空間統計分析網絡服務的設計與實現

周賀杰，郭慶勝，陳 勇

(1.武漢大學 資源與環境科學學院，湖北 武漢 430079；2.湖北省鄂東地質大隊，湖北 孝感 432000)

空間統計分析網絡服務的設計與實現

周賀杰1，郭慶勝1，陳 勇2

(1.武漢大學 資源與環境科學學院，湖北 武漢 430079；2.湖北省鄂東地質大隊，湖北 孝感 432000)

針對互聯網上海量POI數據的特點，結合開放地理信息系統協會網絡處理服務(OGC WPS)規范，研究空間統計方法的服務機制，并以點模式分析中的K函數算法為例，在網絡服務的環境下對算法進行優化，最后在微軟因特網信息服務(IIS)平臺下實現對主要空間統計分析服務的發布。

POI；空間統計；K函數；Web服務；WPS規范

地理信息服務可分為地理數據服務(Geodata Service)和地理數據處理服務(Geoprocessing Service)兩部分內容[1]。其中地理處理服務是通過對空間數據的操作，挖掘出數據背后所蘊藏的規律和知識，其核心是空間分析服務。但目前國內外大多數提供了地理信息服務的服務商如谷歌、微軟、百度、天地圖等均是提供了地圖服務等與用戶互動的地理數據服務[2-4]，很少有把地理處理服務作為其基本服務。

國外少數幾個開源平臺如GeoServer、52North等提供了一些基于OGC WPS規范的空間數據處理和分析服務，但這些服務僅實現了諸如緩沖區分析、疊置分析等簡單分析方法。在空間分析中，還有一類重要的方法是空間統計方法。在單機環境下，包括ArcGIS在內的GIS軟件和SPSS統計軟件都有自己的空間統計包[5-6]，但卻很少有平臺實現其服務。本文針對互聯網上獲得的POI興趣點數據，研究了空間統計算法服務機制，并以OGC WPS規范為基礎，優化并實現了部分常用的空間統計分析服務。

1 POI數據的空間統計分析方法

POI(Point of Interest)即興趣點，泛指一切可以被抽象為點的地理實體，尤其是與人們生活密切相關的設施，如商場、車站和學校等。其具有數據量大、種類繁多、屬性值豐富等特點。POI數據的分布在一定程度上可以反映某類地物的分布，因此，通過對POI數據的分析可以挖掘出某類地物的分布規律和特點，為后續進一步研究提供依據。

針對POI數據的這一特點，目前包括ArcGIS在內的GIS軟件針對點數據的空間統計分析主要集中在統計描述和統計推斷兩個方面。

1.1 統計描述

統計描述主要是通過一個度量值來描述點要素的集中趨勢、離散趨勢以及分布方向。主要有中心分析、標準差圓和標準差橢圓等方法[7]。中心分析就是通過一個點來描述給定要素集的地理中心(或密度中心)；標準差圓是根據一個圓的半徑大小來反映給定要素集的集中或分散程度；標準差橢圓則是以一個橢圓的長軸方向來表示給定要素集的分布方向。

1.2 統計推斷

統計推斷是通過假設檢驗的方法對選取的空間樣本進行估計從而推斷出總體的分析方法。對于POI數據來說主要是點模式分析，即推斷給定的點數據集是否符合聚集、分散或隨機的模式，并且說明該推斷的可信度是多少。每一個空間模式都由一個空間過程驅動，通過分析POI數據的空間模式可以推斷出產生這一模式的空間過程。點模式的主要分析方法有樣方分析法、多階近鄰點分析、K函數分析以及針對屬性值的空間自相關分析[7]。

通過上述兩個方面的空間統計分析，可以得出一個或多個種類、一個或多個時序的POI數據分布特征規律。對不同種類、不同時序的分析結果進行對比可以得出不同種類、不同時間點POI數據之間的內在聯系。

2 網絡服務概述

2.1 Web服務

Web服務是一種自包含、自解釋、模塊化的應用程序，能夠被發布、定位、并且從互聯網上的任何位置進行調用[8]。通常情況下，一個Web服務包含一個或一系列處理，它使用規范的、通用的XML標簽進行描述，為服務使用者提供消息格式和足夠的信息來與服務提供者進行交互[9]。

地理信息服務是Web服務在GIS領域的應用。由于空間數據的特殊性，使得Web服務在傳輸協議中并沒有包含空間數據元數據信息和空間數據的標準化[10]。為此，致力于建立開放地理信息Web服務標準的開放地理信息系統協會OGC的OGC Web服務工作組針對地理空間數據提出了一系列W*S服務規范，如WMS(Web Map Service)、WFS(Web Feature Service)、WCS(Web Coverage Service)以及最新提出的WPS(Web Processing Service)等。

