أكثر

شكل طريق الاستعلام

شكل طريق الاستعلام


لقد قمنا بتنزيل البيانات من Openstreetmap ونريد إجراء استعلامات خاصة ولكن ليس لدينا أي فكرة عن كيفية البدء. ما نريد القيام به هو إيجاد جميع تقاطعات الطرق بزاوية معينة في أستراليا. على سبيل المثال سيكون الإدخال:

  • في الغالب قطعة مستقيمة 1 تقريبًا. 7 كيلومتر
  • الجزء المستقيم في الغالب 2 حوالي 5 كيلومترات
  • نعلم أن هذه الأجزاء تتقاطع مع بعضها بزاوية 30 درجة.

كيف نجد جميع التقاطعات التي تحقق هذا الشرط؟ نود استخدام Postgis ولكن أي حل سيكون جيدًا حقًا.


5 خطوات للتحول الرقمي باستخدام نظم المعلومات الجغرافية

يساعد الاستخدام المبتكر لتقنية نظم المعلومات الجغرافية (GIS) المبتكرة آلاف المؤسسات على الاندفاع نحو العصر الرقمي

تعمل أنظمة المعلومات الجغرافية (GIS) على تمكين المحللين من الاستعلام عن مجموعات البيانات المعقدة لفهم بياناتهم بدقة وإنشاء رؤى قابلة للتنفيذ. توضح هذه الخطوات الخمس كيف يمكن استخدام التحليل المكاني لتحويل المؤسسة

1. اجمع كل بياناتك معًا

ابدأ بالتخلي عن صوامع البيانات الخاصة بك وتمكين مؤسستك بأكملها للوصول إلى معلومات دقيقة من نظام واحد موثوق. يمكّنك التحليل المكاني من العمل مع البيانات المخزنة عبر مؤسستك بالإضافة إلى البيانات الخارجية التي عثرت عليها أو اشتريتها أو جمعتها أو استعانت بمصادر خارجية.

تستخدم الشبكة الوطنية التحليل المكاني كجزء من برنامج تحويل الأعمال الذي من المتوقع أن يؤدي إلى توفير في التكاليف بحوالي 35 مليون جنيه إسترليني سنويًا.

كجزء أساسي من تحولها ، اتخذت National Grid قرارًا جذريًا لتقليل أنظمة أعمالها من 40 إلى أربعة لإنشاء مشهد أنظمة مبسط وموحد ومتكامل.

كان GIS هو الحل الوحيد الذي تم ترحيله من خلال National Grid إلى بيئة تكنولوجيا المعلومات الجديدة. تم دمج برنامج GIS مع نظام إدارة أصول المؤسسات (EAM) التابع لشركة National Grid ونظام إدارة علاقات العملاء (CRM) من SAP ، بالإضافة إلى تطبيقات الهاتف المحمول Syclo.

يعمل تكامل نظم المعلومات الجغرافية مع SAP على التخلص من تكرار البيانات وعدم الاتساق ، ويجعل الوصول إلى معلومات الأصول أكثر دقة لدعم اتخاذ القرار.

يستخدم الآن ما يصل إلى 5000 موظف في الشبكة الوطنية نظم المعلومات الجغرافية للعمل بشكل أكثر إنتاجية وتحسين الكفاءة التشغيلية واتخاذ قرارات مستنيرة.

2. فضح العلاقات الخفية

تسمح الأنظمة الأساسية لرسم الخرائط والتحليلات للمؤسسات بالعمل مع طبقات البيانات. لا مزيد من الجداول أو الأوراق أو صفحات البيانات للمقارنة - يمكن للمستخدمين تصور مجموعات البيانات الخاصة بهم على الفور على الخريطة ، طبقة تلو الأخرى ، وإزالة تعقيدات العثور على العلاقات من خلال جعلها واضحة بشكل واضح.

يمكن استجواب مجموعات البيانات الكبيرة بسهولة عن طريق إضافة المتغيرات وإزالتها من مجموعات البيانات المختلفة ، لكشف الاتجاهات والأنماط المخفية التي يصعب العثور عليها بخلاف ذلك.

في مبادرة تجارية رئيسية ، تعمل Red Kite Community Housing مع طبقات من البيانات لتحديد مناطق الأرض المناسبة للتطوير.

