时空大数据云计算与智慧城市研究报告
智慧城市时空大数据汇聚系统关键技术研究
第４２卷第９期２０１９年９月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４２ꎬＮｏ.９Ｓｅｐｔ.ꎬ２０１９收稿日期:２０１８－０７－０９基金项目:智慧广州时空信息云平台建设项目(广州市工信委项目ＧＺＩＰ２０１６－Ａ５－１４７)资助作者简介:杨㊀梅(１９８７－)ꎬ女ꎬ贵州贵阳人ꎬ高级工程师ꎬ硕士ꎬ２０１１年毕业于武汉大学计算机专业ꎬ主要从事ＧＩＳ应用系统开发及应用工作ꎮ智慧城市时空大数据汇聚系统关键技术研究杨㊀梅ꎬ周㊀勍ꎬ杨卫军ꎬ何华贵ꎬ张鹏程(广州市城市规划勘测设计研究院ꎬ广东广州５１００６０)摘要:智慧城市建设依赖于物联网㊁云计算㊁大数据㊁人工智能等新一代信息技术ꎬ时空大数据是智慧城市建设的基础ꎬ实现海量㊁多源㊁异构的时空大数据的接入和融合是智慧城市建设的首要任务ꎮ本文在地理时空大数据概念的基础上ꎬ首先分析了时空大数据的内容㊁汇聚方式和数据仓库建设ꎻ其次重点研究了时空大数据汇聚系统框架及关键技术ꎬ使用基于ＦＭＥ的时空数据汇聚ꎬ基于Ｋａｆｋａ的数据收集及转发ꎬ基于Ｆｌｕｍｅ的数据采集和基于流式技术的数据采集与处理来设计ꎮ该技术在智慧广州时空信息云平台建设项目中得到了实现和应用ꎮ关键词:时空大数据ꎻ智慧城市ꎻ汇聚ꎻ多源异构中图分类号:Ｐ２０８㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０１９)０９－００７８－０３ＤｅｓｉｇｎａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＴｉｍｅａｎｄＳｐａｃｅＢｉｇＤａｔａＣｏｎｖｅｒｇｅｎｃｅＳｙｓｔｅｍｉｎＳｍａｒｔＣｉｔｙＹＡＮＧＭｅｉꎬＺＨＯＵＱｉｎｇꎬＹＡＮＧＷｅｉｊｕｎꎬＨＥＨｕａｇｕｉꎬＺＨＡＮＧＰｅｎｇｃｈｅｎｇ(ＧｕａｎｇｚｈｏｕＵｒｂａｎＰｌａｎｎｉｎｇ＆ＤｅｓｉｇｎＳｕｒｖｅｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅꎬＧｕａｎｇｚｈｏｕ５１００６０ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＴｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｉｎｔｅｌｌｉｇｅｎｔｃｉｔｙｄｅｐｅｎｄｓｏｎｔｈｅｎｅｗｇｅｎｅｒａｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｔｅｃｈｎｏｌｏｇｙꎬｓｕｃｈａｓｔｈｅＩｎｔｅｒｎｅｔｏｆｔｈｉｎｇｓꎬｃｌｏｕｄｃｏｍｐｕｔｉｎｇꎬｌａｒｇｅｄａｔａꎬａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅａｎｄｓｏｏｎ.Ｌａｒｇｅａｎｄｓｐａｃｅ－ｔｉｍｅｌａｒｇｅｄａｔａｉｓｔｈｅｆｏｕｎｄａｔｉｏｎｏｆｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｉｎｔｅｌｌｉｇｅｎｔｃｉｔｙ.Ｉｔｉｓｔｈｅｐｒｉｍａｒｙｔａｓｋｏｆｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｉｎｔｅｌｌｉｇｅｎｔｃｉｔｙｔｏｒｅａｌｉｚｅｔｈｅａｃｃｅｓｓａｎｄｉｎｔｅｇｒａｔｉｏｎｏｆｌａｒｇｅꎬｍｕｌｔｉ－ｓｏｕｒｃｅａｎｄｈｅｔｅｒｏｇｅｎｅｏｕｓｓｐａｃｅ－ｔｉｍｅｌａｒｇｅｄａｔａ.Ｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｃｏｎｃｅｐｔｏｆｇｅｏｓｐａｃｅ－ｔｉｍｅｌａｒｇｅｄａｔａꎬｔｈｉｓｐａｐｅｒｆｉｒｓｔａｎａｌｙｚｅｓｔｈｅｃｏｎ￣ｔｅｎｔｏｆｓｐａｃｅ－ｔｉｍｅｌａｒｇｅｄａｔａꎬｔｈｅｗａｙｏｆａｇｇｒｅｇａｔｉｏｎａｎｄｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｄａｔａｗａｒｅｈｏｕｓｅ.Ｔｈｅｎｉｔｆｏｃｕｓｅｓｏｎｔｈｅｆｒａｍｅｗｏｒｋａｎｄｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｏｆｓｐａｃｅ－ｔｉｍｅｌａｒｇｅｄａｔａａｇｇｒｅｇａｔｉｏｎｓｙｓｔｅｍꎬｕｓｉｎｇＦＭＥｂａｓｅｄｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｄａｔａａｇｇｒｅｇａｔｉｏｎꎬｄａｔａｃｏｌｌｅｃｔｉｏｎａｎｄｆｏｒ￣ｗａｒｄｉｎｇｂａｓｅｄｏｎＫａｆｋａꎬｂａｓｅｄｏｎＦｌｕｍｅＤａｔａａｃｑｕｉｓｉｔｉｏｎａｎｄｄａｔａａｃｑｕｉｓｉｔｉｏｎａｎｄｐｒｏｃｅｓｓｉｎｇｂａｓｅｄｏｎｓｔｒｅａｍｉｎｇｔｅｃｈｎｏｌｏｇｙａｒｅｄｅ￣ｓｉｇｎｅｄ.ＩｔｈａｓｂｅｅｎｒｅａｌｉｚｅｄａｎｄａｐｐｌｉｅｄｉｎｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｐｒｏｊｅｃｔｏｆｓｍａｒｔＧｕａｎｇｚｈｏｕｓｐａｔｉｏｔｅｍｐｏｒａｌｉｎｆｏｒｍａｔｉｏｎｃｌｏｕｄｐｌａｔｆｏｒｍ.Ｋｅｙｗｏｒｄｓ:ｓｐａｃｅ－ｔｉｍｅｂｉｇｄａｔａꎻｓｍａｒｔｃｉｔｙꎻｃｏｎｖｅｒｇｅｎｃｅꎻｍｕｌｔｉ－ｓｏｕｒｃｅｈｅｔｅｒｏｇｅｎｅｉｔｙ０㊀引㊀言智慧城市是运用物联网㊁云计算㊁大数据㊁地理信息集成等新一代信息技术ꎬ促进城市规划㊁建设㊁管理和服务智慧化的新理念和新模式ꎮ时空大数据是同时具有时间和空间维度的数据ꎬ现实世界中的数据超过８０％与地理位置有关ꎻ时空大数据包括时间㊁空间㊁专题属性三维信息ꎬ具有多源㊁海量㊁更新快速的综合特点[１]ꎮ智慧城市与大数据密切相关ꎬ在智慧城市建设中ꎬ实现多源数据的汇聚ꎬ并对汇聚的数据统一格式㊁统一时空基准ꎬ添加三域标识(空间㊁时间㊁属性)ꎬ实现多源数据的融合和关联中一项非常重要的基础工程[２－３]ꎮ智慧城市时空大数据汇聚系统实现两点内容:①时空信息汇聚ꎮ实现海量㊁多源㊁异构的时空信息大数据的接入和数据输出ꎻ②时空信息融合ꎮ对数据进行清洗ꎬ将汇聚过来的原始数据进行清洗㊁关联和重新组织ꎬ将数据拼装成有规则信息ꎬ为业务系统提供数据服务ꎮ１㊀概㊀述１.１㊀时空大数据汇聚内容智慧城市时空大数据主要包括时序化的基础地理信息数据㊁公共专题数据㊁智能感知实时数据和空间规划数据ꎬ构成智慧城市建设所需的地上下㊁室内外㊁虚实一体化的时空数据资源ꎬ如图１所示中的资源汇聚内容ꎮ其中ꎬ基础地理信息数据包括传统数据ꎬ以及实景影像㊁倾斜影像和激光点云等新型测绘产品数据ꎻ公共专题数据包括人口㊁法人㊁宏观经济㊁ＰＯＩ兴趣点等数据ꎻ智能感知实时数据包括各种公共设施及各类专业传感器感知的具有时间标识的即时数据ꎻ空间规划数据包括城市发改㊁国土㊁规划㊁环保等不同行业部门制定的发展蓝图ꎮ集成基础地理信息数据ꎬ建立地上下㊁室内外㊁虚实一体化的全空间ꎻ汇聚公共专题数据㊁智能感知的实时数据和空间规划数据ꎬ并进行时空化ꎬ为智慧城市建设提供强大数据支撑ꎮ图１㊀时空大数据处理架构Ｆｉｇ.１㊀Ｓｐａｔｉｏｔｅｍｐｏｒａｌｄａｔａｐｒｏｃｅｓｓｉｎｇａｒｃｈｉｔｅｃｔｕｒｅ１.２㊀时空大数据汇聚方式时空大数据汇聚ꎬ或者称作ＥＴＬꎬ将不同的业务系统的数据加载到数据仓库中ꎮ数据汇聚有多种方式ꎬ按照数据汇聚的传输方式ꎬ可以分为文件传输㊁数据抽取㊁内容爬去和消息推送等方式ꎮ１)文件传输ꎮ时空大数据包括结构化㊁半结构化㊁非结构化数据ꎬ不同的数据类型均可用文件形式传输ꎮ文件传输又分为离线和在线方式传输ꎬ离线方式即为存储介质拷贝ꎬ此方式较为安全ꎬ在线方式在网络允许并保证安全情况下开展ꎮ２)数据抽取ꎮ针对关系型数据库数据的汇聚ꎬ需要适配多种数据库类型ꎬ解决增量数据抽取㊁数据传输中断和系统数据库变更等情况:①多数据源适配ꎮ业务系统的数据库是不确定的ꎬ可能是ＭｙＳｑｌ㊁ＭＳＳＱＬ㊁ＤＢ２㊁Ｏｒａｃｌｅ等各种各样的数据源ꎬ需要适配各种数据源ꎬ并将数据抽取到数据库中ꎮ②增量数据抽取ꎮ业务系统是２４ｈ不停歇运转ꎬ对数据量较大的表ꎬ无法全量抽取ꎬ只能增量抽取ꎬ如何判断哪些数据是增量成为一个难点问题ꎮ主流的方法包括时间戳㊁ＯＲＡＣＬＥ的ＣＤＣꎬ以及数据备份日志ꎮ③数据传输过程中断ꎮ由于业务系统㊁网络等原因ꎬ会出现数据同步过程中同步任务中断ꎮ如何确保任务重启后不出现数据重复㊁断点续传的问题ꎮ④上游系统数据结构变更未通知ꎮ经常会出现上游业务系统升级改造ꎬ数据库表结构发生变更ꎬ而未及时通知下游的数据中心ꎬ导致抽取的数据不对㊁缺失ꎮ３)内容爬取ꎮ针对互联网上的公开数据ꎬ根据爬取数据的类型ꎬ确定爬虫程序进行数据收集ꎬ如非结构化的图片文件类采用文件传输方式ꎬ结构化数据采用数据抽取或直接入库方式ꎮ４)消息推送ꎮ针对平台中需要的疫情信息ꎬ制定规则进行实时收集㊁分析ꎬ分析结论可通过定时消息推送方式进行数据汇聚㊁知识提取ꎮ２㊀时空大数据汇聚系统设计２.１㊀系统架构基于ＦＭＥ和Ｈａｄｏｏｐ的ＲＥＳＴＡＰＩ实现多源数据进行汇聚㊁更新㊁交换ꎮ系统存储采用ＨＤＦＳꎮ在登录方面ꎬ调用平台统一身份验证系统实现用户登录和单点跳转ꎬ界面遵循扁平化的设计风格ꎬ系统框架采用ＡＳＰ.ＮＥＴＭＶＣꎬ前端使用ＪＱｕｅｒｙ㊁Ｂｏｏｔｓｔｒａｐ技术ꎮ总体的时空大数据汇交系统框架结构如图２所示ꎮ图２㊀时空大数据汇交系统框架结构图Ｆｉｇ.２㊀Ｆｒａｍｅｗｏｒｋｏｆｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｌａｒｇｅｄａｔａ㊀㊀㊀㊀ｉｎｔｅｒｃｈａｎｇｅｓｙｓｔｅｍ２.２㊀功能设计时空大数据汇聚系统通过接入统一资源目录ꎬ对全市可以共享的数据进行汇聚和交换ꎬ实现数据的提取㊁传输ꎬ满足政府不同职能部门专题数据共享的要求ꎮ主要包括用户管理㊁资源管理㊁工作空间管理㊁任务计划管理㊁日志监控等功能ꎮ时空大数据汇聚系统功能结构如图３所示ꎮ图３㊀时空大数据汇聚系统功能结构图Ｆｉｇ.