顧及時空語義的多主題瓦片數據優化檢索方法*

仇林遙，王萌，朱慶，杜志強(1.武漢大學測繪遙感信息工程國家重點實驗室，湖北武漢430079；2.西南交通大學地球科學與環境工程學院，四川成都611756；3.地球空間信息技術協同創新中心，湖北武漢430079)

顧及時空語義的多主題瓦片數據優化檢索方法*

仇林遙1，3，王萌1，3，朱慶2，3，杜志強1，3
(1.武漢大學測繪遙感信息工程國家重點實驗室，湖北武漢430079；2.西南交通大學地球科學與環境工程學院，四川成都611756；3.地球空間信息技術協同創新中心，湖北武漢430079)

針對虛擬地球可視化中多個邏輯圖層疊加產生大量同名瓦片索引重疊引起的數據無效訪問和內存冗余等問題，提出顧及時空語義的瓦片數據優化檢索方法。在客戶端實現顧及時空語義的自適應瓦片優選，將視點信息與數據集的時空范圍、分辨率和優先級等語義信息自動匹配與自適應篩選過濾，顯著提高目標瓦片數據的命中率；在服務器端實現面向主題的內存數據庫瓦片數據緩存，進一步提高瓦片數據二次訪問的響應速度。實驗表明，該方法不受邏輯圖層增量影響，保證目標瓦片較高的命中率，緩存方法進一步提升瓦片二次訪問效率，顯著提高面向多數據集的海量數據實時可視化性能。

瓦片金字塔；高分辨率遙感影像；自適應匹配；瓦片優選；內存數據庫

通過航空航天遙感技術獲取全球高時空分辨率的遙感影像并建立覆蓋全球的數字地球已成為當代地理信息技術的重要標志［1-4］。基于全球離散格網系統的空間數據組織方法實現了海量高分辨率遙感影像的網絡可視化服務［5］，并廣泛應用于災害管理、環境監測、地籍管理、戰場環境仿真等領域。現有面向公眾服務的虛擬地球平臺大多管理一個邏輯圖層。邏輯圖層指包含一個完整或者局部連續的影像金字塔的數據集合，以Google Earth為例，金字塔層級上的影像來自QuickBird，LANDSAT，IKONOS等不同傳感器［6-7］，但所有影像經過建庫后屬于同一個邏輯圖層。在相同的層級和位置僅存在唯一瓦片，因此根據層級與行列號即可快速檢索到目標瓦片。由于高分辨率影像數據快速且容易獲取，僅一個邏輯圖層難以滿足多元遙感數據可視化應用需求。例如應急救災過程，需要應對多源數據記錄災區不同時相不同尺度的受災情況與災區場景。數據臨時整合至同一邏輯圖層，一方面需要長時間的人機交互；另一方面，僅一個邏輯圖層難以滿足多主題圖層的對比分析、多時相展示等可視化需求。當圖層不唯一時，以金字塔層級和行列號為索引的離散格網方法難以確定當前視口所請求的瓦片屬于哪個圖層，傳統方法通過瓦片編號在所有數據集獲取目標瓦片，導致以下兩個問題:①盲目遍歷所有數據集容易產生大量無效查詢，增加服務端的數據庫檢索時間以及降低傳輸層中有效瓦片的占有率；②如果多個數據集在空間上存在交集(如圖1所示)，不僅同名瓦片產生內存冗余，而且繪制端難以準確辨識特定數據源的瓦片將導致繪制混亂，影響可視化的流暢度和精確性。針對以上問題，本文提出顧及時空語義的瓦片檢索優化方法。

圖1 多圖層疊加示意圖Fig.1 Overlap ofmultiple logic layers

1 全球離散格網瓦片數組組織模式

全球離散格網的基本思想是采用倍率方法形成多分辨率層次，每層細分為大小相等的矩形瓦片，瓦片包含固定數據的采樣點。通過Plate Carree等投影方式將地理坐標經緯度［-180°，180°］和［-90°，90°］范圍內的地球表面投影成一個長寬比為2∶1的規則矩形平面，以此為底面構建離散多分辨率影像瓦片金字塔，然后對各層進行均勻剖分［8］。若影像瓦片像素大小為s×t，函數f(l)定義為第l層的空間分辨率，則瓦片的空間分辨率為(以x方向的分辨率為例):