تقول جيسيكا هورويتز ، قائدة فريق البصيرة في Red Kite Community Housing: "تكشف نظم المعلومات الجغرافية عن أجزاء من الأرض ، لم يتم تحديدها سابقًا على أنها تتمتع بإمكانيات تنموية ، وتفتح فرصًا جديدة لإيرادات الأعمال".

3. إنشاء رؤية قابلة للتنفيذ

أضف قيمة هائلة لعملية صنع القرار من خلال إمكانات التحليلات المتقدمة. يمكن استخدام أدوات التحليل المكاني للاستعلام عن مجموعات بيانات كبيرة ومعقدة لفهم السلوكيات وتحديد النقاط الساخنة والتنبؤ بالنتائج المستقبلية - مما يسهل على المحللين الكشف عن رؤى قابلة للتنفيذ من شأنها أن تساعد في تشكيل استراتيجية نمو مستدام.

تقوم شركة Sompo Canopius ، وهي شركة تأمين عالمية ، بتأمين أعمال بمليارات الجنيهات الاسترلينية مع العملاء المحليين والتجاريين وإعادة التأمين في كل قارة كل عام. وبالتالي ، يجب أن تكون قادرة على تجميع وتحليل وفهم كميات هائلة من المعلومات حول الكوارث الطبيعية المحتملة في ملايين المواقع المنفصلة في جميع أنحاء العالم.

يتيح نظام المعلومات الجغرافية للمتعهدين الوصول إلى معلومات دقيقة عن المخاطر المحلية مثل الفيضانات ، بالإضافة إلى عوامل الخطر الأكثر اتساعًا بما في ذلك الأعاصير والزلازل.

تدعم نظم المعلومات الجغرافية شركات التأمين ، وتمكنهم من اتخاذ القرارات الصحيحة بشأن السياسات التي يجب تقديمها ، وبأي سعر ، لجعل الشركة أكثر ربحية بمرور الوقت,” يقول روب بورتر ، رئيس قسم أبحاث الكوارث ، سومبو كانوبيوس.

4. تبادل المعلومات الاستخباراتية

قم بتمكين مؤسستك بأكملها للوصول إلى هذه الأفكار في الوقت الفعلي والقابلة للتنفيذ. مع عمل كل شخص على إصدار واحد من الحقيقة ، تكون الفرق مجهزة بشكل أفضل لاتخاذ قرارات مستنيرة وكذلك الرد على استفسارات العملاء بسرعة وبمعلومات دقيقة.

يمكن أيضًا مشاركة هذه الأفكار بشكل آمن مع المنظمات الخارجية ، مثل الشركاء والموردين لتحسين التعاون ، أو مع الجمهور لمشاركة المعلومات من خلال موقع ويب أو على وسائل التواصل الاجتماعي بتنسيقات تفاعلية للغاية.

تستخدم جمعية الإسكان السيادي ، المسؤولة عن 38000 منزل في جنوب وجنوب غرب إنجلترا ، نظم المعلومات الجغرافية للمساعدة في تقديم خدمات عملاء أكثر استجابة.

عندما يتصل المقيمون بشركة Sovereign للاستفسار عن الحدود ، يمكن للموظفين التحقق بسرعة من نظام المعلومات الجغرافية القائم على الإنترانت وتوضيح المشكلات على الفور في كثير من الأحيان. في السابق ، كان يتعين إرسال استفسارات الحدود هذه إلى الفريق القانوني للشركة ، وقد تستغرق الردود ما يصل إلى 21 يومًا وفقًا لمؤشرات الأداء الرئيسية للشركة (KPIs).

تقول أليس رودس ، محللة نظم المعلومات الجغرافية في سوفرين: "يتم تزويد موظفينا بمعلومات لم تكن لديهم من قبل". "يحصل العملاء على معلومات دقيقة بسرعة أكبر."

تعمل GIS أيضًا على تمكين Sovereign من تحسين كفاءتها التشغيلية ، حيث يمكن لجميع الموظفين مشاركة المعلومات بسهولة أكبر. لم يعد عليهم إرسال رسائل بريد إلكتروني من فريق إلى فريق ، وطلب البيانات وإضاعة الوقت في مطاردة المزيد من التفاصيل. بدلاً من ذلك ، يمكنهم ببساطة البحث عن المعلومات التي يحتاجون إليها على الفور والعمل بشكل أكثر إنتاجية

5. تحسين العمل المحمول

قم بتمكين القوى العاملة المتنقلة لديك من جمع المعلومات وتحديثها أثناء تواجدك في الميدان. تلغي تطبيقات GIS للأجهزة المحمولة الحاجة إلى معالجة الورق وبالتالي تحسين دقة جمع البيانات.