３㊀Ｆｕｎｃｔｉｏｎａｌｓｔｒｕｃｔｕｒｅｏｆｓｐａｔｉｏｔｅｍｐｏｒａｌｌａｒｇｅ㊀㊀㊀㊀ｄａｔａａｇｇｒｅｇａｔｉｏｎｓｙｓｔｅｍ９７第９期杨㊀梅等:智慧城市时空大数据汇聚系统关键技术研究３㊀关键技术３.１㊀基于ＦＭＥ的时空数据汇聚ＦＭＥ(ＦｅａｔｕｒｅＭａｎｉｐｕｌａｔｅＥｎｇｉｎｅꎬ简称ＦＭＥ)是一套第三方空间数据转换处理系统ꎬ它是完整的空间ＥＴＬ解决方案ꎮ实现了超过２５０种不同空间数据格式(模型)之间的转换[４]ꎬ为进行快速㊁高质量㊁多需求的数据转换应用提供了高效㊁可靠的手段ꎮ借助于ＦＭＥ强大的空间数据处理转换的能力ꎬ汇聚系统集成了ＦＭＥ的数据处理接口[５]ꎬ形成了一套流程化时空数据汇聚系统ꎮ数据汇聚流程如图４所示ꎮ图４㊀数据汇聚流程图Ｆｉｇ.４㊀Ｄａｔａａｇｇｒｅｇａｔｉｏｎｆｌｏｗｃｈａｒｔ３.２㊀基于Ｋａｆｋａ的数据收集与分发面对平台所需要的海量数据传输及数据类型众多的特点ꎬ采用Ｋａｆｋａ集群作为消息中间件[７]ꎬ来应对物联网海量实时数据的接收ꎮＫａｆｋａ集群架构如图５所示ꎮ利用它具有高吞吐的特性ꎬ将实时数据快速导入分布式系统的内存当中ꎬ当消息队列中消息过多时还可以写入磁盘ꎮ这个特性保证了大数据实时导入数据不会因写入过慢而丢失ꎮ在Ｋａｆｋａ中还可以将不同的物联网数据写入不同的主题ꎬ例如温度㊁ＰＭ２.５等ꎬ以便消费者依据不同的主题进行消费ꎬ这样也方便不同主题分类以便于之后的数据挖掘ꎮ３.３㊀基于Ｆｌｕｍｅ的数据采集面对大数据收集㊁多数据源以及高并发的特点ꎬ我们采用Ｆｌｕｍｅ作为数据收集工具ꎮＦｌｕｍｅ可以实时监控数据源ꎬＦｌｕｍｅ具有ｍｅｍｅｒｙ和ｄｉｓｋ两种传输途径ꎮ采用Ｆｌｕｍｅ集群实现负载均衡来应对高并发压力ꎬ采用ｍｅｍｅｒｙｃａｎｎｅｌ才作为数据传输通道使传输速度更快ꎬ来保证数据的实时性ꎮ采用Ｋａｆｋａ作为消息队列ꎬ将数据导入Ｋａｆｋａ集群ꎬＦｌｕｍｅ集群架构如图６所示ꎮ３.４㊀基于流式技术的数据采集与处理日志数据是时空云平台重要的大数据之一ꎬ通过对图５㊀Ｋａｆｋａ集群架构Ｆｉｇ.５㊀Ｋａｆｋａｃｌｕｓｔｅｒａｒｃｈｉｔｅｃｔｕｒｅ图６㊀Ｆｌｕｍｅ集群架构图Ｆｉｇ.６㊀Ｆｌｕｍｅｃｌｕｓｔｅｒａｒｃｈｉｔｅｃｔｕｒｅｄｉａｇｒａｍ日志数据的分析挖掘ꎬ可以多方位分析平台的各种指标ꎬ支撑平台运维ꎬ辅助决策ꎮ日志数据的特点是数据增长快ꎬ总量大ꎬ要想实时对存量日志数据进行分析几乎不可能ꎮ利用流式技术可以解决日志实时分析的问题ꎮ流式数据采集流程如图７所示ꎮ图７㊀流式数据采集流程Ｆｉｇ.７㊀ＦｌｏｗｄａｔａａｃｑｕｉｓｉｔｉｏｎｐｒｏｃｅｓｓＦｌｕｍｅ是一个高可用的㊁高可靠的ꎬ分布式的海量日志采集㊁聚合和传输的系统[８]ꎬＦｌｕｍｅ支持在日志系统中定制各类数据发送方ꎬ用于收集数据ꎮＫａｆｋａ是一个分布式㊁高可用的消息系统ꎬ最大的特性就是可以实时地处理大量数据以满足各种需求场景:比如基于ｈａｄｏｏｐ的批处理系统㊁低延迟的实时系统㊁ｓｔｏｒｍ/Ｓｐａｒｋ流式处理引擎[６]ꎬＷｅｂ/ｎｇｉｎｘ日志㊁访问日志ꎬ消息服务等ꎮ汇聚系统利用Ｆｌｕｍｅ进行增量日志的采集ꎬ源源不断地传输到Ｋａｆｋａꎬ由Ｋａｆｋａ针对不同类型的数据按不同的㊀㊀(下转第８４页)２０１５至２０２０年光伏发电量将增加２.５倍(一)[ＥＢ/ＯＬ].ｈｔｔｐ://ｗｗｗ.ｓｏｌａｒｐｗｒ.ｃｎ/ｍ.ｐｈｐ?ｉｄ＝３１２７１ꎬ２０１７.６.１３/２０１８.３.６.[２]㊀徐福圆.基于遥感图像的屋顶面积识别及屋顶光伏容量估计[Ｄ].杭州:杭州电子科技大学ꎬ２０１６. [３]㊀郭晓林.基于屋顶面积的徐州市屋顶太阳能光伏潜力评估[Ｄ].徐州:中国矿业大学ꎬ２０１５.[４]㊀刘光旭.屋顶可用太阳能资源评估研究 以２０００年江苏省数据为例[Ｊ].长江流域资源与环境ꎬ２０１０ꎬ１９(１１):１２４４－１２４８.[５]㊀梅晓丹ꎬ毛学刚ꎬ范文义ꎬ等.[Ｊ].测绘工程ꎬ２０１５ꎬ２４(５):２４－２７.[６]㊀Ｔ.Ａ.ＨｕｌｄꎬＭ.úｒｉꎬＥ.Ｄ.Ｄｕｎｌｏｐ.ＧＩＳ－ｂａｓｅｄｅｓｔｉｍａｔｉｏｎｏｆｓｏｌａｒｒａｄｉａｔｉｏｎａｎｄｐｖｇｅｎｅｒａｔｉｏｎｉｎｃｅｎｔｒａｌａｎｄｅａｓｔｅｒｎｅｕｒｏｐｅｏｎｔｈｅｗｅｂ[Ｃ]//Ｐｒｏｃ.Ｏｆ９ｔｈＥＣＧＩ＆ＧＩＳＷｏｒｋ￣ｓｈｏｐꎬＥＳＤＩＳｅｒｖｉｎｇｔｈｅＵｓｅｒꎬＡＣｏｒｕñａꎬＳｐａｉｎꎬ２００３. [７]㊀吕扬ꎬ张显峰ꎬ刘羽.建筑物尺度的太阳能资源潜力估算模型研究[Ｊ].北京大学学报:自然科学版ꎬ２０１３ꎬ４９(４):６５０－６５６.[８]㊀刘羽ꎬ张显峰ꎬ吕扬.基于风云卫星数据的新疆太阳能资源潜力评价方法研究[Ｊ].太阳能学报ꎬ２０１４ꎬ３５(７):１２９５－１３０２.[９]㊀姜红艳ꎬ梁立恒ꎬ王明常.基于ＬｉＤａｒ点云数据的地物几何特征提取与制图[Ｊ].