基于AllegroGraph的空间数据语义查询研究
测绘技术中的数据空间关系查询与分析方法
测绘技术中的数据空间关系查询与分析方法随着科技的迅猛发展，测绘技术得到了广泛的应用。
测绘技术的一个重要组成部分就是数据空间关系查询与分析。
本文将探讨测绘技术中的数据空间关系查询与分析方法，并讨论其在不同领域中的应用。
一、数据空间关系查询数据空间关系查询主要是通过空间索引结构实现的。
在传统的数据库系统中，常用的索引结构有R树和四叉树等。
而在测绘技术中，常常使用的是格拉索引结构。
格拉索引是一种一维索引，通过将空间对象在不同的维度上分段，将多维空间问题转化为一维线性存储问题。
格拉索引通过将空间对象划分为小块，并存储每个块的特征值，实现了快速的空间关系查询。
在实际应用中，利用格拉索引可以快速查询两个空间对象之间的关系。
例如，可以通过查询两个道路的交叉点，判断是否存在交通状况不良的区域。
通过数据空间关系查询，可以提高测绘技术的工作效率，为城市规划和交通管理等领域提供重要的支持。
二、数据空间关系分析数据空间关系分析是利用测绘数据进行空间关系分析的过程。
通过对不同对象之间的空间关系进行分析，可以为各种决策提供重要的依据。
在测绘技术中，常用的空间关系分析方法有距离计算、相交判断和包含关系分析等。
距离计算可以帮助测绘人员确定两个对象之间的最短路径，为规划和布局提供参考。
相交判断可以帮助判断两个对象是否有重叠部分，为土地利用和资源管理提供基础数据。
包含关系分析可以帮助确定一个对象是否包含另一个对象，从而方便进行边界划定和区域划分。
在城市规划中，数据空间关系分析可以帮助决策者确定最佳的用地规划方案。
例如，通过分析不同区域的土地利用情况，决策者可以合理划定城市的居住区、商业区和工业区等用地规划范围，从而提高城市的功能性和可持续发展水平。
三、数据空间关系查询与分析的应用测绘技术中的数据空间关系查询与分析方法可以在许多领域得到应用。
以下将介绍几个重要的应用案例。
1. 土地利用规划土地利用规划是城市发展的重要环节。
通过测绘技术中的数据空间关系查询与分析方法，可以有效分析不同用地之间的空间关系。
空间数据库技术的研究与应用
空间数据库技术的研究与应用随着地理信息系统的发展，空间数据库技术成为了重要的研究方向。
空间数据库是一种能够处理空间数据的数据库系统，它能够存储、管理和检索空间数据，广泛应用于城市规划、土地利用、资源开发、环境保护等领域。
本文将从空间数据库的概念、空间数据模型、查询语言、索引技术、空间数据挖掘等方面进行探讨。
一、空间数据库的概念空间数据库是一种专门用于存储和管理空间数据的数据库系统。
与传统的关系型数据库相比，空间数据库在数据模型、查询语言和索引技术上有所不同。
空间数据库可以存储各种形式和尺度的空间数据，包括点、线、面等各种几何要素，同时还可以处理时间和属性信息。
二、空间数据模型空间数据模型是空间数据库的核心之一，它是用来描述空间数据的形式化方法。
空间数据模型分为两类：向量数据模型和栅格数据模型。
向量数据模型是以点、线和面等基本几何要素为基础，采用拓扑关系来描述几何关系。
栅格数据模型将空间对象划分成规则的网格，在每个网格单元中存储相应的属性信息。
三、空间查询语言空间查询语言是空间数据库管理系统的一个核心模块，用于实现空间数据的检索和查询。
空间查询语言可以分为结构化查询语言(SQL)和地理信息系统专用查询语言。
其中，SQL是一种标准的关系型数据库查询语言，可以支持空间数据类型和空间查询函数。
而地理信息系统专用查询语言，则是一种特别针对地理信息数据的查询语言，可以更方便、更直观地查询空间数据。
四、索引技术空间数据库的索引技术是空间查询效率的关键。
常用的索引技术包括四叉树、R树、R*树和MBC树等。
