摘要：大数据时代积累了覆盖范围广、时效性强的船舶轨迹数据。对海量冗余轨迹数据进行压缩,可提高检索效率,降低数据存储和传输负担;然而现有方法容易忽略移动对象的运动特征。因此,本文提出一种顾及轨迹时空特征和航行语义特征的压缩方法。首先,分析船舶轨迹的空间、时间和语义特征,设计顾及时空语义特征的轨迹数据压缩流程;其次,通过道格拉斯-普克和滑动窗口法计算轨迹点的时空和语义特征值;然后,加权融合轨迹点的时空和语义特征,构建轨迹点的重要性排序,并通过指定压缩比例获取保留轨迹点数目,实现船舶轨迹数据压缩;最后,根据压缩算法效率、质量和实例分析,表明本文方法可保留行驶的动态语义信息和时空形态特征,既可根据压缩比例控制压缩过程,又可显著减少数据冗余,为后续轨迹挖掘等应用提供数据基础。

摘要：大数据时代地理空间资源不断增多,但现有通用知识库较少考虑地理空间数据蕴含的语义知识,难以实现数据的快速检索。因此亟需引入本体技术,以蕴含的语义知识为基础,提高地理空间数据访问速度,精确获取用户所需信息。以本体为基础,提出了顾及地理空间数据语义知识的快速检索方法。首先,基于通名编码规则、地理空间数据和开源百度百科数据构建语义知识库;然后,定义查询重写规则,设计语义知识和空间数据库映射方式,基于地名自动构建检索语句;最后,通过实例应用和效率、质量对比分析验证快速检索方法的可行性。该方法以地理空间数据的语义知识为基础,仅通过地理实体名称即可自动构建数据库检索语句,减少用户对数据存储方式和数据库语法规则的依赖,有效提高系统的检索效率和智能化程度。

摘要：恐怖主义受到世界各国的普遍关注,众多学者在事件模型上进行了大量探索,但现有事件模型的恐怖主义概念层次特征不够突出,时序、空间和语义关系相对缺失,且知识图谱模式层的概念和关系类型固定,难以满足事件的多样化描述信息,因此,亟需以事件为中心并结合时空和语义特征构建事件表示模型。在分析事件组成要素的基础上,结合知识图谱前沿技术,提出并设计了模式、事件、数据三层结构的恐怖主义事件表示模型。无须在模式层扩充概念和关系类型,即可在数据层实现事件类型和描述信息的拓展,在事件层实现时序、空间和语义关系表示,并在原型系统中以宏观概览、时序回溯和语义展示3个场景为例,验证了模型的可行性和有效性。

摘要：知识图谱广泛应用于人工智能领域,基于此融合多源地理空间数据并表示地理事物的语义和时空信息,实现"数据—知识"的转换成为人们关注的热点。但现有通用知识图谱的空间知识覆盖度低且存在错误,同时基于维基百科构建的地理知识图谱存在空间关系、中文属性和坐标信息等属性缺失问题。因此本文以地理空间数据和百度百科数据的特征分析为基础,提出了以地理空间数据提取地理实体为主,百度百科补充属性信息为辅的知识图谱构建方式。①基于GeoSparql设计模式层的地理实体、要素、几何形状和空间关系的逻辑关系;②通过地理实体提取、实体链接和属性信息填充,在数据层实现空间知识融合;③结合关系型数据库和图数据库,设计空间知识存储方式;④在实体和关系2个方面定量分析知识图谱的构建规模。结果表明,本文构建的知识图谱中地理实体覆盖度和链接百科成功率相对较高,扩充了地理实体的概念描述信息,并将地理坐标的覆盖率提高到100%,对地理数据到地理知识的拓展具有重要意义。