يمكن أن تؤدي القدرة على إجراء تحديثات في الوقت الفعلي أثناء التنقل إلى زيادة الإنتاجية بشكل كبير وتوفير الوقت عن طريق التخلص من الحاجة إلى القيام بذلك بمجرد العودة إلى المكتب.

من خلال العمل نيابة عن شبكات الطاقة البريطانية ، نجحت Black & amp Veatch في مسح 30 ألف أصل ، على مساحة 29000 كيلومتر مربع ، في ستة أسابيع فقط باستخدام نظم المعلومات الجغرافية المتنقلة ، مما مكنها من تقديم خدمة سريعة وفعالة لعملائها.

يقول هارت: "لم نكن لنتمكن حتى من طباعة 30 ألف خريطة في ستة أسابيع باستخدام طريقة المسح التقليدية ، ناهيك عن زيارة 30 ألف موقع". "لقد مكنتنا نظم المعلومات الجغرافية من القيام ، في غضون أسابيع ، بمشروع كان من الممكن أن يستغرق سنوات."

أدى المشروع إلى تحقيق وفورات في التكاليف تزيد عن 130 ألف جنيه إسترليني ، وقدم معلومات عالية الجودة عن الأصول وتحسين تتبع المساحين في الميدان.

يقول هارت: "باستخدام طريقة الاستطلاع السابقة ، استغرق الأمر حوالي أسبوع قبل أن نعرف حفر الكابلات التي تمت زيارتها". "من خلال نهجنا الجديد ، يمكننا الاتصال بالإنترنت ، في أي وقت ، لمعرفة عدد حفر الكابلات التي زارها كل فريق بالضبط. يمكننا أيضًا أن نرى المواقع الحالية لفرق المسح ، مما يحسن السلامة للمساحين المتعاقدين معنا من الباطن ".

مصدره Esri ، مطور منصة ArcGIS لرسم الخرائط والتحليلات وأداة التحليل المكاني. يدير Esri ورش عمل حول التحول الرقمي ليوم واحد تستكشف فوائد الاستخدام نظم المعلومات الجغرافية لتحسين قضايا الأعمال.


طريقة استعلام جديدة عن البيانات المكانية في بيئة الحوسبة السحابية المتنقلة

مع تطور اتصالات الشبكة ، وزيادة الطلب على حركة المرور بمقدار 1000 ضعف من 4G إلى 5G ، من الأهمية بمكان توفير واجهة وصول فعالة وسريعة للبيانات المكانية للتطبيقات في بيئة الهاتف المحمول. في ضوء كفاءة الإدخال / الإخراج المنخفضة والكمون العالي للطرق الحالية ، تقدم هذه الورقة طريقة الاستعلام عن البيانات المكانية القائمة على الذاكرة والتي تستخدم نظام ملفات الذاكرة الموزعة Alluxio لتخزين البيانات وبناء فهرس من مستويين يعتمد على مفتاح Alluxio - هيكل القيمة علاوة على ذلك ، يهدف إلى حل مشكلة الكفاءة المنخفضة للطريقة التقليدية وفقًا لخصائص إطار عمل الحوسبة Spark ، ويقترح تنسيق إدخال البيانات لاستعلام البيانات المكانية ، والذي يمكنه قراءة بيانات الملف بشكل انتقائي وتقليل البيانات I / س. أظهرت التجارب المقارنة أن نظام الملفات Alluxio المستند إلى الذاكرة يتمتع بأداء إدخال / إخراج أفضل من نظام ملفات القرص مقارنة بطريقة الاستعلام الموزعة التقليدية ، والطريقة التي اقترحناها تقلل من وقت الاسترجاع بشكل كبير.