任意分辨率正射影像可以映射至金字塔中一段連續的層級。假設其空間范圍為A，由左下角坐標(xt，yt)和右上角坐標(xh，yh)表示，像素大小為m×n，定義r為影像的空間分辨率，則(以x方向分辨率為例):

因此，可根據式(1)和式(2)可推算影像映射在金字塔中的最大層級［8］:

由此可見，利用金字塔層級和行列號作為索引可檢索唯一瓦片，即給定經緯度(x，y)，可在金字塔任意層定位到唯一的行號X和列號Y:

2 顧及時空語義的自適應瓦片優選算法

面向唯一圖層，根據視點位置能夠檢索和定位任意瓦片。然而，隨著數據集的增加，當前方法缺乏對數據集的有效甄選手段，針對這一問題，提出了時空語義標注方法，從多個維度對數據集的可視范圍進行約束，實現瓦片自適應匹配算法。

2.1 時空語義標注方法

2.1.1 語義描述

根據《ISO/TC-211 19115元數據規范》對遙感數據語義的描述［9］，建立針對影像瓦片數據的語義描述集合，作為瓦片過濾的基本依據。語義描述包括以下內容:

1)主題語義。針對數據來源、傳感器類型、關聯事件等方面的差異，建立主題約束。例如在災區影像數據可視化任務中，不同災害類型對數據分辨率、傳感器偏好不同。主題語義有效增加不同數據集的關聯約束，支持用戶從應用層面對數據進行批量取舍。

2)分辨率語義。描述數據集在三維空間垂直維度(垂直于XY平面)的“可視范圍”，指導視點在瓦片選擇過程中自動剔除可視深度以外的數據集。例如在視點接近地表時，用戶關心的是高分辨率影像數據集表達的地物細節特點，而非全球背景數據集的低分辨率紋理。

3)優先級語義。描述數據集調度流程的邏輯順序，對數據集的深度可視范圍做進一步約束。通過建立優先等級與金字塔的局部連續層級的映射關系，實現視點位置與數據集的實時關聯分析，分辨率語義和優先級語義是在垂直維度實現瓦片自適應匹配的關鍵。

4)時間語義。描述數據集在時間維度的排列順序和生命周期，以時間戳形式定義數據集的時間有效范圍，為數據集的序列分析和多時相展示提供支持。

5)空間語義。描述數據集在XY平面的空間范圍，利用最小外接包圍盒表達。結合分辨率語義信息，將數據集的空間范圍映射至分辨率可見的各個金字塔層級，將經緯度信息轉換為金字塔各級的行列ID，有助于瓦片的快速確定與剔除。

2.1.2 描述方法

采用資源描述框架(Resource Description Framework，RDF)對數據集的語義標注進行表達。RDF文件對每個數據集的時空語義進行有效的結構化組織，并轉變成計算機易于識別和解析的資源信息，實現數據集的自適應匹配與瓦片自動檢索。

表1展示了RDF文件的描述片段:在RDF文件中瓦片數據集作為一個類進行描述，時空語義作為類的屬性進行表達，包括名稱(Name)、主題(Theme)、最小外接包圍盒(Box)、影像分辨率(Resolution)、優先級(Priority)、起始日期(Start Time)、終止日期(End Time)和數據源(Data Source)等，每個數據集屬于類的一個實例。

2.2 瓦片自適應匹配過程

傳統基于視點位置的瓦片檢索方法無法辨別多個邏輯圖層中同名瓦片的差異，采用遍歷數據集的方法查詢。本文的改進之處在于通過RDF文件描述數據集的時空語義特點，在瓦片檢索過程中結合當前視點位置信息對瓦片進行自適應匹配和篩選。圖2展示了瓦片自適應匹配流程。

表1 RDF文件描述片段Tab.1 Snippets of a RDF file

圖2 瓦片自適應匹配流程Fig.2 Self-adaptivematch process

首先遍歷并結構化存儲所有數據集的時空語義信息，從多個層次對其語義特點進行量化描述:數據集的名稱、主題和數據源作為粗粒度的標識信息進行存儲。起始、終止日期記錄時間維度的可視范圍。影像分辨率與優先級控制垂直維度的可視范圍。根據式(3)推算當前數據集分辨率對應的最大金字塔層級Level，確定0至Level的可視范圍Range1；根據優先級Priority與局部連續金字塔層級建立的映射關系得到可視范圍Range2，進一步對Range1和Range2求交集，確定數據集在垂直維度的范圍內。最小外接包圍盒控制數據集在水平二維平面的可視域。根據式(4)計算數據集在Range1∩Range2的各金字塔層級上處于包圍盒左下和右上位置的瓦片ID，作為范圍邊界標識。由此，語義信息量化轉換后存儲，準備自適應匹配。