四叉树是一种常用的空间索引数据结构，它可以快速定位空间对象并实现空间查询。
R树是一种常用的空间索引树结构，它是一种多维数据结构，可以快速定位符合查询条件的空间对象。
R*树是R树的升级版本，其能够高效地处理大量的空间对象。
MBC树是一种新颖的空间索引方法，它采用多边形曲线边界(MBC)来表示空间对象，实现了高效率和高精度的空间查询。
基于ArcGIS进行地理空间数据分析与可视化
基于ArcGIS进行地理空间数据分析与可视化地理空间数据分析与可视化是利用ArcGIS等地理信息系统（GIS）软件进行地理数据处理和展示的重要工作。
通过这种方法，可以对地理空间数据进行深入分析，揭示数据背后的潜在模式和关联性，并将结果以可视化方式呈现出来，使得数据更易于理解和应用。
一、ArcGIS概述ArcGIS是由美国Esri公司开发的一款功能强大的GIS软件，其中包括ArcMap、ArcCatalog和ArcToolbox三个主要组件。
ArcMap用于地图制作和数据分析，ArcCatalog用于组织和管理地理数据，ArcToolbox提供了多种地理数据处理工具。
ArcGIS具有广泛的功能和应用领域，包括地理空间数据的采集、整理、存储、分析和可视化等。
二、地理空间数据采集与整理地理空间数据采集是地理空间数据分析与可视化的基础。
通过各种手段（如全球定位系统、卫星遥感技术等）获取地理数据，并将其整理成适合ArcGIS处理的格式。
这包括数据清洗、几何修正、属性标准化等过程。
正确、完整和高质量的地理数据对后续的分析和可视化具有重要意义。
三、地理空间数据分析地理空间数据分析是ArcGIS最重要的功能之一。
ArcGIS提供了强大的分析工具，可以对地理空间数据进行多维度的统计和空间分析。
其中，统计分析包括数据聚合、分布分析、相关分析等；空间分析包括缓冲区分析、叠加分析、路径分析等。
通过这些工具，用户可以从地理空间数据中提取有价值的信息，并进行深入的数据挖掘和研究。
四、地理空间数据可视化地理空间数据可视化是将数据以图形化方式呈现出来，以便用户更好地理解和应用数据。
ArcGIS提供了多种可视化方式，包括2D和3D地图展示、图表制作、热力图分析等。
这些工具使得用户可以直观地观察和比较地理空间数据的特征和变化趋势，帮助他们更好地分析和决策。
五、地理空间数据分析与可视化的应用领域地理空间数据分析与可视化广泛应用于各个领域。
空间数据库导论讲
一种基于四叉树的索引技术，用于对栅格数据进 行索引。
3
kd-tree索引
一种基于二叉树的索引技术，用于对高维数据进 行索引，适用于高维空间数据查询。
03
空间数据库管理系统
空间数据库管理系统的功能
数据存储
能够高效地存储和管理空间数 据，包括矢量数据、栅格数据
等。
数据检索
支持基于空间位置、属性、时 间等条件的快速查询和检索。
城市规划
城市规划需要大量的地理信息和空间 数据支持，空间数据库可以提供高效 的数据存储和处理能力。
交通管理
交通管理需要处理大量的地理信息和 车辆位置数据，空间数据库可以用于 存储、查询和分析这些数据。
空间数据库的发展历程
早期发展
早期的空间数据库主要基于文件系统进行存储和管理，随 着技术的发展和应用的深入，逐渐形成了专业的空间数据 库管理系统。
数据处理和分析
提供强大的空间数据处理和分 析功能，如空间分析、地图可 视化等。
数据更新和维护
支持数据的实时更新和维护， 保证数据的准确性和完整性。
主流的空间数据库管理系统
PostGIS
基于PostgreSQL的开源空间数据库管理系 统，功能强大且灵活。
Oracle Spatial
Oracle数据库的一个组件，提供全面的空间 数据管理和分析功能。
拓扑结构