1 المقدمة

في ظل خلفية النمو الهائل لحركة بيانات الهاتف المحمول وظهور سيناريوهات أعمال جديدة مختلفة ، تم اقتراح شبكة اتصالات الهاتف المحمول من الجيل الخامس (5G) لتصبح موضوعًا ساخنًا في المجال الأكاديمي والصناعي. كجيل جديد من شبكة الاتصالات المتنقلة اللاسلكية ، تُستخدم 5G بشكل أساسي لتلبية الطلب على الاتصالات المتنقلة بعد عام 2020 مدفوعًا بالتطور السريع للإنترنت عبر الهاتف المحمول والطلب المتزايد على خدمات إنترنت الأشياء (IoT) ، يلزم أن تتمتع 5G بالميزات منخفضة التكلفة ، واستهلاك منخفض للطاقة ، وكونها آمنة وموثوقة [1 ، 2] ستمكن تقنية 5G المعلومات والاتصالات من تجاوز قيود الوقت والمكان ، وتقصير المسافة بين الأشخاص والأشياء بشكل كبير ، وإدراك قابلية التشغيل البيني للإنسان والجميع بسرعة أشياء [3].

في الوقت الحالي ، لا تزال التكنولوجيا الرئيسية لشبكة 5G في مرحلة البحث بالإضافة إلى هندسة الشبكة ونظرية الإرسال ، كما أن الحوسبة السحابية المتنقلة هي أيضًا أحد مجالات تركيز أبحاث شبكة 5G المستقبلية [4]. الحوسبة السحابية المتنقلة هي نموذج جديد لتقديم واستخدام موارد تكنولوجيا المعلومات أو خدمات المعلومات ، وهي نتاج للحوسبة السحابية في الإنترنت عبر الهاتف المحمول ، وترتبط المحطات الطرفية الذكية المتنقلة في شبكات الهاتف المحمول بموفري الخدمات عن بُعد بطريقة قابلة للتطوير عند الطلب. الموارد اللازمة ، بما في ذلك بشكل أساسي البنية التحتية والحوسبة وسعة التخزين وموارد التطبيق [5 ، 6]. مع الاختراق المستمر لتكنولوجيا المعلومات في المجتمع ، تم استخدام الخدمات القائمة على الموقع على نطاق واسع في العديد من المجالات مثل الجيش والنقل ، على سبيل المثال ، رعاية المرضى في المنزل الذكي وخدمة الملاحة للنقل المحمول من ناحية ، تستمر تقنية تحديد المواقع للتطور ، وتوفير معلومات الموقع الدقيقة بشكل متزايد لتطبيقات الهاتف المحمول من ناحية أخرى ، مع زيادة عدد المستخدمين والزيادة الكبيرة في عدد تطبيقات الهاتف المحمول ، أدى انفجار البيانات المكانية إلى إحداث ضغط هائل على تطبيقات الطبقة العليا ، خاصة للتطبيقات في شبكات المحمول ذات حركة المرور الهائلة. لذلك ، المزيد والمزيد من الأبحاث تجمع بين الحوسبة السحابية المتنقلة ومعالجة البيانات المكانية وتستخدم المنصات السحابية لتخزين البيانات والحساب والفهرسة والاستعلام لتسريع المعالجة وتقليل تأخير الاستجابة [7].

في هذه الورقة ، نهدف إلى توفير واجهة استعلام عن البيانات المكانية السريعة في بيئة الحوسبة السحابية المتنقلة من أجل التخزين الموثوق به للبيانات المكانية الضخمة ، ونعمل أولاً على ربط البيانات المكانية ، وملء مساحة الشبكة بالكامل من خلال منحنى هيلبرت ، ثم تنظيم كتلة البيانات باستخدام ملف KeyValueStore لنظام ملفات الذاكرة الموزعة ، وبناء فهرس من مستويين على أساس الفهرس الداخلي للملف واسم الملف. من أجل تقديم استعلام في الوقت الفعلي ، نستخدم Spark ، وهو إطار عمل لحوسبة الذاكرة الموزعة ، للاستعلام عن البيانات الموزعة في هذه الأثناء ، نقترح تنسيق إدخال بيانات Spark بناءً على خاصية Spark. تقضي هذه الطريقة على إدخال / إخراج القرص بقدر الإمكان وعملية الاستعلام بأكملها من الذاكرة إلى الذاكرة والتصفية من خلال طبقتين. تظهر التجارب أن هذه الطريقة يمكنها تنظيم البيانات المكانية الضخمة بشكل جيد ولها أداء أعلى من طرق الاستعلام التقليدية.