2.2 WPS服務規范

WPS是OGC制定的用來規范空間處理服務的一套規范。其定義了GetCapabilities、DescribeProcess和Execute 3個接口。調用GetCapabilities接口可以獲取一個描述了服務名稱、功能的元數據文檔；調用DescribeProcess接口可以獲得一個對指定服務的所需參數種類和類型的詳細描述；調用Execute接口可以執行一個由WPS實現了的具體算法，該算法通過用戶輸入相關參數計算并返回相關計算結果。

2.3 WPS服務機制

采用WPS規范的服務主要是將各個分析算法打包成插件，再注冊到實現了WPS的服務器上[10]。這樣，每個算法便成了一條服務。與傳統單機版上算法實現不同的是，待注冊成服務的算法首先要實現WPS所規定的3個接口中的兩個，即DescribeProcess和Execute 接口，前者主要描述該算法傳入和傳出參數的詳細說明，后者是算法執行的具體過程。WPS中的另一個接口GetCapabilities需在實現了WPS的服務引擎上實現，用來描述該服務端上所有的服務名稱等相關信息。算法注冊完成后服務使用者可以調用這3個接口與WPS服務器進行交互，如圖1所示。

圖1 WPS服務機制

3 服務的設計與實現

由于針對POI數據的空間統計方法眾多，因此本文以點模式分析中的K函數分析法為例，詳細闡述了服務環境下算法的優化、服務的設計與實現。其他空間統計分析服務與此類似，不再贅述。

3.1 K函數分析法概述

空間統計學家Ripley在1977年提出了K函數[11]，被廣泛應用于空間點模式分析中。它通過假設檢驗的統計學方法推斷出點要素集的分布模式。用戶需要指定一個觀測窗口、一個距離尺度以及一個置信度。K函數的估值公式為

(1)

式中:n為觀測窗口中的點要素總數，|A|為觀測窗口面積，ωij為邊界改正權重，c(i,j,d)為一個指示器，d為給定的距離尺度。當窗口內中心點i到其他一點j的距離大于距離尺度d時，指示器c(i,j,d)的值為0，反之，其值為1。

為了便于結果進行分析，統計學家Besag對K函數的估值公式進行了平滑處理，得到了L函數[12]

(2)

3.2 服務環境下K函數算法優化

由式(1)可以看出，K函數的計算需要先計算出觀測窗口內點的距離矩陣。距離矩陣的計算是非常費時的操作，也是程序的熱點。考慮到POI數據數據量大，在服務環境下必須提高算法的執行效率。因此，針對距離矩陣，從對稱性和并行化計算兩個角度出發，提出了算法的優化方法。

3.2.1 利用距離矩陣對稱性進行優化

K函數算法中的距離矩陣存在兩種形式：一種是在用戶未選擇邊界修正的情況下，公式(1)中的ωij≡1，窗口內中心點i不僅需計算到窗口內各點的距離，還需計算到窗口外各點的距離，此時距離矩陣為非對稱矩陣，如圖2所示；另一種是在用戶選擇了邊界修正的情況下，僅靠近窗口邊緣的點會得到一個大于1的ωij權重改正值，窗口內中心點i僅需計算到窗口內各點的距離，此時距離矩陣是一個對陣矩陣。

無論哪種形式，距離矩陣中總存在著對稱的部分。由于程序對距離矩陣的計算主要是對各個矩陣元素，即歐氏距離的計算，傳統的方法是用一個嵌套循環逐行或逐列計算各個矩陣元素，但由于矩陣的對稱性，這樣就會產生對距離的不必要重復計算，增加程序的開銷。因此，如果能利用矩陣的對稱性，只計算矩陣的一半元素，就會減少程序的開銷，提高計算效率。

另一方面，由式(1)可以看出，計算K函數所需要的并不是距離矩陣中的每個元素，而是矩陣中各個列和。因此，程序在計算的過程中無需存儲每個元素，而是采用一行大小的臨時內存空間，該空間用于存儲對每個元素的累加和計算結果，當完成一次計算后，下一次計算就會在原有計算結果的基礎上進行累加，這樣降低了算法對內存使用量，提高了計算效率。

結合對對稱性的利用，臨時存儲可以以一行、一列的內存空間創建行和數組和列和數組。計算的過程如下：

1)逐列(逐行)從0到n計算一半的對稱部分矩陣元素，然后求和，存儲于行(列)和數組。如圖2所示，當i=2時，a[2]=d32+d42。

2)計算步驟1)的同時將列(行)和數組累加更新。如圖2所示，當i=2時，b[3]+=d32，b[4]+=d42。

3)將行和數組和列和數組中的各個對應元素進行相加，合并成一個新數組。如圖2所示，當i=2時，新數組c[2]=a[2]+b[2]。

圖2 距離矩陣的計算

3.2.2 利用處理器多核性進行優化

一般來說，服務器的硬件配置要高于客戶機的硬件配置。將算法服務化的優勢就在于可以充分利用高端配置的服務器硬件資源。多核處理器便是服務器硬件配置的優勢之一。從上述距離矩陣的計算方式可以看出，觀測窗口內的每一個中心點都遵循著相同的計算操作，即計算與其他點的歐氏距離，然后求和。因此，可以考慮采用共享內存式的數據并行[13]，將觀測窗口內的中心點計算分成幾組任務，然后將各個任務并發地分配到程序的各個工作線程中，操作系統會根據底層的線程池將各個線程載負均衡地分配到不同的內核中，從而實現對處理器多核性的利用。

3.3 服務環境的設計

根據前面所述的基于OGC WPS服務機制，結合針對POI數據的分析，實驗設計了如下的服務環境：

3.3.1 硬件環境

考慮到POI數據的管理與顯示，硬件方面采用3臺服務器+客戶機的形式。一臺服務器專門用于提供空間統計分析的WPS服務，一臺服務器用于提供地理底圖的地圖服務，另一臺服務器則用于POI數據儲存管理以及與客戶機交互。各個服務器與客戶機由互聯網相連。

3.3.2 軟件環境

提供了WPS服務和數據管理的服務器運行在微軟的IIS信息服務的平臺上。其中實驗用法國BRGM (the French geological survey)團隊開發的開源的WPS.NET實現分析服務功能，該WPS引擎能夠在微軟IIS信息服務平臺上運行，用MySQL數據庫實現POI數據的儲存管理功能。實驗的客戶機運行在Windows系統上，采用開源的OpenLayer JavaScript開發包進行客戶端腳本的開發。空間統計算法部分是由C#語言編寫而成，并在.NET 4.0環境下進行編譯。

3.3.3 數據環境

地理底圖是由開放的OpenStreetMap提供的地圖服務，POI數據是由網絡爬蟲軟件在2013年6月采集到的成都市47個類型130 683個POI點。

3.4 服務架構的設計

圖3所示，在WPS規范的基礎上，采用了B/S的3層體系架構。

圖3 3層服務架構

客戶層用于人機交互，向用戶可視化空間數據及分析結果，同時根據用戶的指令向服務層發出各個請求。服務層主要有3類。第1類是WPS服務端，向用戶提供已注冊的算法服務；第2類是數據管理服務端，通過與客戶端以及本地數據庫的交互實現POI數據的管理與儲存；第3類地圖服務端，該服務端可位于遠程，例如谷歌地圖的地圖服務，主要向用戶提柵格圖片形式的地理底圖。數據層主要是根據數據管理端發出的SQL指令，向數據管理端提供或保存POI矢量數據。

3.5 K函數分析服務的實現

一次完整的分析服務過程應該分為以下4個步驟：

1)請求數據。客戶端向數據管理端和地圖服務端請求地理底圖和POI數據，并對其可視化。

2)請求服務列表。用戶通過客戶端腳本向WPS服務端發出GetCapabilities請求，WPS服務端會查詢已注冊的服務，以XML Schema文檔格式返回已注冊的服務信息給客戶端。

3)請求參數列表。用戶根據客戶端列出的服務目錄，選擇K函數分析服務，客戶端腳本會向WPS服務端發出DescribeProcess請求查詢K函數分析算法的相關參數信息，并以XML Schema文檔格式返回給客戶端。

4)請求服務。最后用戶根據返回的參數信息，輸入必要的參數。輸入參數完畢后通過客戶端腳本向WPS服務端發出Execute請求，將參數以符合WPS規范的XML Schema文檔傳入WPS服務端。其中由于待分析的POI數據量可能較大，編碼后的XML格式文檔不便于在內存中儲存，因此，數據管理端將其輸出成文件形式，由WPS服務端通過URL引用的方式進行調用。計算完畢后，又以XML格式向客戶端返回計算結果，并由客戶端腳本將計算結果可視化給用戶。

3.5.1 實驗結果

實驗以K函數為例分析了130 683個POI點中類型為“村委會”的4203個POI數據。選取如圖4(b)所示的觀測窗口，設定開始距離尺度為200 m、距離尺度遞增量為200 m、距離尺度數量為10個、開啟邊界修正、設定了90%的置信區間。程序在算法實現環節加上了一段用于計時的代碼，以便測試優化前和優化后算法在執行Execute請求時所用時間。由于程序運行時的系統運行環境具有一定的隨機性，因此將實驗重復進行了5次，統計得到如表1所示測試結果。實驗最終得到的分析結果如圖4(b)所示。圖4(a)是將實驗得到的分析結果用ArcGIS里的繪制圖表功能進行的可視化結果。

