轨迹大数据云存储与热力图生成方法

doi:10.13474/j.cnki.11-2246.2021.323

测绘通报 ›› 2021, Vol. 0 ›› Issue (10): 146-149.doi: 10.13474/j.cnki.11-2246.2021.323

轨迹大数据云存储与热力图生成方法

张昊, 张健钦, 郭小刚, 卢剑, 陆浩

北京建筑大学, 北京 102616

收稿日期:2020-10-22 出版日期:2021-10-25 发布日期:2021-11-13
通讯作者: 张健钦。E-mail:zhangjianqin@bucea.edu.cn
作者简介:张昊(1995-),男,硕士生,主要研究为地理信息可视化。E-mail:963557986@qq.com
基金资助:
国家自然科学基金（41771413）；国家自然科学基金青年项目（41701473）；北京市自然科学基金（8202013）

Cloud storage and heatmap generation method of trajectory big data

ZHANG Hao, ZHANG Jianqin, GUO Xiaogang, LU Jian, LU Hao

Beijing University of Civil Engineering and Architecture, Beijing 102616, China

Received:2020-10-22 Online:2021-10-25 Published:2021-11-13

摘要/Abstract

摘要： 针对目前轨迹大数据基于WebGIS的热力图展示中的成图耗时较长、用户移动缩放交互差等问题，本文建立了基于HBase的轨迹数据与地图数据存储模型，为轨迹大数据在电子地图上进行热力图展示提供了存储方法，同时提出一种基于聚类处理的轨迹数据热力图可视化方法，针对不同缩放级别能够有效地减少数据绘制计算量与数据传输量，较大地提升了热力图渲染与展示的效率。试验证明，该方案能够实现轨迹数据、电子地图数据的存储，提高热力图可视化绘制效率，能够为轨迹数据挖掘与分析提供技术支撑。

关键词: HBase, 轨迹数据, WebGIS, 聚类, 可视化

Abstract: At present, WebGIS-based heatmap display of large trajectory data has the problems of long mapping time-consuming and poor interaction between user's mobile scaling and zooming.This paper establishes a storage model of track data and map data based on HBase, which provides a storage basis for the thermal diagram display of large track data on electronic maps.A visualization method based on clustering is proposed for trajectory data heatmap, which can effectively reduce the amount of data drawing calculation and data transmission, and improve the efficiency of rendering and displaying heatmap.Experiments showed that this scheme can store trajectory data and electronic map data, improve the efficiency of visualization drawing of heatmap, and provide technical support for trajectory data mining and analysis.

Key words: HBase, trajectory data, WebGIS, clustering, visualization

中图分类号:

P208

张昊, 张健钦, 郭小刚, 卢剑, 陆浩. 轨迹大数据云存储与热力图生成方法[J]. 测绘通报, 2021, 0(10): 146-149.

ZHANG Hao, ZHANG Jianqin, GUO Xiaogang, LU Jian, LU Hao. Cloud storage and heatmap generation method of trajectory big data[J]. Bulletin of Surveying and Mapping, 2021, 0(10): 146-149.