تم تنظيم ورقة الراحة على النحو التالي: يراجع القسم 2 الأعمال ذات الصلة وفي القسم 3 نقدم خلفية عن استفسارات البيانات المكانية ونظرة عامة على Alluxio. يصف القسم 4 خوارزمية فهرسة البيانات المقترحة وهيكل التخزين وخوارزمية الاسترجاع الموزع المتوازي. نناقش نتائج التجربة في القسم 5 وننتهي في القسم 6.

2. العمل ذات الصلة

البيانات المكانية هي وصف كمي للموقع الجغرافي للعالم بناءً على تكنولوجيا الكمبيوتر ، والاستخدام الفعال للبيانات المكانية في حياة الناس له أهمية كبيرة. ظهرت قاعدة البيانات المكانية في خلفية التطور السريع لقاعدة البيانات والتطور السريع للتطبيقات الفضائية التي تتطلب توفير واجهة تعريف نوع البيانات المكانية ولغة الاستعلام ، والتي لها أهمية رائدة مهمة للغاية في المرحلة المبكرة من نظم المعلومات الجغرافية [8 ، 9]. ومع ذلك ، مع النمو السريع للبيانات المكانية ، لم تتمكن قاعدة البيانات المكانية التقليدية من تلبية احتياجات الاسترجاع في الوقت الفعلي. تهدف بعض الأعمال [10 ، 11] إلى استعلام بيانات على نطاق واسع عن البيانات المكانية وتقترح حل قاعدة بيانات مكانية متوازية يوزع تحميل البيانات وضغط الاسترجاع لأجهزة الكمبيوتر الفردية على خوادم متعددة. ومع ذلك ، تتطلب هذه الطريقة تراخيص برامج باهظة الثمن وأجهزة مخصصة وتتطلب عمليات تصحيح أخطاء معقدة وأعمال صيانة [12].

نظرًا لأن الحوسبة السحابية أصبحت حلاً واعدًا وفعالًا من حيث التكلفة لقضايا حسابية وكثيفة البيانات ، فمن الطبيعي تمامًا دمج الحوسبة السحابية في تخزين البيانات المكانية ومعالجتها. وي وآخرون. [13] طبق قاعدة بيانات NoSql الموزعة لتخزين البيانات المكانية وإنشاء فهرس فعال لاسترداد البيانات المكانية بسرعة. نظرًا لأن MapReduce أصبح الحل القياسي لمعالجة البيانات المتوازية على نطاق واسع ، فإن المزيد والمزيد من الباحثين يطبقون Hadoop على GIS. بوري وآخرون. [14] اقترح خوارزمية MapReduce لاسترجاع المضلع الموزع على أساس Hadoop. جي وآخرون. [15] تقدم طريقة مبنية على MapReduce تبني فهرس الشبكة المعكوسة والعمليات

-NN الاستعلام على مجموعات البيانات المكانية الضخمة. يعد Hadoop-GIS [16] و Spatial-Hadoop [17] نظامين قابلين للتطوير وعالي الأداء لمعالجة البيانات المكانية لتشغيل استعلامات مكانية واسعة النطاق في Hadoop. ومع ذلك ، نظرًا للقيود المفروضة على تصميم MapReduce الخاص ، بدأ بعض الباحثين في ترحيل معالجة البيانات المكانية إلى Spark. وانغ وآخرون. [18] استخدم Spark للاستعلام عن النطاق المكاني يتم تخزين جميع البيانات المكانية في HDFS وتقترح طريقة فهرسة الشبكة تسمى Spark-Fat-Thin-Grid-Index. كاهساي وآخرون [19] اقترح منهجًا جديدًا للعملية - استعلامات NN هذا النهج يعتمد على خوارزمية معالجة الاستعلام الموزع المستند إلى المنسق ويستخدم Spark للمعالجة المتوازية للبيانات. على مستوى النظام ، يو وآخرون. [20] تقديم إطار عمل للحوسبة العنقودية في الذاكرة لمعالجة البيانات المكانية واسعة النطاق ، والتي تنفذ بكفاءة خوارزميات معالجة الاستعلام المكاني وتوفر مكتبة العمليات الهندسية التي تصل إلى RDDs المكانية لأداء العمليات الهندسية الأساسية.