用于表示空间实体之间的几何关系，如点、线、面之 间的相交、包含等关系。
几何结构
用于表示空间实体的几何特征，如长度、宽度、高度 等。
逻辑结构
用于表示空间数据的组织方式和存储方式，如空间数 据的分层、分类等。
空间索引技术
1 2
R树索引
基于地理空间语义网的异构地理信息查询_虞为
１引言地理信息系统（ＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍ）在诸如地址查找、方位确定、路线选择等网络信息服务中起着重要的作用。
越来越多的组织和个人把以各种不同数据结构和表达形式描述的地理信息资源应用于网络服务中，在为用户提供方便的同时也造成了各个数据源之间的异构；使得各种网络服务之间缺乏交流，形成了潜在壁垒，妨碍了对地理信息的共享和应用。
同时，由于现有的网络检索引擎无法对地理语义关系如拓扑关系、同主题关系等进行分析推理，查询所返回的信息难免不全面、不准确。
语义网［１］的提出，为网络信息资源的共享和应用提供了一个人和机器都可识别语义的智能化的网络平台。
地理空间语义网的主要思想，就是把语义网上的关键技术应用于地理信息系统，将地理信息中隐含的语义明确的表达出来，达到人可识别和机器可推理的目的。
其中，本体构建技术、基于规则的逻辑推理技术等能够把信息中隐式的语义信息明确的描述出来，并在其上建立机器可理解的规则，进行有效的语义推理，从而极大地提高了网络服务的智能性和准确性。
本文提出了一个基于地理空间语义网的地理信息查询系统ＯＧＩＩＳ（Ｏｎｔｏｌｏｇｙ－ｂａｓｅｄＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎＩｎｑｕｉｒｙＳｙｓｔｅｍ），将地理空间语义网上异构的地理数据信息转换成由网络本体语言ＯＷＬ描述的本体，并对地理信息进行语义推理和检索，实现准确地、智能化的检索服务。
２系统框架为实现上述要求，ＯＧＩＩＳ需具备以下四种功能：从异构信息源中提取数据并将其转化为本体实例，建立推理规则集，在已生成的本体实例集上进行语义推理，对本体实例进行检索和排序。
系统框架如图１所示，图中箭头所指的方向为数据流向。
ＯＧＩＩＳ对地理实体的共有特征进行分析，并用ＯＷＬ对地理实体的特征及其语义关系进行描述，构建一个可以作为其它地理本体参照的参照本体。
为了用相同的语义标签来描述网络异构数据源中的语义关系，同时最大限度的保持数据的完整性，ＯＧＩＩＳ在参照本体的基础上结合异构数据源中提取的元数据信息，构建了每个数据源特有的应用本体。
时空数据库中地理数据查询与分析算法研究
时空数据库中地理数据查询与分析算法研究随着时代的发展和技术的进步，地理数据在各个领域中的应用变得越来越广泛。
而对于处理大规模地理数据集的时空数据库来说，地理数据查询与分析算法的研究尤为重要。
本文将从时空数据库中地理数据的基本概念和特征入手，探讨地理数据查询与分析的算法研究现状，并介绍一些常用的地理数据查询与分析算法。
1. 时空数据库中地理数据的基本概念与特征1.1 地理数据的基本概念地理数据是指描述地球表面现象和地理特征的数据，一般可以分为矢量数据和栅格数据两种类型。
矢量数据采用点、线、面等几何要素来描述地理对象，而栅格数据则以像元为基本单位来表示地理现象。
在时空数据库中，地理数据除了具有空间属性之外，还具有时间属性，即可以描述地理现象在不同时间段内的变化。
1.2 时空数据库的特征时空数据库是一种用于存储、管理和查询地理数据的数据库模型，与传统的关系型数据库相比，时空数据库具有以下几个特征：(1) 数据模型扩展：时空数据库需要扩展传统的数据模型，将地理数据的时空特征加入到数据模型中，以便更好地支持时空数据的查询和分析。
