放射源在線監測平臺中空間數據加速呈現算法研究及其應用

楊 斌，侯躍新，肖 丹，李 巖，李 鋼

(黑龍江省科學院技術物理研究所，哈爾濱 150010)

隨著我國經濟的發展，放射源的應用范圍也越來越廣泛，但對放射源監控工作卻處于相對落后的狀態。此外由于放射性污染無色、無味難以察覺，一旦發生放射源事故，危害性極大。放射源在線監測平臺的出現則改變了這一現狀，它是一套集Web應用服務、GIS界面管理、3G無線數據傳輸、視頻在線監控于一體的放射源在線監控平臺，通過物聯網技術實現對放射源的實時、全方位的監控。本文研究的內容主要集中在GIS監控管理上，從空間數據的加載以及顯示入手，著重解決在平臺開發過程中遇到的數據加載緩慢、用戶操作卡頓、系統經常崩潰等問題。

國內外針對GIS地圖顯示優化方面提出了很多解決方案，如:有的通過建立高效的空間索引來提高數據訪問效率，如多級網格索引技術［1］、四叉樹索引［2］、R 樹索引［3］及其改進索引等;或者通過雙緩存和數據預取方法對地圖數據提前進行加載，按需從緩存中直接調用數據到前臺，減少由于加載數據而帶來的延遲，從而提高用戶操作的連續性［4］;還有一些文獻提出采用多線程數據調度策略:數據并行調度顯示算法 N_PDIS［5］，結合 LOD(Levels of Detail)技術的分頁加載和多線程技術等［6］。

然而上面提到的算法多數停留在針對地圖數據加載及顯示優化層面上，并不能有效解決開篇所提到的在系統應用過程中所遇到的圖元數據加載及刷新過程耗時長、占用系統資源多以及地圖操作卡頓等問題?？臻g數據加速呈現算法通過借鑒了數學領域的計算方法，在不影響整體顯示及監控效果的前提下通過聚類劃分和插值運算降低了前端系統與數據庫頻繁的訪問頻率。通過點抽稀方法以抽取的特征點代替所在區域內的所有點集，減少了參與定位與狀態判定運算的數據量，從而減輕了系統計算負擔。通過壓縮整體的顯示開銷時間為用戶提供更好的用戶體驗，同時保證了監控的任務實時性以及連貫性。

1 空間數據加速呈現算法實現

放射源在線監測平臺中監控對象主要分為兩類:一類是固定放射源，另一類是移動放射源。在前端GIS監控系統中分別采用靜態圖元和動態圖元加以表示。對于靜態圖元的顯示處理采用基于閉包聚集原理的靜態圖元加速顯示算法，對于動態圖元則采用開放性定位追蹤算法。

1.1 基于閉包聚集原理的靜態圖元加速顯示算法

1.1.1 閉包聚集劃分原理

定義1:閉包。對于Rd空間中的點集P，如果存在點集S?P，使得點集S為包含P中所有點的最小的閉合集合，那么這個最小的閉合集合S就稱作點集P的閉包［7］。

閉包聚集劃分算法［8］:

1 )在二維點陣集合P中隨機選取一個樣本點A，然后找出點集中距離點A最遠的點記為B，以這兩點為直徑做圓，如果所有樣本點都在圓中則算法停止。

2 )如果還有未囊括的點，則在圓外的點中隨機取一個樣本點C，找出包含這3點的最小圓。圓周可能通過這3點也可能只通過其中兩點，但包含第3點。后一種情況圓周上的兩點一定是位于圓的一條直徑的兩端。