لقد خففت الأبحاث المذكورة أعلاه التناقض بين مجموعة البيانات الحالية المتزايدة بسرعة والاسترجاع في الوقت الفعلي. ومع ذلك ، لا تزال هناك بعض الاختناقات في الأداء في الأساليب الحالية. بادئ ذي بدء ، يتم تخزين البيانات على القرص ، ويستند الاستعلام على الذاكرة ، حيث يؤدي عدم التطابق بين سرعة معالجة الذاكرة وسرعة الإدخال / الإخراج إلى تقييد الأداء. ثانيًا ، لا تميز خوارزمية البحث الموزع الحالية البيانات بدقة أثناء القراءات ، لذا تتم أيضًا قراءة العديد من البيانات التي لا تتعلق بشروط الاستعلام في الذاكرة ، ويزداد حمل الاستعلام على طبقة الحساب. لذلك ، في هذا البحث ، نقوم بتخزين البيانات بناءً على نظام ملفات الذاكرة وبناء هيكل فهرس من طبقتين لتسريع الوصول العشوائي في ضوء نقص العمل الحالي ، يتم استخدام Spark لمعالجة البيانات المتوازية وتنسيق إدخال البيانات لـ تم اقتراح الاستعلام المكاني ، والذي يقوم بتصفية البيانات غير ذات الصلة بشروط الاستعلام بناءً على بنية الفهرس.

3. الخلفية

في هذا القسم ، نقدم الخلفية المطلوبة والمقدمة حول استعلامات البيانات المكانية ونظرة عامة موجزة عن نظام ملفات الذاكرة الموزعة Alluxio.

3.1. استعلامات البيانات المكانية

بالنسبة لمعظم التطبيقات ، هناك طريقتان شائعتان للاستعلام الجغرافي المكاني. كما هو مبين في الشكلين 1 و 2 ، فإن الشكل 1 عبارة عن استعلام عن النطاق [21] بالنظر إلى مجموعة من نقاط البيانات

، الاستعلام يهدف إلى استرداد جميع النقاط المكانية داخل حدود معينة نتيجة الاستعلام عن النطاق

-NN query [22] استعلام الجار الأقرب هو الاستعلام الأكثر شيوعًا في الجغرافيا ، وهو نوع آخر من طرق الاستعلام تختلف عن استعلام النطاق. يتم استخدامه لمعرفة أقرب جار في الفضاء من نقطة معينة ، يمكن أن يكون الجار الأقرب واحدًا أو أكثر كما هو موضح في الشكل 2 ، ويتم تمييز النقطة المحددة باللون الأحمر و

، استعلام 4-NN هنا هو البحث عن أربع نقاط الأقرب إلى ، وتكون نتيجة البحث لهذا الاستعلام


ملفات أشكال GIS قابلة للتنزيل

تحتوي هذه الملفات على البيانات المكانية المطلوبة لرسم البلدات والأقسام لكل مقاطعة في كاليفورنيا أو لكل ولاية كاليفورنيا (على مستوى الولاية). تستند هذه الملفات إلى بيانات نظام الأراضي العامة لمكتب إدارة الأراضي في ولاية كاليفورنيا ، ولكن تم تحسينها من خلال أعمال خطية إضافية لتوسيع بيانات البلدة والقسم عبر منح الأراضي العديدة والمناطق غير الخاضعة للمسح في الولاية. هذه الأقسام المضافة صالحة فقط فيما يتعلق بالإبلاغ عن استخدام مبيدات الآفات وموقع البئر.

مطلوب برنامج نظام المعلومات الجغرافية (GIS) لعرض هذه الملفات. يحتوي كل مجلد مقاطعة على ملفي أشكال (يتكون كل ملف شكل من مجموعة من سبعة ملفات). تحتوي مجموعة ملفات شكل واحدة على بيانات البلدات (mtr_XX_nad83) ومجموعة ملفات أشكال واحدة تحتوي على بيانات الأقسام (pls_XX_nad83) حيث XX هو رقم المقاطعة. كلا ملفي الأشكال موجودان في إسقاط Albers Equal Area (NAD 83) و ndash يشار إليه أيضًا باسم NAD 1983 California (Teale) Albers.