(2) 空间索引技术：时空数据库需要采用适应地理数据特点的空间索引技术，以提高查询效率。
(3) 时间管理：时空数据库需要考虑地理数据的时间属性，并实现时间管理功能，以支持时态查询和时态分析。
(4) 时空数据处理算法：时空数据库需要开发高效的地理数据查询与分析算法，以处理大规模地理数据集。
2. 地理数据查询与分析算法的研究现状2.1 地理数据查询算法地理数据查询算法是时空数据库中的重要研究内容，其主要目标是提高查询处理的效率和准确性。
在地理数据查询算法的研究中，常用的算法包括：(1) 空间索引算法：R树和四叉树是常用的空间索引算法，它们可以将地理数据按照空间位置进行组织和存储，以便高效地进行空间查询。
(2) 空间关系判定算法：该算法用于确定两个地理要素之间的空间关系，比如包含、相交、相邻等关系。
GIS原理与应用教案——第五章空间查询与空间分析
GIS原理与应用教案——第五章空间查询与空间分析第五章空间查询与空间分析学习要求：掌握1、GIS的数据查询的基本知识2、GIS空间分析模型及其算法§5.1 空间数据的查询一、空间数据查询的含义数据查询是GIS的一个非常重要的功能，定位空间对象、提取对象信息，是地理信息系统进行高层次空间分析的基础。
二、空间数据查询的方式1、基于属性数据的查询：2、基于图形数据的查询：3、图形与属性的混合查询4、模糊查询：5、自然语言空间查询：6、超文本查询7、符号查询三、查询结果的显示方式查询结果的显示环境参数1、显示方式（the display mode）有5种显示方式用语多次查询结果的运算：刷新、覆盖、清除、相交和强调。
2、图形表示（the graphical presentation）用于选定符号、图案、色彩等。
3、绘图比例尺（the scale of the drawing）确定地图显示的比例尺（内容和符号不随比例尺变化）。
4、显示窗口（the window to be shown）确定屏幕上显示窗口的尺寸。
5、相关的空间要素（the spatial context）显示相关的空间数据，使查询结果更容易理解。
6、查询内容的检查（the examination of the content）检查多次查询后的结果。
§5.2 空间数据的统计分析讲述空间数据统计分析中基本统计量的计算和常用统计数据的分类分级算法。
一、属性数据的集中特征数反映属性数据集中特性的参数有：频数：变量在各组出现或发生的次数；频率：各组频数与总频数之比；平均数：反映了数据取值的集中位置；简单算术平均数的计算公式为：加权算术平均数的计算公式为：数学期望：以概率为权值的加权平均数的；中数：对于有序数据集X，如果有一个数x，能同时满足以下两式：则称x为数据集X的中数，记为M。
e若X的总项数为奇数，则中数为：若X的总顶数为偶数，则中数为：众数：众数是具有最大可能出现的数值。
数据库中空间数据存储与查询的实践
数据库中空间数据存储与查询的实践在当今信息爆炸的时代，数据的处理和管理成为一项关键的任务。
随着大数据和物联网技术的迅猛发展，空间数据的存储和查询变得越来越重要。
数据库的空间数据存储和查询使得人们能够更加高效地处理和分析地理信息数据，为各个领域的决策提供重要支持。
空间数据是指带有地理位置信息的数据，例如地图数据、卫星遥感数据、位置信息等。
其特点是具有地理位置属性，并与其他数据相互关联。
与传统的数据存储和查询相比，空间数据存储和查询需要考虑地理位置的特殊性和复杂性。
因此，使用传统的数据库管理系统往往无法很好地处理和查询大规模的空间数据。
在实践中，我们需要使用专门的空间数据库管理系统来存储和查询空间数据。
以下是一些常用的空间数据库系统：1. PostGIS：这是一个基于开源关系数据库系统PostgreSQL的空间数据库扩展。