测绘与空间地理信息ꎬ２０１８ꎬ４１(４):４７－５０.[１０]㊀曹林ꎬ代劲松ꎬ庞勇ꎬ等.集成ＬｉＤＡＲ和辐射模型的植被遮挡下城市屋顶太阳能估算[Ｊ].林业科学ꎬ２０１４ꎬ５０(２):９９－１１０.[１１]㊀张显峰ꎬ吕扬ꎬ刘羽.顾及树木的城市三维建模及其在太阳能潜力评价中的应用[Ｊ].应用基础与工程科学学报ꎬ２０１４ꎬ２２(３):４１５－４２５.[１２]㊀Ｐ.ＲｅｄｗｅｉｋꎬＣ.ＣａｔｉｔａꎬＭ.Ｂｒｉｔｏ.Ｓｏｌａｒｅｎｅｒｇｙｐｏｔｅｎｔｉａｌｏｎｒｏｏｆｓａｎｄｆａｃａｄｅｓｉｎａｎｕｒｂａｎｌａｎｄｓｃａｐｅ[Ｊ].ＳｏｌａｒＥｎｅｒｇｙꎬ２０１３ꎬ９７:３３２－３４１.[１３]㊀王志敏ꎬ任艳男ꎬ齐井超ꎬ等.竖直面上太阳辐射的模拟计算研究[Ｊ].可再生能源ꎬ２０１７ꎬ３２(２):２０７－２１２. [１４]㊀杨卫国ꎬ夏红卫ꎬ魏生贤ꎬ等.竖直墙面不同方位上太阳辐射量的计算分析[Ｊ].西南师范大学学报ꎬ２００８ꎬ３３(２):２２－２５.[１５]㊀Ｔ.Ｔ.ＣｈｏｗꎬＡ.Ｌ.Ｓ.ＣｈａｎꎬＫ.Ｆ.ＦｏｎｇꎬＺ.Ｌｉｎ.ＨｏｎｇＫｏｎｇｓｏｌａｒｒａｄｉａｔｉｏｎｏｎｂｕｉｌｄｉｎｇｆａｃａｄｅｓｅｖａｌｕａｔｅｄｂｙｎｕｍｅｒｉｃａｌｍｏｄｅｌｓ[Ｊ].ＡｐｐｌｉｅｄＴｈｅｒｍａｌＥｎｇｉｎｅｅｒｉｎｇꎬ２００５(２５):１９０８－１９２１.[１６]㊀周芳ꎬ胡明辅ꎬ周国平ꎬ等.铅垂面上太阳辐射计算方法探讨[Ｊ].建筑节能ꎬ２００７ꎬ３５(１９５):５５－５９.[编辑:任亚茹](上接第８０页)模式进行分发ꎬ最后由ＳｐａｒｋＳｔｒｅａｍｉｎｇ进行流式计算ꎬ从而达到日志实时分析的目的ꎮ４㊀时空大数据汇聚系统实现通过时空大数据汇交系统对广州市可以共享的数据进行汇聚融合[９]ꎬ实现数据的提取㊁传输ꎬ满足政府不同职能部门专题数据共享的要求ꎮ主要包括用户登录㊁系统首页㊁仓库管理㊁任务管理㊁日志监控㊁资源管理㊁分布式文件(ＨＤＦＳ)管理等功能ꎮ通过任务管理ꎬ可查看任务信息和任务运行情况ꎬ任务管理可通过任务的状态查看任务列表(已完成㊁正在排队㊁正在运行)㊁根据关键词搜索任务㊁删除已完成的任务记录㊁取消正在运行和正在排队的任务ꎮ日志主要记录用户对工作空间的操作(上传㊁删除㊁运行等)㊁工作空间的名称㊁访问路径㊁用户的ＩＰ地址㊁用户名称㊁操作类型㊁开始时间㊁操作结果ꎮ通过日志监控ꎬ可按时间㊁查询类型㊁结果等查询相关日志ꎮ分布式文件(ＨＤＦＳ)管理ꎬ用户可以将大数据文件上传至时空大数据汇聚系统的ＨＤＦＳ集群ꎬ也可以下载ＨＤＦＳ集群上的文件ꎮ５㊀结束语本文研究了智慧城市时空大数据汇聚系统建设的关键技术ꎬ以广州市为例开展了实验ꎬ实现了智慧广州时空大数据汇聚系统ꎬ取得了合理的结果ꎮ该项研究成果作为智慧广州时空信息云平台的重要组成部分ꎬ已汇聚融合了国土㊁城管㊁园林㊁教育㊁公安等多个局委办的时空数据ꎬ并在城市规划和城市建设中得到应用ꎮ后续工作主要是继续汇聚多个部门专题数据和实时感知数据ꎬ更好地为其他行业或部门的应用及决策提供数据支撑ꎮ参考文献:[１]㊀王家耀ꎬ武芳ꎬ郭建忠ꎬ等.时空大数据面临的挑战与机遇[Ｊ].测绘科学ꎬ２０１７ꎬ４２(７):１－７.[２]㊀向红梅ꎬ郭明武.城市地理时空大数据管理与应用平台建设技术和方法研究[Ｊ].测绘通报ꎬ２０１７(１１):９１－９５. [３]㊀顾荣.大数据处理技术与系统研究[Ｄ].南京:南京大学ꎬ２０１６.[４]㊀李刚ꎬ朱庆杰ꎬ张秀彦ꎬ等.基于ＦＭＥ的城市ＧＩＳ基础空间数据格式转换[Ｊ].测绘通报ꎬ２００６(４):１７－２０. [５]㊀熊登亮ꎬ贵仁义ꎬ赵俊三ꎬ等.基于ＦＭＥ的空间数据处理实现[Ｊ].四川测绘ꎬ２００７(３):１１９－１２１.[６]㊀李祥池.基于ＥＬＫ和ＳｐａｒｋＳｔｒｅａｍｉｎｇ的日志分析系统设计与实现[Ｊ].电子科学技术ꎬ２０１５(６):６７４－６７８. [７]㊀牛牧.基于Ｋａｆｋａ的大规模流数据分布式缓存与分析平台[Ｄ].长春:吉林大学ꎬ２０１６.[８]㊀陈飞ꎬ艾中良.基于Ｆｌｕｍｅ的分布式日志采集分析系统设计与实现[Ｊ].软件ꎬ２０１６(１２):８２－８８. [９]㊀吴张峰ꎬ夏兰芳.多源异构ＰＯＩ融合方法及应用[Ｊ].测绘通报ꎬ２０１８(３):１４３－１４６.[编辑:任亚茹]。
智慧城市可行性研究报告
智慧城市可行性研究报告引言随着科技的不断发展，智慧城市的概念已经引起了越来越多政府和企业的关注。
智慧城市可以利用信息技术和互联网来提高城市的运行效率、改善城市居民的生活质量和城市环境的可持续发展。
本报告旨在对智慧城市的可行性进行研究，并提出一些建议。
一、智慧城市的定义和特点1.1 智慧城市的定义智慧城市是指利用信息技术和互联网作为基础设施，集成多种技术手段对城市进行管理和运营，以提高城市的运行效率、改善城市居民的生活质量、优化城市环境和资源利用。
智慧城市涉及到城市基础设施的智能化、城市管理的信息化、城市服务的数字化等方面。
1.2 智慧城市的特点- 数据驱动：智慧城市依靠大数据分析和人工智能技术进行决策和管理，通过对城市中各种数据的收集、分析和利用，实现对城市的精细化管理和个性化服务。