3 )在點集中找出距離2)中所建圓，其圓心最遠的點D。若D點已在圓內或圓周上，則該圓即為所求的圓，算法結束。否則，執行第4)步。

4 )在A、B、C、D中選3個點，使由他們生成的一個包含這4點的圓為最小。這3點成為新的A、B和C，返回執行第3)步。

若在第4)步生成的圓的圓周只通過A、B、C、D中的兩點，則圓周上的兩點取為新的A和B，從另兩點中任取一點作為新的C。

閉包聚合原理就是根據上面的算法，對二維點陣集合中的點按照空間分布屬性進行類別劃分，最終確定出相互獨立的聚集區域。

1.1.2 算法描述

靜態圖元通過一個五元組來進行描述:R(Key，Name，Longitude，Latitude，Status，Group)。其中 Key 代表圖元的唯一編號，Name為監控終端的名稱，Longitude代表經度，Latitude代表緯度，Status表示放射源當前的狀態，Group是圖元通過所在的組。

1 )從屬性數據庫中提取所有監測目標的前四項屬性數據，并將Group屬性置為空值，按五元組形式填充到臨時表中。

2 )對臨時表中點集中采用1.1.1節中的閉包聚集原理進行區域劃分。

3 )按照聚集區域劃分的先后順序對聚集進行編號，隸屬于同一區域的點集Group屬性置為相同的值，并根據聚集分布情況在屬性表中建立合適的空間索引提升數據的訪問速度。

4 )根據圖層的顯示粒度確定抽稀計算因子，依次對劃分的閉包區域點集進行點抽稀運算，在抽稀過程中如果顯示粒度高則調高抽稀計算因子，反之則降低抽稀因子。將計算出來的特征點作為臨近區域點集的代表，并將此點的屬性添加到緩存列表中。

5 )根據當前視野范圍確定緩存列表中哪些點將最終添加到前臺進行顯示。

6 )定時對緩存列表中，點的Status屬性依次進行維護操作，重復執行步驟5)，如果當前監控視野范圍發生變化則執行步驟7)，如果有新的點填入或刪除或做相應更新，則執行步驟8)。

7 )執行步驟3)－5)。

8 )重新提取臨時表，并執行步驟1)—5)。

1.2 開放性定位追蹤算法

在放射源在線監測平臺中，對移動放射源裝置的監控不但要記錄其劑量數值以及當前位置信息，還要獲得其在某一段時間內運動的軌跡，因此在平臺的前端GIS監控系統中采用運動圖元來表示移動放射源。運動圖元的顯示相對于靜態圖元更為復雜，不但要根據傳輸的劑量值確定圖元當前的狀態(包括探測劑量是否超限，放射源是否發生丟失等)，還要根據實時傳輸的GPS數據更新移動終端對應的圖元位置信息，并繪制其運行軌跡。隨著監控終端數量的增加，服務器系統資源的消耗將以幾何方式增長，如果沒有一個合適的算法對GIS前端監控系統動態圖元的顯示進行調度管理，那么必然會導致前端監控系統一直處在工作量浩大的位置運算過程中，而無法及時響應用戶與系統的交互操作，從而影響用戶的體驗效果。本文提出一種采用“主動刷新”方式并結合插值算法的開放性定位追蹤算法。

在放射源在線監測系統中，對移動放射源裝置的監控跟蹤主要采用兩種方式:一種“全局多點狀態監測”，即對所有進入視野范圍內的目標運動情況進行監控;另外一種是“單點軌跡跟蹤監測”，是針對某一監測目標的運動軌跡進行跟蹤。開放性定位追蹤算法因此也分為兩種處理模式。

針對“全局多點狀態監測”模式的算法描述如下:

1 )首先進行初始化操作，提取出所有動態目標的定位數據信息及屬性信息到一個動態數據表中。

2 )確定當前運動點集所在圖層的視野范圍及縮放級別。

3 )根據運動點集圖層的視野范圍從動態數據表中提取落入此區域的備選點集。

4)根據圖層的縮放級別確定最終將添加到地圖上的點集。由于圖層的縮放級別決定了地圖單位區域內圖元的粒度。①當顯示的粒度較大時，將整個地圖分割成m×n塊區域(m和n值由用戶自己設定)，將區域內相同狀態的目標用一個點圖元來代表，圖元的位置由區域內相同狀態的點集的位置平均值來代替，而圖元的顏色樣式代表區域內監測目標的分布情況，監測目標密集則顏色越深，監測目標稀疏則顏色越淺。②當顯示粒度較小時，直接將備選點集中的點添加到圖層中。