它提供了许多用于处理空间数据的函数和工具，可以高效地存储和查询地理位置信息。
2. Oracle Spatial：这是甲骨文公司开发的一款用于存储和查询空间数据的数据库管理系统。
它具有丰富的空间数据处理功能，并且可以与Oracle数据库无缝集成。
3. Microsoft SQL Server：作为著名的关系数据库管理系统，SQL Server也提供了一些用于存储和查询空间数据的功能。
通过使用空间数据类型和空间索引，可以高效地处理地理位置信息。
针对空间数据的存储，我们需要首先设计适当的数据模型。
常见的空间数据模型包括点、线、面和多边形等。
同时，我们需要选择合适的数据类型来存储地理位置信息，例如经纬度、UTM坐标等。
在数据查询方面，空间数据库管理系统提供了一系列特殊的查询语言和函数，可以满足各种空间查询的需求。
常见的空间查询包括范围查询、邻近查询、交叉查询等。
例如，我们可以使用范围查询来查找指定区域内的所有设施点，或者使用邻近查询来查找距离指定点最近的医院。
此外，为了提高查询性能，空间数据库管理系统还支持空间索引的建立。
空间数据在线图形查询技术的研究
及到 图形查 询功 能 。以地质 空 间数据 为例 ， 们不 难发 现 上述 我 查询功 能根本 无法 满足 用户 的需 要 ， 例如 用户 想得 到 图上某 一 特 定位 置 附近 的地质 构造 情 况 ，而 其详 细 坐标 又 一 时无 法 查 的 ．这 时就需 要使 用图 形查 询 中的点击 查询 来进 行 相应 操作 。
Ｏ 引 言
近年来 ， 随着 网络技 术 的长 足发 展 ， 索 引擎 版Ｗｅ Ｇ Ｓ 伴 搜 ｂ Ｉ 的研 发正 可谓 如火 如荼 。而 纵 观各 类搜 索 引擎 版ｗｅ Ｇ Ｓ ｂ Ｉ 的功 能． 我们 不难 发 现 ， 多数Ｗｅ Ｇ Ｓ 品的功 能 只是 集 中在 了地 大 ｂ Ｉ产 图 的显示 、 单查 询 以及 公交 换乘 等 基本 功能 上 面 。而 其所 简 １ ］
等 待 的 缺 点 。 Ｗｅ ｂ服 务 器 层 的 平 台 是 Ｗｉｄｗ Ｔ以 及 ｎｏ ｓＮ
ＭＡ Ｇ Ｓ ． 台 。Ｗｅ Ｇ Ｓ Ｐ Ｉ７１ 平 ｂ Ｉ服务 器接 收 到浏 览器 端 的请 求后 ， 利
由此 ， 我们 不难 发现 ， 现在 研发 的大多 数Ｗｅ Ｇ Ｓ 品并 没 ｂ Ｉ产 有 充分发 挥Ｗｅ Ｇ Ｓ ｂ Ｉ 的潜能 ， ］且该 问题 在 图形查 询 这一 功能 项
的研 发 上 表 现 得 尤 为 突 出 。 据 此 ， 文 设 计 了 一 种 全 新 的 基 于 本
用 Ｍ Ｇ ＳＳ ｒｅ ＡＰ Ｉ ｅｖｒ组件 的功 能 ， 进行 处 理 、 分析 、 算等 ， 计 如果需
要ＧＩ数 据 服务 器 的数据 ， 向Ｇ Ｓ 据服 务器 发 出请 求 。 Ｉ数 Ｓ 则 Ｉ数 ＧＳ 据 服务器 层 ， 于完成 数 据 的定 义 存储 、 索 、 用 检 完整 性 约束 以及 有关 的数据 库管 理 工作 ，它 接 收到Ｗｅ 服 务器 的数 据请 求 。 ｂ 并
ArcGIS空间数据处理及空间数据分析思路整理
ArcGIS基础学习思路整理学习资料：地理信息系统教程上的例题与操作步骤，地理信息系统导论上的习作与挑战任务，往届GIS大赛试题。