瓦片自適應匹配流程隨可視化流程啟動，首先根據用戶輸入信息獲取可視化主題和時相。前者體現了操作者的興趣對象，通過信息主題與數據集的相關屬性進行匹配，過濾后形成相關數據集列表List1。進一步與時間信息進行比對，剔除列表內輸入時間區間以外的數據集，得到列表List2，縮小后續自動匹配和檢索的范圍。隨著視點位置的移動，實時獲取視點信息，包括視點的高程和經緯度位置，根據視點高程與金字塔層級劃分的映射關系計算視點當前所處的層級Lod，結合式(4)計算視點可見瓦片的行列號。然后遍歷數據集列表List2，將Lod與數據集的可見深度進行匹配，選擇垂直維度可見范圍包含Lod的數據集，進一步查詢該數據集的金字塔數組，找到Lod層級的瓦片邊界，將待請求瓦片的行列號與之進行匹配，包含瓦片的數據集構成列表List3，由此確定最終需要檢索的數據集對象。

上述過程能夠保證場景瀏覽時瓦片僅在唯一或極少數數據集中請求。但少量特殊情況下可能出現匹配錯誤。比如，當數據集的實際邊界與外接最小包圍盒重疊度較低時，少數不在數據集內的瓦片可能被請求。選擇內存數據庫作為服務器緩存用以提高客戶端二次訪問速度和正確率。

3 面向主題的內存數據庫緩存方法

隨著數據集的不斷增加，瓦片總量隨之增加。面對海量瓦片，調度過程中磁盤I/O負載較高，使用將所有數據放在磁盤上進行管理的傳統數據庫應用方式很難滿足高并發、高時效的訪問需求，在服務器端構建內存數據庫作為瓦片緩存數據庫，可以有效提高瓦片調度效率和系統性能。

3.1 內存數據庫特點

由于存儲介質的特性不同，相對于常規的磁盤數據庫，內存數據庫具有更高的訪問速度和更低的系統延遲，并且不受磁盤I/O瓶頸限制［10］。近十幾年來，內存的發展一直遵循摩爾定律，成本不斷降低，數據庫管理系統將工作數據集放入內存變得可行。另外，采用分布式內存數據架構容易突破單臺普通服務器內存容量低的限制，最大程度發揮緩存的作用。

3.2 面向主題的內存數據庫結構

在瓦片調度過程中，較多瓦片會不止一次地被訪問，形成“熱點數據”，而每次從磁盤調度瓦片容易增加檢索時耗和磁盤I/O負載。將數據緩存至內存數據庫，可以明顯提高瓦片二次訪問的效率。

結合瓦片調度過程，海量瓦片結構單一、文件大小均衡、操作頻率較高的特點，適合采用Key-Value模型的內存數據庫，常見的此類內存數據庫包括Redis，Memcached和Riak等。它支持基于鍵值對的操作和讀取，數據的寫入和讀取效率較高［11-12］。

在數據密集的服務器端構建面向主題的內存數據庫(如圖3所示)，系統架構主要包括以下層次:代理服務器、邏輯控制腳本、內存數據庫集群和磁盤數據庫。其中代理服務器接收客戶端請求，發揮負載均衡和請求分發的作用；邏輯控制腳本在服務器端負責實時生成RDF文件、解析代理服務器請求并向內存數據庫寫入標識符、控制請求響應的優先級。內存數據庫集群接到請求時，優先請求集群中的數據，有效地降低二次請求的時間消耗，提升數據傳輸速度；瓦片數據庫負責海量影像的磁盤存儲管理。

客戶端根據邏輯控制腳本生產的RDF文件，組合包含名稱、主題和影像分辨率信息的數據請求并發送至服務器；服務器接到請求之后，邏輯控制腳本將請求解析組合形成“名稱:主題:影像分辨率”的唯一標識符作為進行瓦片檢索的標識符Key；邏輯控制腳本利用標志符優先對內存數據庫進行檢索，通過哈希函數H(x)，確定Key在內存中的位置Addr=H(Key)；如果數據存在，則返回數據給服務器；如果對無效記錄標識列表進行檢索，確保目標瓦片號有效后對磁盤數據庫進行檢索。如果磁盤中數據存在，將數據返回給客戶端并將此條數據緩存到內存數據庫中，否則，返回數據為空的消息給客戶端，同時向緩存發送無效記錄標識。