يحتوي كل مجلد من مجلدات المقاطعة أيضًا على ملف County.kmz. يعرض هذا الملف أيضًا الأقسام ويمكن استيراده إلى برامج مثل Google Earth & # 174. لا يوجد ملف statewide.kmz لأنه سيكون كبيرًا جدًا بحيث لا يقبله برنامج Google Earth & # 174.

الروابط في الجدول أدناه تسمح لك بالانتقال إلى مقاطعة معينة لعرض بيانات تلك المقاطعة. استخدم زر الرجوع في المستعرض الخاص بك للعودة إلى هذه الصفحة.


شكل طريق الاستعلام - نظم المعلومات الجغرافية

1. انقر فوق بحث لتصفية عدة طبقات مرة واحدة
2. عند اكتمال البحث ، انقر فوق علامات التبويب للعثور على الميزات التي تبحث عنها. على سبيل المثال رقم اللفة أو رقم الجزيرة. لست بحاجة إلى إدخال الكلمة بأكملها ، فقد تم تضمين أحرف البدل فيها. على سبيل المثال. أدخل "urtl" وسيجد جميع الميزات التي تحتوي على هذه السلسلة النصية مثل .. "بحيرة السلاحف"
3. عندما تعثر على معلومات سمة المعالم ، انقر فوق صف الجدول في الجزء السفلي وستقوم الخريطة بتكبير / تصغير العنصر.
4. انقر فوق صافي لإغلاق أداة البحث. سوف يتم البحث عن الميزات والسمات الخاصة بك ليس يتم حذفها ، انقر فوق بحث لإعادة فتح أداة البحث وسيظهر بحثك السابق مرة أخرى!

1. انقر فوق هذه الأداة في أي وقت للعودة إلى المدى الكامل.

1. هذه الأداة في وضع التشغيل الافتراضي (باللون الأسود).
2. عند النقر فوق أي مكان على الخريطة ، ستظهر نافذة تحتوي على معلومات حول المكان الذي قمت بالنقر فوقه ، على سبيل المثال. معلومات الملكية.
3. إذا تم العثور على العنصر الذي نقرت عليه ، فستقوم الخريطة بتمييز العنصر (الميزات)
4. اعتمادًا على إذن اسم المستخدم الخاص بك ، مستخدم داخلي أو عام ، ستكون هناك رموز / علامات تبويب تعرض معلومات مختلفة.
5. سيؤدي إغلاق هذه الأداة أو تصغيرها إلى إخفاء المعلومات ، ولكن مثل أداة البحث ، لن تضيع المعلومات. انقر فوق أداة التعريف مرة أخرى لإعادة الفتح وعرض نفس المعلومات!

1. أداة الرسم لها العديد من الوظائف ، وأفضل طريقة لمعرفة كيفية استخدامها هي تجربة جميع الخيارات ، ثم مسح عملك باستخدام حذف في الجزء العلوي الأيمن من نافذته.
2. يمكن طباعة كل هذه الوظائف ، مهما كانت تم الحذف عندما تغلق متصفحك.
3. باللون الأحمر في الجزء السفلي سيكون لها إحداثيات طويلة / خطوط عرض لإظهار موضع الماوس الحالي
4. باللون الأسود أدناه (بعد إكمال الرسم التخطيطي الخاص بك) ستعرض معلومات الموقع حول أحدث رسم تخطيطي
5. ضع نصًا في أي مكان على الخريطة ، أو ارسم سهمًا أو دائرة.
6. عند رسم نقطة أو خط أو شكل ، لديك خيار "تخزينها مؤقتًا" وإرجاع الطرود المتقاطعة أو العناوين المدنية.
أ. قبل رسم الكائن ، حدد خانة الاختيار "مسافة التخزين المؤقت" واضبط مسافة المخزن المؤقت
ب. تحقق من "الطرود" و / أو "العناوين المدنية" لاستخراج قائمة بالخصائص. سيتمكن المستخدمون الداخليون من الوصول إلى عناوين البريد وأسماء المالكين. سيتمكن مستخدمو Seguin و Archipelago الداخليون من الوصول إلى عناوين ASYST البريدية الخاصة بهم بدلاً من معلومات MPAC.
7. عند رسم خط ، يمكنك أيضًا تحديد تضمين ملف تعريف الارتفاع. سيعيد هذا نافذة جديدة بملف تعريف ارتفاع تفاعلي. حاول!
8. إذا لم يعجبك اللون الأحمر ، فغيّر لون رسوماتك إلى اللون الذي تريده.
9. بعد رسم الدائرة ، انقر فوق الزر الأصفر "تراخيص / أبراج الطيف الراديوي" لعرض تراخيص الطيف الراديوي في الدائرة.
10. احذف كل ما تعمل مع حذف زر
11. ستبقى هذه الرسومات على الخريطة حتى تقوم بحذف المتصفح أو إغلاقه.