一、空间数据处理1.空间数据采集：（1）地理配准（2）空间校正2.空间数据编辑：（1）要素的编辑（2）创建要素（3）修改要素3.空间数据的拓扑处理：（1）拓扑创建（2）拓扑的验证（3）拓扑编辑（4）拓扑错误修改4.空间参考与变换：（1）空间参考与地图投影（2）投影变换（3）坐标问题5.地图制图：（1）地图制图输出（2）符号化与样式（3）掩模与制图表达二、空间数据分析1.矢量数据分析：（1）数据提取：裁剪，分割，筛选（2）统计分析：频数，汇总统计数据（3）缓冲区分析：建立缓冲区，多环缓冲区，点距离（4）叠置分析：相交，联合，融合，合并，标识，擦除，更新（5）泰森多边形2.栅格数据分析：（1）密度分析（2）距离分析（3）提取分析（4）局域分析（5）邻域分析3.地形表面分析：（1）用DEM进行制图（2）坡度坡向分析（3）表面曲率分析（4）提取破向坡度，水系河流4.视域流域水文分析：（1）视域分析（2）流域分析：填洼，流向分析，计算水流长度，流量分析（3）河网分析：生成河网，河网矢量化，平滑河网，河流连接5.插值及重分类分析：（1）插值分析：克里金插值（2）重分类分析6.网络分析：（1）网络分析（2）最小耗费路径分析7.地统计学分析：8.Model Builder与空间建模：ArcGIS处理问题综合流程整理一、按照一定的条件选取事宜区域某一地区引进X型经济作物，该作物的生长环境需要满足一定的地形及气象条件。
现有该地区的地形及气象数据，请你根据X型作物的生长条件，为该地区进行X型作物适宜区分析相关信息说明如下：①数据中，dem为数字高程模型数据，gully.shp为主沟谷数据；climate.txt为气象观测表数据（包含坐标、温度/℃及降雨/ mm等）。
②dll中，DevComponents.DotNetBar2.DLL为工具控件库，IrisSkin2.DLL为皮肤控件库，titlerectangle.ssk为皮肤文件。
- 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)。
第１９卷第４期 ２０１１年ｌ２月 厦门理工学院学报
Ｊｏｕｒｎａｌ ｏｆ Ｘｉａｍｅｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ Ｖ０１．１９ Ｎｏ．４
Ｄｅｃ．２Ｏｌ１
基于ＡｌｌｅｇｒｏＧｒａｐｈ的空间数据语义查询研究 袁 莹 （厦门理工学院空间信息科学与工程系，福建厦门３６１０２４）
［摘要】在语义网环境下，对ＡｌｌｅｇｒｏＧｒａｐｈ ＲＤＦ数据库的空间数据语义表达方式进行了介绍，分析、 阐述了其索引机制和查询技术，并通过实验，验证了其处理大规模空间数据语义查询的良好性能． ［关键词］ＡｌｈｇｒｏＧｒａｐｈ；空间数据；语义查询 ［中图分类号］ＴＰ３９９ ［文献标志码】Ａ ［文章编号】１６７３—４４３２（２０１１）０４—００５０—０５
语义网数据模型的优越性使得它能够非常方便地对多源异构的各类数据集进行表达、交换、集成 和连接．目前已经有大量的数据以ＲＤＦ（ｒｅｓｏｕｒｃｅ ｄｅｓｃｒｉｐｔｉｏｎ ｆｒａｍｅｗｏｒｋ）格式发布在网络上，如 Ｌｉｎｋｅｄ Ｄａｔａ、ｄａｔａ．ｇｏｖ等．这些数据中包含很多空间数据．使用语义网技术，能够较好地解决空间数 据集成中的数据项名称不统一以及子类关系等问题，同时语义网数据结构灵活的模式，也使得它在集 成和分析非结构化的空间数据时非常有用． 语义网（ｓｅｍａｎｔｉｃ ｗｅｂ）技术，尤其是使用ＲＤＦ和ＳＰＡＲＱＬ查询语言…进行数据的集成和分析已 经被业界广泛认同．但是，ＲＤＦ及其相关的语义网技术存在速度较慢、效率较低的缺点．数据库厂 商做了很多努力以提高大型ＲＤＦ数据集的查询效率，此类产品被称为ＲＤＦ数据库．ＡｌｌｅｇｒｏＧｒａｐｈ 就 是这种ＲＤＦ数据库引擎，使用它可以实现１０亿级别的三元组数据库的查询．作为一种ＲＤＦ数据库， ＡｌｌｅｇｒｏＧｒａｐｈ提供了完整的对ＲＤＦ数据的事务管理（ＡＣＩＤ）的支持，像关系数据库一样支持ＲＤＦ数 据事务的回滚、提交和存储过程．ＡｌｌｅｇｒｏＧｒａｐｈ对其管理的所有ＲＤＦ三元组都提供了索引，同时对文 本提供了全文索引支持．ＡｌｌｅｇｒｏＧｒａｐｈ还提供对ＳＰＡＲＱＬ、ＳＮＡ、ＲＤＦＳ等的支持．ＡｌｌｅｇｒｏＧｒａｇｈ通过 ＲＥＳＴ通讯协议同时支持多种编程语言接口，包括Ｃｏｍｍｏｎ Ｌｉｓｐ、ＪＡＶＡ、Ｃ＋＋、Ｒｕｂｙ、Ｐｅａｒ、Ｃ＃、 Ｐｙｔｈｏｎ、ＪａｖａＳｃｒｉｐｔ等主流编程语言．作为具备海量特征的空间数据，通过ＡｌｌｅｇｒｏＧｒａｐｈ对其进行语义 查询，是一种较好的解决方案．因此，本文将在研究空间数据语义表达的基础上，研究在 ＡｌｌｇｅｏＧｒａｐｈ环境下空间数据的语义查询问题．
