的cachedLevel小于 level，則遍歷其中的緩存的幾何數(shù)據(jù)cachedGeometries，從本地緩存緩存中依次加載從 cachedLevel+1到level 的數(shù)據(jù)。將 cachedLevel 設(shè)為 level。6)將結(jié)果集合并入活動聚集集合，并對集合中的聚集緩存的精度進行調(diào)整。7)將活動聚集集合作為進一步過濾處理的基礎(chǔ)。
權(quán)利要求
1.可漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲與訪問的方法，其特征是，以有序點集為基礎(chǔ)，將矢量數(shù)據(jù)分解成初始的數(shù)據(jù)和一系列變化量的集合，給出可漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲和訪問的形式化模型；設(shè)計漸進傳輸模型下的矢量數(shù)據(jù)聚集化關(guān)系模型存儲方案，矢量數(shù)據(jù)聚集化的漸進傳輸模型下客戶端緩存與基于可視范圍的分級調(diào)度策略。
2.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，有序點集以坐標(biāo)的方式表示，由點組成的有序點集是構(gòu)成高維對象的基礎(chǔ)。
3.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，所述的矢量數(shù)據(jù)包含屬性和幾何兩個部分。
4.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，所述的初始的數(shù)據(jù)是精度最低的數(shù)據(jù)版本，是矢量數(shù)據(jù)最粗粒度的表達。
5.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，所述的變化量的集合是根據(jù)分辨率漸進傳送的，初始的數(shù)據(jù)和一系列變化的集合等于精度最高的矢量數(shù)據(jù)。
6.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，所述的矢量數(shù)據(jù)聚集化存儲將屬于一個聚集的漸進增量數(shù)據(jù)按照精度層次和標(biāo)志順序存儲到一個記錄中，壓縮幾何數(shù)據(jù)表的記錄數(shù)，同時將多個幾何對象存儲在一條記錄中。
7.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，所述的形式化模型是初始的數(shù)據(jù)和一系列變化量的集合 Si = S"+ ASi = SN_p+ Δ SN_p+1+ Δ SN_p+2+. · + Δ Si^1+ Δ Si, Δ Si 是兩個相鄰的表達Sg，Si之間的變化量，N表示目標(biāo)分辨率的級數(shù)。
8.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，所述的關(guān)系模型存儲方案的幾何部分采用二進制編碼的格式進行存儲，每個聚集按照漸進精度模型定義的精度層次，包含固定的記錄及字段個數(shù)。
9.按權(quán)利要求1所述的存儲與訪問的方法，其特征是，客戶端緩存包含內(nèi)存緩存和本地文件緩存。
10.按權(quán)利要求9所述的存儲與訪問的方法，其特征是，所述的內(nèi)存緩存包含了所有聚集集合，通過空間索引進行管理，數(shù)據(jù)以可視范圍為中心進行分級管理。
全文摘要
本發(fā)明公開了可漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲與訪問的方法。矢量數(shù)據(jù)可以看成有序點集，以有序點集為基礎(chǔ)，將矢量數(shù)據(jù)分解成初始的數(shù)據(jù)和一系列變化量的集合，給出了可漸進傳輸?shù)氖噶繑?shù)據(jù)聚集化存儲和訪問的形式化模型。設(shè)計了漸進傳輸模型下的矢量數(shù)據(jù)聚集化關(guān)系模型存儲方案，將屬于一個聚集的漸進增量數(shù)據(jù)按照精度層次和標(biāo)志順序存儲到一個記錄中，壓縮幾何數(shù)據(jù)表的記錄數(shù)，同時將多個幾何對象存儲在一條記錄中，提高磁盤讀/寫的速度。最后，分析矢量數(shù)據(jù)聚集化的漸進傳輸模型下客戶端緩存與基于可視范圍的分級調(diào)度策略。
文檔編號G06F17/30GK102253947SQ20101018061
公開日2011年11月23日 申請日期2010年5月21日 優(yōu)先權(quán)日2010年5月21日
發(fā)明者吳明光, 沈敬偉, 溫永寧, 陳旻 申請人:南京師范大學(xué)