- 网络化：智慧城市建立了完善的信息网络基础设施，实现了城市各个部分之间的数据互通和信息共享。
- 智能化：智慧城市利用物联网、传感器、智能终端等技术手段实现了城市的智能化，提高了城市的运行效率和安全性。
二、智慧城市的发展现状2.1 国内智慧城市发展现状我国政府在国家发展战略中将智慧城市列为重点领域，各地政府也积极推动智慧城市建设。
目前，一些城市已经开始在智慧交通、智慧环保、智慧医疗等方面进行尝试和实践，取得了一定成效。
2.2 国际智慧城市发展现状国际上，一些发达国家和地区已经在智慧城市建设上取得了一定的进展，特别是在城市交通、能源管理、环境保护等方面有较为成熟的案例和经验。
三、智慧城市的可行性分析3.1 技术支持智慧城市建设需要依托先进的信息技术和通信技术，包括大数据分析、人工智能、物联网、云计算等技术。
我国在这些领域的发展已经取得了一定的进展，有能力支持智慧城市的建设。
3.2 政策支持政府在智慧城市建设方面出台了多项政策措施，包括资金扶持、技术支持、政策鼓励等方面的支持措施，为智慧城市的发展提供了政策保障。
3.3 社会支持智慧城市建设需要广泛的社会参与和支持，需要各种利益相关方的积极参与和配合，包括政府、企业、居民等。
智慧社区调研报告(多篇)
智慧社区调研报告（多篇）篇：智慧城市改造调研报告大数据与云计算智慧城市改造调研报告院（系）名称专学学指电子与信息工程学院物联网工程161 ***-*****1 王鹏伟褚治广业班级号生导姓教名师当今科学技术的高速发展、互联网的普及、物联网的提出，促使人们对数据传输的需求大大增加，与此同时，移动互联网的建设使得数据传输的数量与规模也日趋庞大，大数据应运而生。
随着信息技术的发展，城市信息化的步伐不断加快，城市化水平进一步提高，随之涌现出环境污染、城市管理效率低下、产业结构不合理、交通拥挤等城市问题。
为了解决日益严重的城市问题，建设智慧城市早已提上日程，而正是大数据的应用为其提供了基本条件。
智慧城市的概念是在城市发展受到制约、转型面临挑战的背景下提出的，通过大数据、人工智能、物联网和云计1/ 9算等一系列最新的信息技术，构建城市的神经网络和能大脑，为城市的管理者和居民构建智慧化的开放平台，提供向上支撑，相下兼容的各种应用。
智慧城市提出的是“智慧政务、智慧交通、智慧医疗、智慧社区、智慧教育”的新发展模式，该模式具备更强的发现问题、解决问题的能力，能够更加及时的发现城市突发事件，更快的部署相关资源，运用智能化数据分析做好应用服务。
智慧城市是现代城市发展的大势所趋。
1 大数据与云计算介绍1.1 大数据与云计算简述即大量的数据信息，它具有数量庞大、类型多样、传播高速的特点，其本身蕴藏着大量的开发价值。
大数据工程实施的目的在于开发新的或综合利用现有的技术来对大数据进行处理，从而进行大数据的规划建设以及运营管理。
对大数据的研究分为处理分析与二次开发，通过分析这数量庞大的数据，可以发现众多隐秘的信息，挖掘出深层次的信息，从而提出适应实情的处理方案；也可以根据大数据进行类似于商家接受消费者反馈的信息、进行商品调整、从事运营管理的操作，从而达到目的。
智慧城市系统的基础是大数据工程。
大数据的发展情况影响着智慧城市系统的建设、发展以及运行。
基于大数据分析的智慧城市规划实验报告
基于大数据分析的智慧城市规划实验报告一、引言随着信息技术的飞速发展和城市化进程的加速，智慧城市的概念应运而生。
智慧城市旨在利用先进的信息技术，实现城市的智能化管理和可持续发展，提高居民的生活质量和城市的竞争力。
大数据分析作为智慧城市建设的核心技术之一，为城市规划提供了有力的支持和决策依据。
本实验报告旨在探讨基于大数据分析的智慧城市规划方法和应用，通过实际案例分析和数据研究，揭示大数据在智慧城市规划中的重要作用和潜力。
二、实验目的本实验的主要目的是通过对城市相关数据的收集、分析和处理，运用大数据技术为智慧城市规划提供科学依据和决策支持，以实现城市资源的优化配置、提高城市运行效率、改善居民生活质量，并促进城市的可持续发展。
三、实验数据来源为了进行有效的大数据分析，我们收集了以下来源的数据：1、政府部门公开数据：包括城市的人口统计、土地利用、交通流量、环境监测等信息。
2、互联网数据：通过网络爬虫技术获取了城市居民的消费行为、社交网络活动、旅游出行等数据。
3、传感器数据：从城市中的各类传感器（如交通传感器、环境传感器、智能电表等）收集实时数据，以反映城市的动态变化。
四、实验方法与技术1、数据预处理数据清洗：去除重复、错误和缺失的数据，确保数据的准确性和完整性。
数据转换：将不同格式和单位的数据进行统一转换，以便进行后续的分析。
数据集成：将来自多个数据源的数据进行整合，建立统一的数据仓库。
2、数据分析方法描述性统计分析：对数据的基本特征进行统计，如均值、中位数、标准差等，以了解数据的分布情况。