表1 優化前后K函數算法執行時間

圖4 分析結果

3.5.2 實驗結果分析

由表1可以看出優化后的算法相較于優化前的算法，執行時間縮短了80%以上，且當處理器核心增加時可進一步縮短算法的執行時間，使其計算效率的提高具有可擴展性。由于距離矩陣計算在空間統計分析算法中具有普遍性，因此利用對稱性和多核計算的優化方法可以推廣到其他算法中去。

由圖4(a)可以看出在圖4(b)所示的觀測窗口內的POI數據在不同尺度上的空間模式以及其變化趨勢。在距離尺度為200 m時，POI數據具有置信度為90%的顯著性聚集，且隨著距離尺度的遞增，聚集性越來越小。當距離尺度大于1 500 m時，POI數據開始表現出不顯著的離散模式，且隨著距離尺度的遞增，離散性越來越大。當距離尺度為2 000 m時，POI數據具有置信度為90%的顯著性離散。

4 結束語

針對網上海量的POI，本文設計并實現了一種基于OGC WPS規范的空間統計分析服務，并以空間統計方法中的K函數分析為例，充分運用距離矩陣的對稱性和服務器的多核處理器，在服務環境下優化了算法，實現了包括統計描述和統計分析在內的POI數據空間統計分析服務的發布。實驗結果驗證了空間統計分析服務的可行性，表明了服務環境下算法的優化取得了良好效果。與此同時，算法的服務化也有利于空間統計分析方法在GIS領域的推廣，但本文對空間統計分析算法的服務化也存在著服務粒度過大、未能與其他地理信息服務相互組合形成服務鏈模型等缺點，還有待今后進一步研究。

[1]陶闖，王全科. 基于地學信息服務的Internet 3維數GIS: GeoEye 3D[J]. 測繪學報，2002，31(1)：17-21.

[2]馮駿，劉文兵，夏翔. Web2.0下網絡地圖的發展及存在問題探討[J]. 測繪工程，2013，22(2)：37-41.

[3]曲鑫，張偉.云服務平臺下的地理信息系統技術研究[J].測繪與空間地理信息，2014，37(9)：113-115.

[4]劉小春，孫慶輝，趙軍喜，等.WMS網絡地圖服務的應用研究[J].測繪與空間地理信息，2014，37(3)：13-15.

[5]楊中慶. 基于R語言的空間統計分析研究與應用[D]. 廣州：暨南大學，2006.

[6]譚詩騰，劉憲鑫.基于SPSS的高鐵路基沉降處理技術研究[J].交通科技與經濟，2014，16(5)：103-106.

[7]WONG D W S, LEE J. Statistical Analysis of Geographic Information with ArcView GIS and ArcGIS[M]. New York: Wiley, 2005.

[8]徐卓揆，申小平. 基于52North WPS的Web Processing Service的開發方法研究 [J]. 測繪科學，2011，36(1)：140-142.

[9]RUTKOWSKA J,SUBVERTING VISTATMKernel For Fun And Profit [J]. Blackhat Presentation, August 2006.

[10]孫雨，李國慶，黃震春. 基于OGC WPS規范的處理服務實現研究[J]. 計算機科學，2009，36(8)： 86-88.

[11]RIPLEY B D. Modelling Spatial Patterns[J]. Journal of the Royal Statistical Society. Series B, 1977, 39(2): 172-212.

[12]BESAG J E. Comments on Ripley’s paper [J]. Journal of the Royal Statistical Society. Series B, 1977, 39(2): 193-195.

[13]HILLAR G. Professional Parallel Programming with CJHJ: Master Parallel Extensions with. NET 4 [M]. New York: Wiley, 2011.

[責任編輯：劉文霞]

Design and implement of spatial statistical analysis based on web service

ZHOU He-jie1, GUO Qing-sheng1, CHEN Yong2

(1.School of Resource and Environment Science,Wuhan University,Wuhan 430079, China;2. Northeastern Hubei Geological Brigade, Xiaogan 432000, China)

According to the characteristics of massive POI data, a service mechanism of spatial statistical method is studied based on the open geospatial consortium Web Process Service (OGC WPS) specification. Meanwhile, one of the point pattern analysis algorithms, theKfunction, is optimized as an example during the environment of web service. At last, some major services of spatial statistical analysis are published under Microsoft’s Internet Information Services (IIS) platform.

POI; spatial statistic;Kfunction; web service; WPS specification

2013-11-25；補充更新日期：2014-11-19

國家863計劃資助項目(2012AA12A402)；國家自然科學基金資助項目(41071289，41171350)

周賀杰(1987-)，男，碩士研究生.

P208

：A

：1006-7949(2014)12-0043-05