5 )將接收到的所有監測點的定位數據先存入數據庫，并按照一定的刷新頻率從數據庫中加載數據到內存表中進行更新，添加到前臺，即“主動刷新”方式。當視野范圍未發生變化時執行步驟3)和4)，如果發生變化執行步驟6)。

6 )響應用戶的GIS操作(如漫游、縮放等)，在操作執行完畢后重復執行步驟1)—4)。

針對“單點軌跡跟蹤監測”模式的算法描述如下:

1 )對離散的定位數據集按照時間順序進行排序。

2 )對數據集中相鄰的兩點依次做插值運算，將新計算出來的點添加到數據集中。

3 )將點集和所在區域的空間數據集做交運算，對交集以外的點進行修正，重復步驟2)，直到達到指定的精度。

4 )將所有點集連接成一條平滑曲線作為監測目標的運動軌跡。

5 )當移動目標運行到視野邊界范圍時，根據目標的平均運行速度及運行趨勢，提前加載可能用到的空間數據到緩存中，最后根據實際定位信息確定要加載的緩存區域，并將空間數據拷貝到前臺。

開發性定位追蹤算法在移動放射源監測應用的優勢在于:通過“主動刷新”方式和插值運算可以有效減少在刷新動態圖元時系統訪問空間數據庫和屬性數據庫的頻率;通過對視野區域內運動點集的篩選優化，減少了刷新過程中參與定位計算的點的數量，從而減輕了系統的運算負擔且不影響對移動目標的整體監控效果。

2 實驗結果

在相同測試條件下分別對采用空間數據加速顯示算法前后情況進行對比，表1和表2分別給出實際統計情況，可以發現:

1 )隨著加載數據量的增大，GIS前端監控系統并未出現明顯的卡頓、系統響應時間過長等現象。

2 )當進行地圖操作時，特別是連續操作時，空間數據和地理數據的加載比較平滑，無明顯的停頓感。

3 )處理大量動態圖元顯示的過程，系統內存和CPU占用率并未有明顯增長。

表1 未采用算法前Tab.1 Unusing Algorithm

表2 采用算法后Tab.2 After using Algorithm

3 結論

通過實驗發現，在其他條件不變時，實驗數據量越大(加載的點數越多)，空間數據加載的速度越慢，GIS系統資源占用率越高，而采用加速顯示算法后幾乎不受數據量影響。也就是說數據量越大，相對速度提升越明顯。同時也證明了算法的有效性以及在處理信息容量大的GIS空間數據方面的優勢，空間數據加速呈現算法的提出對GIS理論在圖像及圖形加速顯示方面的研究具有推動性作用。

［1］張硯，蘇旭明.車載導航電子地圖的關鍵技術與解決方案［J］.測繪科學技術學報，2008，25(4):267 －270.

［2］操鳳萍，竇萬峰，董泉源.基于四叉樹索引的區域版本實時協同繪圖系統［J］.計算機應用，2009，29(1):328 －330.

［3］顏凌毅.嵌入式GIS空間數據存儲與管理關鍵技術研究［D］.鄭州:信息工程大學，2007:89.

［4］ROUSSOPOULOS N，KELLERY S，Vincent F.Nearest neighbor queries［J］.In Proceedings of ACM SIGMOD，San Jose CA.1995:71－79.

［5］ZHANGD，WANGL，HUIH C，LIH Y.Navigation Map Data Representation and Parallel Display Algorithm in an Embedded Environment［J］.Geo －spatial Information Science，2008，11(1):62 －65.

［6］祖為國，鄧非，梁經勇.海量三維 GIS數據可視化系統的實現研究［J］.測繪通報，2008，(6):39 －41.

［7］BADOIU M，HAR － PERLED S.Approximate clustering via core－ sets［C］//ISI Proceedings on Web of Sience，2007.

［8］彭曉琳，黃樟燦，主潔.基于閉包的聚類判別方法研究［J］.計算機工程與應用，2009，45(18):191 －192.