相关性分析：研究不同变量之间的关系，找出相互影响的因素。
聚类分析：将城市区域或数据对象进行分类，以便发现相似的模式和特征。
预测分析：运用时间序列分析和机器学习算法，对城市的发展趋势进行预测。
3、可视化技术使用地图可视化工具，将城市的地理信息与数据相结合，直观展示城市的空间分布特征。
运用图表（如柱状图、折线图、饼图等）展示数据分析结果，使数据更易于理解和解读。
中国智慧城市发展研究报告
中国智慧城市发展研究报告中国智慧城市发展研究报告智慧城市是指利用信息技术和物联网技术，以人为核心，通过智能化、信息化和网络化手段，全面提升城市管理水平和服务品质，实现城市可持续发展的一种城市形态和发展模式。
智慧城市的发展对于提升城市的竞争力、改善居民生活质量具有重要意义。
本报告对中国智慧城市发展进行研究分析，旨在了解中国智慧城市的现状和发展趋势。
一、智慧城市发展现状当前，中国智慧城市建设取得了显著的成绩。
一方面，在信息技术和物联网技术的支持下，智慧城市建设在各个领域取得了显著的进展。
例如，在交通领域，通过智能交通、智能停车等技术手段，提升了交通运行效率；在环境领域，通过空气质量监测和垃圾分类等措施，改善了城市环境质量；在教育领域，通过智慧教育等手段，提升了教育服务水平。
另一方面，各个城市也积极推动智慧城市建设，根据本地区的实际情况，制定了相应的发展策略和规划，提出了一系列的具体举措。
二、智慧城市发展趋势随着信息技术和物联网技术的不断发展，智慧城市的发展将呈现以下趋势：一是智慧城市将更加注重人性化。
智慧城市的核心是以人为中心，提供更加便利和高效的服务。
未来的智慧城市将更加注重满足居民的需求，提供个性化的服务。
二是智慧城市将更加注重可持续发展。
随着资源的有限和环境的变化，智慧城市将更加注重节能减排和环保发展，提倡绿色出行和循环经济。
三是智慧城市将更加注重数据的开放共享。
在智慧城市中，各类数据是宝贵的资源，更加开放和共享数据，可以促进创新和发展。
四是智慧城市将更加注重安全和隐私保护。
在智慧城市中，数据的安全和隐私保护十分重要，未来的智慧城市将加强数据的安全保护，保障居民的信息安全和隐私权益。
三、智慧城市发展面临的问题智慧城市的建设还面临一些问题和挑战。
一是技术问题。
目前，智慧城市建设需要涉及物联网、云计算、大数据等复杂的技术，技术的成熟度和可靠性是智慧城市建设的基础。
二是数据问题。
智慧城市需要海量的数据支撑，如何收集、储存和处理这些数据是一个挑战。
关于智慧城市建设情况的调研报告
关于智慧城市建设情况的调研报告智慧城市是城市能级和核心竞争力的重要体现，是城市治理能力和治理体系现代化的重要抓手，也是*全面建设践行新发展理念的公园城市示范区的重要载体。
2022年，国家发展改革委、自然资源部、城乡和住房建设部联合印发的《*建设践行新发展理念的公园城市示范区总体方案》指出，要构筑智慧化治理新图景，建设“城市数据大脑”，增强城市整体运行管理、决策辅助、应急处置能力。
一、*市及*区智慧城市建设的推进情况（一）加强智慧城市建设顶层设计。
*高度重视智慧城市建设工作，将“智慧*”作为提升科学敏捷治理能力的重要突破口，推动城市治理体系和治理能力现代化。
多次召开“智慧*”建设工作专题会，搭建实时感知、全域覆盖的城市运行生命体征体系，夯实“王”字型城市运行管理架构，高效运行三级城运中心和市级部门城运分中心，努力实现“一网统管”“一网通办”；组建成立市智慧*建设领导小组，由市网络理政办牵头，成立“智慧*”运行管理总体架构组等，聚焦开展顶层设计，围绕“智慧*”运行中心、七大领域重点应用场景等，建立相关工作专班。
*区起草《关于成立*区智慧城市建设领导小组的通知》《*区新型智慧城市建设“十四五”专项规划（2021—2025年）》《*区新型智慧城市建设行动方案（2022—2024年）》等系列配套文件，并根据市上动态适时进行修改完善。
（二）构建智慧城市应用场景体系。
目前*初步形成了“6+7+N”的智慧*应用场景体系（“6”即统一建设三级城市运行平台、城市运行数字体征体系、市域物联感知中心、城市运行数据资源体系、“城市一张图''信息模型平台、智慧*标准规范体系。
“7”即由相应行业主管部门牵头，建设交通管理、应急管理、智慧公安、生态环境、水务管理、智慧社区、健康服务等七大领域智慧应用场景。
“N”即在公共管理、公共服务、公共安全领域构建一批智慧应用场景，明确了“智慧*运行管理平台建成投用、七大重点领域智慧应用场景上线运行；智慧*运行管理平台和七大领域智慧应用场景投入实战应用；继续深化七大领域智慧应用场景建设，推动公共管理、公共服务、公共安全领域形成一批高效协同、务实管用的智慧应用场景”等目标任务。
智慧城市发展现状研究报告
智慧城市发展现状研究报告在当今时代，城市的发展日新月异，智慧城市的概念应运而生，并在全球范围内得到了广泛的关注和实践。
智慧城市旨在利用先进的信息技术，如物联网、大数据、人工智能等，来提升城市的运行效率、改善居民生活质量、促进可持续发展。