4 實驗與分析

4.1 實驗環境與數據

實驗設備為6臺戴爾Edge Power R710服務器，磁盤陣列共有5TB容量，服務器操作系統為CentOS 6.4。實驗數據包括全國各省10m分辨率遙感影像、魯甸地震(2014)和尼泊爾地震(2015)等災區鄉鎮高分辨率衛星、航空遙感影像，數據集超過30個，數據總量達到3TB。瓦片數據庫選擇MongoDB作為磁盤數據庫，內存數據庫選擇Redis作為服務器緩存。其中，6臺服務器分別部署Redis節點(每臺分配內存16GB)搭建分布式內存數據庫(共96GB)。

4.2 實驗結果與分析

實驗一：瓦片請求效率對比

實現瓦片檢索優化前后的數據訪問效率對比實驗。為了保證不同數據環境下有效瓦片的請求數量一致，設置統一的三維視點飛行路徑。測試不同數據集條件下，優化前后有效瓦片數量的訪問效率。測試結果顯示:

相同三維場景操作狀態下，一般瓦片檢索和訪問總量與數據集數量呈正相關，然而有效瓦片的訪問量與有效訪問比率隨數據集的增加而明顯降低。相比之下，優化后的檢索方法不受數據集數量的影響，始終保證瓦片總訪問量和有效瓦片訪問量的穩定性(如圖4(a)和圖4(b)所示)，同時保證有效訪問百分比維持在98%以上(如圖4 (c)所示)。由于傳統方法缺乏無效瓦片的自動辨識與過濾方法，導致網絡帶寬大部分被此類瓦片占據，嚴重影響客戶端實時獲取目標瓦片，場景刷新速率隨數據集的增加明顯下降。經測試，優化方法能夠將局域網下平均有效訪問速度從600KB/s提升至20MB/s，保證較高的帶寬占用率，在多數據集環境下顯著提高海量數據訪問與可視化性能。

圖3 服務器端數據請求解析和響應流程Fig.3 Data request analysis and response on the servers

圖4 自適應瓦片匹配效率對比Fig.4 Contrast of self-adaptive tilematch efficiency

實驗二：緩存訪問效率對比

設置10臺客戶端同時對覆蓋多數據集的同一地區進行場景瀏覽，包括平移、縮放、漫游和路徑飛行，并發訪問服務器。測試增加內存數據庫前后，代理服務器接收來自數據庫響應的時間差異。如圖5所示，隨著操作時間增加，直接從磁盤數據庫中獲取瓦片的請求響應速率無明顯變化，而增加緩存設計的數據庫響應時間逐漸降低。此外，緩存容量和響應速率的變化趨勢相反，說明本文面向主題的“鍵—值”設計充分發揮分布式內存數據庫的檢索能力，能夠滿足多用戶并發條件下海量影像可視化的性能需求。

圖5 緩存訪問效率對比Fig.5 Contrast of cache access efficiency

5 結論

本文針對虛擬地球可視化中多個邏輯圖層疊加產生同名瓦片數據重疊引起的數據無效訪問和內存冗余等問題，提出顧及時空語義的瓦片數據優化檢索方法。在客戶端設計顧及時空語義的自適應瓦片優選算法，實現瓦片的自動匹配與過濾，顯著提高目標瓦片的命中率，有效解決傳統方法瓦片檢索低效的問題；在服務器端構建面向主題的分布式內存數據庫緩存，利用多字段混合鍵實現內存數據的高效檢索，有效提升瓦片二次數據的訪問效率。方法不受邏輯圖層個數和數據量影響，滿足海量影像數據三維可視化的高性能需求。

References)

［1］龔健雅.3維虛擬地球技術發展與應用［J］.地理信息世界，2011，9(2):15-17.GONG Jianya.The developmentand application of3-D virtual Earth technology［J］.Geomatics World，2011，9(2):15-17.(in Chinese)

［2］郭華東，王力哲，陳方，等.科學大數據與數字地球［J］.科學通報，2014，12:1047-1054.GUO Huadong，WANG Lizhe，CHEN Fang，et al.Scientific big data and digital Earth［J］.Chinese Science Bulletin，2014，12:1047-1054.(in Chinese)

［3］Grossner K E，Goodchild M F，Clarke K C.Defining a digital Earth system［J］.Transactions in GIS，2008，12(1):145-160.