１ 空间数据语义表达 １．１资源描述框架 资源描述框架ＲＤＦ是Ｗ３Ｃ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ Ｃｏｎｓｏｒｔｉｏｎ）组织提出来的用于表达Ｗｅｂ元数据的 语义网标准．ＲＤＦ数据模型中，一切数据均为“资源”．“资源”通过统一资源标识符（ＵＲＩ）进行 标识，并通过“资源”之间的“关系”进行描述．这些“关系”也是通过ＵＲＩ来进行标识，并将 “资源”和其他的“资源”或者“文本”进行连接．ＲＤＦ的基本数据模型是由三元组｛ｓｕｂｊｅｃｔ， ｐｒｅｄｉｃａｔｅ，ｏｂｊｅｃｔ｝构成，很多的三元组合在一起，则构成了一个“图”，用于表示这些“资源”以及 “资源”之间的“关系”．例如名称为ＬＩＧＯＮＧ有限公司拥有一家酒店，该酒店位于福建省厦门市理 工路６００号，每天房价为３００元人民币．这些“资源”与“关系”即可由“图”来表达，资源描述
［收稿日期】２０１１—１０—０８ ［修回日期］２０１１一ｌ１一ｌ０ ［基金项目］厦门理工学院高层次人才科技项目（ＹＫＪ０９００４Ｒ） ［作者简介］袁莹（１９８１一），男，讲师，博士，从事地理信息系统应用研究．Ｅ－ｍａｉｌ：ｙｕａｎｙｉｎｇ＠ｘｍｕＬ ｅｄｕ・ｃｎ 第４期 袁莹：基于ＡｌｌｅｇｒｏＧｒａｐｈ的空间数据语义查询研究 ・５１・ 框架如图１所示． １．２基于ＲＤＦ地理空间要素表达 地理空间要素是一种比较复杂 的数据结构．在ＲＤＦ数据模型中 对空间要素进行表达，可用分解法 将空间要素包含的每个关系直接用
一个ＲＤＦ声明进行建模，例如要 描述一个旅馆的位置： ｅｘ：ｈｏｔｅｌ１２３ ｇｅｏ：ｌａｔ“１１２．７８”． ｅｘ：ｈｏｔｅｌ１２３ ｇｅｏ：Ｉｏｎ“４７．６７’’ 这里，一个坐标被拆分成两个
—◆关系（）资源 Ｖ－ｑ文本 图１资源描述框架 Ｆｉｇ．１ Ｒｅｓｏｕｒｃｅ ｄｅｓｃｒｉｐｔｉｏｎ ｆｒａｍｅｗｏｒｋ
声明来表达．如果有复杂地物，涉及到的坐标串较多，将使得声明的个数显著增多．同时因为首先要 把这些分散的声明集中起来表达地理要素，所以该方法对于处理多边形中的洞、要素的空间索引和计 算都会有困难．因此，在ＲＤＦ模型中表达空间要素，更多的是使用聚合法．例如ＧｅｏＲＳＳ【３ 词汇集不 通过一个个单独的坐标声明来表达空间要素，而是直接通过ＧＭＬ中的几何要素类型，如Ｐｏｉｎｔ、Ｌｉｎｅ、 Ｂｏｘ、Ｐｌｏｙｇｏｎ等类型来表达空间要素．例如，旅馆位置信息在ＧｅｏＲＳＳ下是这样表达的 ｅｘ：ｈｏｔｅｌ１２３ ｇｅｏｒｓｓ：ｗｈｅｒｅ ｅｘ：Ｐｏｉｎｔ３３３ ｅｘ：Ｐｏｉｎｔ３３３ ｉｓ－ａ Ｉｌｌ：Ｐｏｉｎｔ ｅｘ￣Ｐｏｉｎｔ３３３ ｇｍｌ：ｐｏｓ “１１２．７８ ４７．６７’’ 从以上表达可以看出，在聚合法中，无论空间要素如何复杂，只需要两个声明就可以指定某个空 间要素的位置 ］：一个声明指出该要素的类型，另一个声明给出该要素的坐标，这样就减少了空间 要素表达所需要的存储量． １．３ ＡｌｌｅｇｒｏＧｒａｐｈ中空间要素的表达 ＡｌｌｅｇｒｏＧｒａｐｈ提供对笛卡尔平面坐标系和经纬度球体坐标系的支持，对地理要素的表达采取了一 种特殊的方式以更高效地存储和查询地理空间要素 Ｊ．