本报告将对智慧城市的发展现状进行深入研究。
一、智慧城市的定义与特点智慧城市是运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息，从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。
其主要特点包括智能化、互联化、高效化和可持续性。
智能化体现在城市的各个领域都能够运用智能技术进行决策和管理。
例如，交通系统可以根据实时路况自动调整信号灯，优化交通流量；能源管理系统可以根据用户需求和能源供应情况，智能分配能源。
互联化则是指城市中的各种设施、设备和系统能够相互连接，实现信息的共享和交互。
通过物联网技术，城市中的路灯、垃圾桶、车辆等都可以接入网络，形成一个庞大的信息网络。
高效化是智慧城市的重要目标之一。
通过优化资源配置、减少浪费和提高工作效率，城市能够以更低的成本提供更好的服务。
可持续性是智慧城市发展的核心原则之一。
智慧城市注重环境保护、资源节约和生态平衡，以实现城市的长期发展。
二、智慧城市的关键技术1、物联网技术物联网是智慧城市的基础，通过传感器和网络将城市中的物理设备连接起来，实现对城市运行状态的实时监测和控制。
2、大数据技术城市中产生的海量数据，包括交通流量、能源消耗、环境质量等，通过大数据技术进行分析和挖掘，可以为城市的规划和管理提供有力的支持。
3、人工智能技术人工智能在智慧城市中的应用广泛，如智能交通管理、智能安防、智能医疗等，能够提高城市的智能化水平和决策效率。
4、云计算技术云计算为智慧城市提供了强大的计算和存储能力，使得城市的各种应用能够高效运行。
三、智慧城市的应用领域1、智能交通通过智能交通系统，实现交通信号的智能控制、实时路况的监测和预测、公共交通的优化调度，从而缓解交通拥堵，提高出行效率。
关于智慧城市的调研报告
【调研报告】智慧城市的发展现状与趋势1. 研究背景和目的：智慧城市是以信息技术为支撑，通过网络、物联网和大数据等技术手段来提升城市运行效率、改善居民生活质量的新型城市模式。
本次调研旨在了解智慧城市的发展现状、应用场景和未来趋势。
2. 调研方法：采用文献研究和实地考察相结合的方式进行调研。
收集并分析相关文献资料，同时参观智慧城市示范项目和与相关领域专家进行深入交流。
3. 智慧城市的定义和特点：智慧城市借助信息通信技术，实现城市基础设施的高度互联互通，具备智能化、可持续发展和良好治理的特点。
智慧城市关注城市的可持续性、创新性、包容性和生态性。
4. 智慧城市的核心技术：智慧城市的核心技术包括物联网技术、大数据分析、云计算、人工智能、传感器技术等。
这些技术的应用使得城市能够实现数据共享、智能交通、智慧能源管理、智慧环境监测等功能。
5. 智慧城市的应用场景：智慧城市的应用场景广泛，包括智能交通系统、智慧能源管理、智慧环境监测、智慧医疗、智慧安全等。
在这些领域，智慧城市通过提供精细化的数据和智能化的决策支持，改善城市居民的生活质量。
6. 智慧城市发展的挑战与机遇：智慧城市的发展面临着数据安全、隐私保护、技术标准、信息孤岛等挑战。
然而，智慧城市也带来了巨大的机遇，可以通过提高城市效率、减少资源浪费、提升居民幸福感等方面推动城市可持续发展。
7. 智慧城市的未来趋势：智慧城市将进一步深入发展，未来的趋势包括更高级别的智能化、更强大的自动化、更紧密的网络连接、更完善的生态环境保护等。
同时，智慧城市将与人工智能、5G通信、区块链等新兴技术相结合，实现更多创新应用。
8. 结论和建议：智慧城市是未来城市发展的必然趋势，各地政府和企业应加强合作，共同推动智慧城市发展。
同时，应关注数据安全和隐私保护等重要问题，制定相关法规和标准，确保智慧城市的可持续发展。
以上是对智慧城市的调研报告总结，它包括了智慧城市的定义和特点、核心技术、应用场景、发展挑战与机遇以及未来趋势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
整理成为帮助企业经营决策更积极目的的资讯。
（2）维基百科：
大数据，或称巨量数据、海量数据、大资料，指的是所涉及的数据量规 模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理 成为人类所能解读的信息。
时空大数据、云计算与智慧城市
SDB Group
1
报告提纲
1
大数据
2
时空数据
3
块数据 云计算
4
5
智慧城市
SDB Group
2
一、大数据
SDB Group
3
时代变迁 - 大数据时代
机械化时代：以蒸汽机、内燃机的发明为驱动，释放化学能替代肌肉的能
量，用机械力解放了人力畜力，引发了工业革命，引起了社会变革，改善 了人们生活。
的生产和生活方式。
大数据时代？？：分布式存储、移动计算、深度学习。更广的数据采集， 更细的数据加工，使得数据应用革命性地繁荣。机器自动产生大量的数据
