| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 符号表 | 第19-21页 |
| 1 绪论 | 第21-42页 |
| 1.1 研究背景与意义 | 第22-29页 |
| 1.1.1 空间大数据的来源 | 第22-23页 |
| 1.1.2 空间大数据并行计算的必要性 | 第23-26页 |
| 1.1.3 空间大数据并行计算的关键挑战 | 第26-27页 |
| 1.1.4 研究意义 | 第27-29页 |
| 1.2 相关工作与研究现状 | 第29-38页 |
| 1.2.1 云计算在"大数据"中的应用 | 第29-30页 |
| 1.2.2 空间数据分析及其应用 | 第30-31页 |
| 1.2.3 空间大数据并行计算的技术主线 | 第31-36页 |
| 1.2.4 空间大数据并行计算方法综合评述 | 第36-38页 |
| 1.3 研究内容与章节安排 | 第38-42页 |
| 1.3.1 研究内容 | 第38-39页 |
| 1.3.2 章节安排 | 第39-42页 |
| 2 顾及空间子域分布特征的空间大数据并行计算方法体系 | 第42-71页 |
| 2.1 云环境下的并行计算范式 | 第42-49页 |
| 2.1.1 无约束并行与子作业依赖关系 | 第42-45页 |
| 2.1.2 MapReduce并行计算模型 | 第45-46页 |
| 2.1.3 弹性分布式数据集计算模型 | 第46-49页 |
| 2.2 面向并行计算的异构空间数据云存储组织方法 | 第49-55页 |
| 2.2.1 空间数据表示模型 | 第49-51页 |
| 2.2.2 基于key-value的空间数据云存储组织方法 | 第51-55页 |
| 2.3 基于操作解构的并行空间计算流程表达 | 第55-60页 |
| 2.3.1 空间子域划分 | 第56-58页 |
| 2.3.2 任务分发 | 第58页 |
| 2.3.3 子任务执行 | 第58-59页 |
| 2.3.4 结果合并 | 第59-60页 |
| 2.4 面向解构的空间操作分类及其空间子域分布特征 | 第60-68页 |
| 2.4.1 本地空间操作及其空间子域分布特征 | 第60-62页 |
| 2.4.2 规则邻域空间操作及其空间子域分布特征 | 第62-64页 |
| 2.4.3 不规则邻域空间操作及其空间子域分布特征 | 第64-68页 |
| 2.5 空间子域的任务计算量评估 | 第68-70页 |
| 2.5.1 多维度空间子域任务计算量表示 | 第68-69页 |
| 2.5.2 空间子域计算代价评估 | 第69-70页 |
| 2.6 本章小结 | 第70-71页 |
| 3 本地空间操作的数据划分与并行化方法 | 第71-84页 |
| 3.1 基于默认子域的本地空间操作数据划分-DSBD | 第71-72页 |
| 3.2 基于格网子域的本地空间操作数据划分-GSBD | 第72-74页 |
| 3.3 基于DSBD与GSBD的空间频率图并行绘制 | 第74-78页 |
| 3.3.1 数据划分 | 第75页 |
| 3.3.2 子任务执行 | 第75-76页 |
| 3.3.3 图像绘制 | 第76-77页 |
| 3.3.4 结果合并 | 第77-78页 |
| 3.4 基于GSBD的金字塔矢量图并行绘制算法 | 第78-81页 |
| 3.4.1 金字塔矢量图 | 第78-79页 |
| 3.4.2 金字塔矢量图并行绘制算法实现 | 第79-81页 |
| 3.5 实验与分析 | 第81-83页 |
| 3.5.1 实验环境 | 第81页 |
| 3.5.2 DSBD与GSBD的性能分解对比 | 第81-82页 |
| 3.5.3 金字塔矢量图计算性能分析 | 第82-83页 |
| 3.6 本章小结 | 第83-84页 |
| 4 空间子域规则分布的邻域空间操作数据划分与并行化方法 | 第84-122页 |
| 4.1 面向空间范围连接的规则邻域空间操作并行化方法-RDJOD | 第85-90页 |
| 4.1.1 空间范围连接定义 | 第85-86页 |
| 4.1.2 空间实体邻域范围确定 | 第86-87页 |
| 4.1.3 基于格网子域的空间数据划分 | 第87-89页 |
| 4.1.4 RDDs模型上εRDJ并行化实现 | 第89-90页 |
| 4.2 面向时空立方体的规则邻域空间操作并行化方法-SCOD | 第90-95页 |
| 4.2.1 时空立方体构建 | 第91-92页 |
| 4.2.2 时空立方体邻域范围确定 | 第92页 |
| 4.2.3 时空立方体子域划分 | 第92-95页 |
| 4.3 基于SCOD的大规模时空热点分析并行计算 | 第95-102页 |
| 4.3.1 时空热点 | 第95-96页 |
| 4.3.2 总体执行流程 | 第96页 |
| 4.3.3 热度值计算 | 第96-97页 |
| 4.3.4 多视角出租车轨迹热点识别 | 第97-102页 |
| 4.4 面向异构数据叠加计算的空间子域划分与并行化-SDHDOC | 第102-110页 |
| 4.4.1 异构数据并行叠加计算的总体执行流程 | 第102-103页 |
| 4.4.2 空间子域划分 | 第103-108页 |
| 4.4.3 基于空间子域缓存的异构数据叠加 | 第108-110页 |
| 4.5 基于SDHDOC的大规模地表表面积统计并行化算法 | 第110-114页 |
| 4.5.1 地表覆盖表面积计算实现原理 | 第111-112页 |
| 4.5.2 基于SDHDOC的地表表面积并行计算 | 第112-114页 |
| 4.6 实验与分析 | 第114-121页 |
| 4.6.1 SCOD计算实验与分析 | 第114-116页 |
| 4.6.2 基于SDHDOC的大规模地表表面积统计实验与分析 | 第116-121页 |
| 4.7 本章小结 | 第121-122页 |
| 5 空间子域不规则分布的邻域空间操作数据划分与并行化方法 | 第122-140页 |
| 5.1 基于格网均匀扩张的不规则空间子域范围确定方法-UGE | 第122-125页 |
| 5.1.1 基本概念 | 第122-123页 |
| 5.1.2 不规则空间子域范围确定 | 第123-125页 |
| 5.2 基于UGE的KNNJ并行化实现 | 第125-126页 |
| 5.3 基于Voronoi的不规则空间子域范围确定方法-Voronoi | 第126-130页 |
| 5.3.1 Voronoi的几何特性 | 第127-129页 |
| 5.3.2 控制点选取策略 | 第129页 |
| 5.3.3 不规则空间子域范围确定 | 第129-130页 |
| 5.4 Voronoi KNNJ并行化实现 | 第130-132页 |
| 5.5 实验与分析 | 第132-139页 |
| 5.5.1 控制点选取 | 第133-136页 |
| 5.5.2 K值对计算性能的影响 | 第136-137页 |
| 5.5.3 Voronoi-KNNJ与UGE-KNNJ计算性能对比 | 第137-139页 |
| 5.6 本章小结 | 第139-140页 |
| 6 结论与展望 | 第140-144页 |
| 6.1 内容总结 | 第140-142页 |
| 6.2 研究特色 | 第142-143页 |
| 6.3 工作展望 | 第143-144页 |
| 参考文献 | 第144-151页 |
| 作者简历 | 第151页 |