［4］Guo H D.China's Earth observing satellites for building a digital Earth［J］.International Journal of Digital Earth，2012，5(3):185-188.

［5］童曉沖.空間信息剖分組織的全球離散格網理論與方法［J］.測繪學報，2011，40(4):536.TONG Xiaochong.The principles and methods of discrete global grid systems for geospatial information subdivision organization［J］.Acta Geodaetica et Cartographica Sinica，2011，40(4):536.(in Chinese)

［6］Potere D.Horizontal positional accuracy of Google Earth’s high-resolution imagery archive［J］.Sensors，2008，8(12): 7973-7981.

［7］Yu L，Gong P.Google Earth as a virtual globe tool for Earth science applications at the global scale:progress and perspectives［J］.International Journal of Remote Sensing，2012，33(12):3966-3986.

［8］劉義，陳犖，景寧，等.利用MapReduce進行批量遙感影像瓦片金字塔構建［J］.武漢大學學報(信息科學版)，2013，38(3):278-282.LIU Yi，CHEN Luo，JING Ning，et al.Parallel batch-building remote sensing images tile pyramid with MapReduce［J］.Geomatics and Information Science of Wuhan University，2013，38(3):278-282.(in Chinese)

［9］朱慶，李海峰，楊曉霞.遙感信息聚焦服務的多層次語義約束模型［J］.武漢大學學報(信息科學版)，2009，34 (12):1454-1457.ZHU Qing，LI Haifeng，YANG Xiaoxia.Hierarchical semantic constraint model for focused remote sensing information services［J］.Geomatics and Information Science ofWuhan University，2009，34(12):1454-1457.(in Chinese)

［10］Yue P，Jiang L C.BigGIS:how big data can shape nextgeneration GIS［C］//Proceedings of the 3rd International Conference on Agro-geoinformatics，IEEE，2014:1-6.

［11］Hecht R，Jablonski S.NoSQL evaluation:a use case oriented survey［C］//Proceedingsof International Conference on Cloud and Service Computing，2011:336-341.

［12］Han J，Haihong E，Le G，etal.Survey on NoSQL database［C］// Proceedings of the 6th International Conference on Pervasive Computing and Applications(ICPCA)，IEEE，2011:363-366.

An optimal retrievalmethod ofmulti-theme image tiles considering the spatio-tem poral semantics

QIU Linyao1，3，WANGMeng1，3，ZHU Qing2，3，DU Zhiqiang1，3
(1.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China；2.Faculty of Geosciences and Environmental Engineering，Southwest Jiaotong University，Chengdu 611756，China；3.Collaborative Innovation Center of Geospatial Technology，Wuhan 430079，China)

Aiming at the invalid accesses and memory redundancies caused by data overlap ofmore than one logic map tile in the visualization process of virtual earth，an optimal retrievalmethod ofmulti-theme tiles considering the spatio-temporal semantics was proposed.On the client side，the self-adoptive retrieval of tiles considering spatio-temporal semantics automatically matches the viewpoint information with semantics of datasets like space-time range，resolution and priority，then the invalid selection was filtered and the efficiency of target tiles data hit ratio was improved.On the server side，the theme oriented data cache based onmemory databasewasachieved to prompt the response speed of server in the second access of tiles.Finally，the experiments prove that thismethod can prevent stable and high hit-rate of target tile affected by amount of datasets and the cachemethod can further improve the efficiency of tiles access.The real-time visualization performance ofmassive image data is significantly improved.

tile pyramid；high resolution remote sensing images；self-adoption；optimal retrieval of tiles；memory database

TN95

A

1001-2486(2015)05-015-06

10.11887/j.cn.201505003

http://journal.nudt.edu.cn

2015-07-06

國家自然科學基金資助項目(41171311，41471320)；國家高分辨率對地觀測系統應用系統(民用部分)建設資助項目(03-Y30B06-9001-13/15)；四川省科技計劃資助項目(2014SZ0106)

仇林遙(1988—)，男，河南安陽人，博士研究生，E-mail:qiu_linyao@163.com；杜志強(通信作者)，男，副教授，博士，碩士生導師，E-mail:duzhiqiang@whu.edu.cn