SDB Group
4
大数据特征（4V）
1. Volume：海量的数据规模，PB ~ EB 2. Velocity：快速的数据流转和数据处理体系 3. Variety：多样的数据类型：结构化、半结构化、非结构化
应用大数据技术、获得有价值信息的行为
所以认为“大数据”是数据、技术和应用的统一体
SDB Group
7
SDB Group
8
大数据方法与传统方法的对比
SDB Group
9
大数据可视化分析
大数据的可视化和绘制主要是基于并行算法设计的，能合理利 用有限的计算资源，高效地处理和分析特定数据集的特性 可视化通常会结合多分辨率表示方法，以获得足够的互动性能
SDB Group
10
二、时空数据
世界的哲学定义：时空及有无的划分匡定为世界 大数据无处不在，它是现实世界到信息世界的映射，是 对现实世界的采样
无论是现实世界，还是信息世界，其实质是世界
世：往世、现世、来世，指的都是时间，一维的时间 界：物体的边界、位置，也就是多维的空间
狭义上：时间 + 空间 = 世界 宇宙也可以理解为时空：
宇宙是“时间无尽永前、空间无界永在、质量无限永有”的存在。 宇宙O={→T=∞；S（x,y,z）=∞；M=∞ }
SDB Group
11
时空数据
时空数据也是现实世界到信息世界的映射，是对现实
世界的采样 时空数据往往是多维的，既有空间，也有时间 时间决定了时空数据的现势性及演变过程 空间决定了时空数据的位置空间属性和关系属性，包
SDB Group
6
大数据内涵
狭义上，大数据仅是资讯、信息而已
但其内涵涉及到流转、管理、处理、应用等
（1）从对象角度看，大数据是大小超出典型数据库软件采
集、储存、管理和分析等能力的数据集合 （2）从技术角度看，大数据技术是从各种类型的大数据中， 快速获得有价值信息的技术及其集成 （3）从应用角度看，大数据是对特定的大数据集合、集成
研究结构化、非结构化、半结构化、流化数据的一体
化存储和组织模型，重点突破三大数据库：多维数据 库、全媒体数据库和位置数据库
解决基于大规模文件和基于数据库的统一存储管理问
题
解决基于时间的块数据存储组织和快速检索问题
SDB Group
15
跨结构一体化时空大数据存储模型
报表 数据 矢量 数据 影像 数据 街景 影像 地名 地址 视频 监控
4. Value：价值密度低，商业价值高
结构化数据：可描述为二维表格的数据，用SQL管理
半结构化数据：非关系描述的其他结构化数据，如XML、
HTML、EML等 非结构化数据：如图片、音频、视频等
SDB Group
5
大数据内涵
大数据仅是数据本身吗？
还17
三、块数据 -
概念
“条数据”：为在某个行业和领域呈链条状串起来的数据。
但这些数据被困在一个个孤立的条上，相互之间却不能连
接起来。如城市各委、办、局独立管理的数据。行业的 “一张图”（如国土一张图）也是条数据 条数据的特征： （1）领域单一
13
时空大数据管理采用混搭架构
包括：设计标准、系统体系 结构、存储架构、查询处理
架构、弹性扩展架构、安全
访问控制体系等
文件底层与分布式文件系统
（如HDFS）结合，研究虚
拟块数据管理容器
MPP与云计算平台（如 Hadoop）结合，研究块数据 并行分布式查询处理架构
SDB Group
14
跨结构一体化时空大数据存储模型
电气化时代：以发电技术、输电技术、电器技术的发明为驱动，释放了能
量的空间限制，让能量能高速高效地聚集和转移，让机械化应用从工厂转 移到了千家万户。
信息化时代：以计算机技术Biblioteka 发明为驱动，让信息和知识能高效、高速传
输和传播，信息/知识成了社会的主要财富，信息/知识流成了社会发展的 主要动力，让产业结构正在实现制造经济向信息经济的转化，改变了人们
括时空关系
• • 文献指出世界上80%的数据与空间有关，实际上世界上几乎 100%的信息都与时空关联，因为世界就是时空 世界上85%的数据是半结构化和非结构化的
SDB Group
12
时空数据的4V特征
数据类型：
多维数据：真三维模型、实景影像、BIM、点云 媒体数据：视频图像、影音多媒体 位置数据：LBS轨迹数据、室内地图… 物联网数据：各类传感器实时数据、半/非结构化数据
三维 模型
SDB Group16
16
BigGeoSQL分布式并行查询处理
融合GeoSQL + NewSQL + 云计算平台，研究实现
BigGeoSQL并行查询处理引擎
同时支持实时计算和批处理计算 支持时空数据融合查询优化与处理 实现高效的时空数据序列运算能力
BigGeoSQL = BigSQL + GeoSQL
时空数据具备的4V特征：
Volume：遥感、街景、视频、BIM、位置等数据规模达PB ~ EB Velocity：LBS、BIM、遥感、实时传感信息需要快速流转和处理 Variety：矢量、栅格、多媒体、BIM、LBS等数据类型多样 Value：海量实景数据中蕴含极高的应用价值
SDB Group