参考文献

[1] 高强, 张凤荔, 王瑞锦, 等.轨迹大数据:数据处理关键技术研究综述[J]. 软件学报, 2017, 28(4):959-992.
[2] ŠPAKOV O, MINIOTAS D. Visualization of eye gaze data using heat maps[J]. Elektronika Ir Elektrotechnika, 2007, 74(2):55-58.
[3] ZHENG Y. Trajectory data mining:an overview[J]. ACM Transactions on Intelligent Systems and Technology, 2015, 6(3):2743025.
[4] 李德仁, 姚远, 邵振峰.智慧城市中的大数据[J]. 武汉大学学报(信息科学版), 2014, 39(6):631-640.
[5] GHEMAWAT S, GOBIOFF H, LEUNG S T. The Google file system[J]. ACM SIGOPS Operating Systems Review, 2003, 37(5):1165389.945450.
[6] CHANG F, DEAN J, GHEMAWAT S, et al. Bigtable:a distributed storage system for structured data[J]. ACM Transactions on Computer Systems, 2008, 26(2):1365815-1365816.
[7] 祝若鑫, 郭建忠, 薛帅, 等. 基于HBase的矢量数据云存储策略研究[J]. 测绘科学技术学报, 2016, 33(5):524-528.
[8] 赵彦庆, 程芳, 魏勇.一种海量空间数据云存储与查询算法[J]. 测绘科学技术学报, 2019, 36(2):185-189.
[9] 杨振凯, 李响, 杨飞.一种面向百万级数据的热力图生成算法[J]. 测绘科学, 2018, 43(8):85-89.
[10] 张繁, 袁兆康, 肖凡平, 等.基于Spark的大数据热图可视化方法[J]. 计算机辅助设计与图形学学报, 2016, 28(11):1881-1886.
[11] LI Y F, SUN Q, JI X L, et al. Defining the boundaries of urban built-up area based on taxi trajectories:a case study of Beijing[J]. Journal of Geovisualization and Spatial Analysis, 2020, 4(6):33-42.
[12] 郑浩泉, 何浩奇, 刘伽椰, 等.时空轨迹数据存储方法研究[J]. 南京师大学报(自然科学版), 2017, 40(3):38-44.
[13] 贺玲, 吴玲达, 蔡益朝.数据挖掘中的聚类算法综述[J]. 计算机应用研究, 2007(1):10-13.
[14] 徐红波. 基于空间填充曲线高维空间查询算法研究[D]. 哈尔滨:哈尔滨理工大学, 2010.
[15] 王小兵, 孙久运.地理信息系统综述[J]. 地理空间信息, 2012, 10(1):25-28, 1.
[16] 王胜开, 徐志洁, 张健钦, 等.逆向热力图的绘制方法[J]. 地球信息科学学报, 2018, 20(4):515-522.

轨迹大数据云存储与热力图生成方法

Cloud storage and heatmap generation method of trajectory big data

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	贺彪, 郭仁忠, 张琛, 马丁, 王伟玺, 洪武扬, 陈业滨. 面向数字孪生城市的自然场景构造方法[J]. 测绘通报, 2022, 0(7): 87-92.
[2]	孟秋宇, 宋子昂, 王金, 葛志金. 利用浮动车GPS轨迹识别与提取城市道路交叉口[J]. 测绘通报, 2021, 0(9): 59-63.
[3]	陈换新, 马超, 张吉才, 陈长林, 秦志强, 马京振, 汪亚群. 多源矢量空间数据可用性评估的可视分析[J]. 测绘通报, 2021, 0(9): 74-78.
[4]	高智梅, 王竞雪, 沈昭宇. 机载LiDAR建筑物点云渐进提取算法[J]. 测绘通报, 2021, 0(8): 7-13,36.
[5]	苏艺凡, 党建武, 王阳萍, 杨景玉. 改进的区间二型模糊聚类遥感影像变化检测[J]. 测绘通报, 2021, 0(7): 44-51,58.
[6]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[7]	张强, 白征东, 辛浩浩, 程宇航, 郭锦萍. 基于共享单车时空大数据的细粒度聚类[J]. 测绘通报, 2021, 0(5): 15-19,29.
[8]	蓝贵文, 唐宇龙, 杜永良, 潘柱光, 莫栩琪. 排水管网多尺度几何语义建模[J]. 测绘通报, 2021, 0(3): 123-127.
[9]	李悦, 张敏. 面向对象的高分辨率遥感影像建设用地变化监测[J]. 测绘通报, 2021, 0(2): 54-58.
[10]	任立夫. 基于BIM技术的地下管线建模应用分析[J]. 测绘通报, 2021, 0(2): 149-152.
[11]	翁敏, 窦晓越, 尹向军, 杜清运, 苏世亮, 亢孟军, 余斌. 城市特色电子地图设计——以南京市为例[J]. 测绘通报, 2021, 0(12): 54-59.
[12]	张英栋, 耿增涛, 王海银, 乔新, 周圣川. 面向大范围实时数据的动态船舶矢量标绘方法[J]. 测绘通报, 2021, 0(12): 140-144.
[13]	邬群勇, 王祥健. 出租车轨迹数据的频繁轨迹识别[J]. 测绘通报, 2021, 0(11): 70-75.
[14]	王岩, 范子贤, 李成名, 戴昭鑫. 利用手机信令数据刻画不同人物画像[J]. 测绘通报, 2021, 0(1): 84-89.
[15]	戴瑶, 段增强, 艾东. 基于GeoServer的国土空间规划野外调查辅助平台搭建与应用[J]. 测绘通报, 2021, 0(1): 121-123,147.