在ＡｌｌｅｇｒｏＧｒａｐｈ中，提供了一种ＵＰＩ （Ｕｎｉｖｅｒｓａｌ Ｐａｒｔ Ｉｄｅｎｔｉｆｉｅｒｓ，通用角色标识符）的类型，将所有的进行了位置编码的三元组映射到一个 二维的区域内．地理空间ＵＰ１支持２５６种子类型，这些子类型指定了外部坐标单位（如度、弧度、米 甚至微米）和ＵＰＩ内部表达方法之间的相互转换的规则． 在Ａｌｌｅｇｒｏ中表达地理空间要素，第一步要定义该要素的ＵＰＩ子类型，然后根据该子类型，对该 位置的经纬度坐标进行定义．如： ｅｘ：ｈｏｔｅｌ１２３ ｌｏｃａｔｉｏｎ“３７．８６３６１００ １２２．３１３０６００’’ ｇｅｏ：ｓｐｈｅｒｉｃａｌ／ｍｉｌｅｓ／一１８０．０／１８０．Ｏ／一９０．０／９０．０／５．０ｄ０ “ｇｅｏ：ｓｐｈｅｒｉｃａｌ／ｍｉｌｅｓ／一１８０．０／１８０．０／一９０．０／９０．０／５．ＯｄＯ”即是该位置的ＵＰＩ子类型，该类型指
出了该坐标是在球体坐标系下的长度单位为英里，索引宽度为５．０度．ＵＰＩ子类型之间可以相互转 换，以最大程度地防止空间要素的重复存储．
２ ＡｌｌｅｇｒｏＧｒａｐｈ中空间数据索引 ２．１ ＡｌｌｅｇｒｏＧｒａｐｈ中三元组的索引 在ＡｌｌｅｇｒｏＧｒａｐｈ中，使用了一系列的索引技术来表达三元组，提高三元组的查询匹配效率．在这 些索引中主要用到了以下字段： Ｓ：Ｓｕｂｊｅｃｔ ＵＲＩ ／／主体ＵＲＩ Ｐ：Ｐｒｉｄｉｃａｔｅ ＵＲＩ ／／谓词ＵＲＩ ・５２・ 厦门理工学院学报 Ｏ：Ｏｂｊｅｃｔ ＵＲＩ＆ｌｉｔｅｒａｌ ／／客体ＵＲＩ Ｇ：Ｇｒａｐｈ ＵＲＩ ／／所在图ＵＲＩ Ｉ：Ｔｒｉｐｌｅ Ｉｄｅｎｔｉｆｉｅｒ ／／三元组标识符 根据对这５个不同字段的排序索引，以在不同的查询情景下使用，如表ｌ所示．
表１ ＡｌｌｅｇｒｏＧｒａｐｈ中索引类型 Ｔａｂ．１ Ｉｎｄｅｘ ｔｙｐｅｓ ｉｎ ＡｌｌｅｇｒｏＧｒａｐｈ
ＳＰＯＧＩ索引：ＳＰＯＧＩ索引包含有ＲＤＦ数据库中的所有三元组，并以Ｓｕｂｊｅｃｔ、Ｐｒｅｄｉｃａｔｅ、Ｏｂｊｅｃｔ及 所在的ＲＤＦ图进行排序．该索引可以对任意已知Ｓ；或已知Ｓ、Ｐ；或者已知Ｓ、Ｐ、Ｏ的情况下使用． ＰＯＳＧＩ索引：如果不知道ｓ、但知道Ｐ、Ｏ，则可以使用ＰＯＳＧＩ索引．所有具备相同的Ｐｒｅｄｉｃａｔｅ 的三元组被组织在一起，并按照Ｏｂｊｅｃｔ值进行排序，以快速定位相应的三元组． ＯＳＰＧＩ索引：如果仅仅知道Ｏｂｊｅｃｔ的值，将使用ＯＳＰＧ［索引．这种索引仅仅通过Ｏｂｊｅｃｔ值排序， 以快速定位相应的Ｓｕｂｊｅｃｔ和Ｐｒｅｄｉｃａｔｅ值． ＧＲＡＰＨ索引：该类索引包括ＧＳＰＯＩ、ＧＰＯＳＩ、ＧＯＳＰＩ三种类型．仅仅在三元组库被分为多个子图 的时候使用．通过子图，就能够很快确定其所包含的三元组． Ｉ索引：该索引为每个三元组赋予一个整数值．在删除三元组时通过整数值进行查找，能够显著 提高速度． 以上索引可以在用户创建ＲＤＦ数据库的时候，根据具体应用的需求，有选择地建立，以节省不 必要的计算资源，提高ＲＤＦ数据库存储管理的效率． ２．２ ＡｌｌｅｇｒｏＧｒａｐｈ中空间数据索引 ＡｌｌｅｇｒｏＧｒａｐｈ中的地理空间数据的索引的主要思想是将每个坐标的 ，Ｙ二维性质转换成一维线性 的，从而让计算机能够迅速处理＿６ Ｊ．为了达到这一效果，在每个坐标记录时，引进了Ｙ方向上的 “带”的概念．如图２所示．
ｙ 。Ａ 带：５ ｏＢ 带：４ 『ｌ Ｌ 篓
带：１
［二二＞
点号 带号Ｓｔ邱Ｎ０ ，， Ａ ５ Ｂ ４ Ｃ ３ Ｄ ２
图２ ＡｌｌｅｇｒｏＧｒａｐｈ中空间索引方法 Ｆｉｇ．２ Ｓｐａｔｉａｌ Ｉｎｄｅｘ ｉｎ ＡｌｌｅｇｒｏＧｒａｐｈ 图２中“带”是在Ｙ方向上一定宽度的带状区域，对于每个坐标，不但要记录其 ，Ｙ坐标，同 时还要记录其所在的“带”．构造其索引时，先记录每个坐标所在的“带号”，并按照带号进行排序，