خرائط وبيانات أمبير

يرمز GIS إلى أنظمة المعلومات الجغرافية ، وهي عبارة عن مجموعة من أجهزة الكمبيوتر والبرامج والبيانات الجغرافية لالتقاط وإدارة وتحليل وعرض جميع أشكال المعلومات المرجعية جغرافيًا.

نظم المعلومات الجغرافية هي تقنية مثبتة تم استخدامها على نطاق واسع من قبل الحكومة والمنظمات الأخرى لأكثر من 30 عامًا لدعم رسم الخرائط وإدارة المعلومات المرتبطة بموقع مادي في الفضاء. تتم الإشارة جغرافيًا إلى غالبية المعلومات التي يتم جمعها واستخدامها من قبل الوكالات الحكومية وشركات المرافق والمؤسسات العامة والخاصة الأخرى. توفر تطبيقات GIS للمستخدمين مجموعة واسعة من القدرات للحصول على المعلومات ، ودمج قواعد البيانات المتعددة ، وإنشاء الخرائط ، وإجراء الاستعلامات ، وإنتاج التحليلات المختلفة. يوفر نظام المعلومات الجغرافية أيضًا طريقة فعالة للحفاظ على البيانات حديثة ومتسقة. تثق الوكالات الحكومية في تكنولوجيا نظم المعلومات الجغرافية لوضع السياسات وتنظيمها وتعزيز رفاهية مواطنيها. نظم المعلومات الجغرافية هي أيضا وسيلة ذكية للوكالات لتوفير المعلومات العامة.

تاريخ نظم المعلومات الجغرافية في مقاطعة واشنطن

يستخدم تاريخ نظم المعلومات الجغرافية في تخطيط مقاطعة واشنطن وتقسيم المناطق إلى مقاطعة واشنطن تقنية نظم المعلومات الجغرافية في إدارة التخطيط وتقسيم المناطق منذ عام 1991. وفي عام 2004 ، تم تعيين لجنة فرعية لدراسة فكرة كيفية توسيع نظم المعلومات الجغرافية ودعمها وإدارتها داخل المقاطعة منظمة. تم الانتهاء من تقييم الاحتياجات في عام 2005 وحدد الحاجة إلى إنشاء مكتب نظم المعلومات الجغرافية للمؤسسات في قسم تكنولوجيا المعلومات. في أبريل 2006 ، كانت خطة التنفيذ حاضرة واعتمدها مجلس مقاطعة واشنطن لمفوضي المقاطعة وتعمل كدليل لإنشاء مكتب نظم المعلومات الجغرافية داخل قسم تكنولوجيا المعلومات. تم إنشاء مكتب نظم المعلومات الجغرافية رسميًا في 1 يوليو 2006 ويركز على تنفيذ التقنيات والمعايير والأساليب القابلة للتشغيل المتبادل بحيث يمكن لبيانات وخدمات نظم المعلومات الجغرافية أن تدعم احتياجات الأعمال الأساسية للمقاطعة بشكل أكثر كفاءة وفعالية. يساهم التخطيط والتقسيم في مقاطعة واشنطن في أكثر من 30 مجموعة بيانات موجودة حاليًا في قاعدة بيانات Enterprise GIS.

دور نظم المعلومات الجغرافية في مقاطعة واشنطن

يدعم موظفو نظم المعلومات الجغرافية التخطيط وتقسيم المناطق المخططين برسم الخرائط وتحليل البيانات. يمتد الدعم أيضًا إلى الإدارات الأخرى داخل المقاطعة. بعض المنتجات الرئيسية التي يكون هذا القسم مسؤولاً عنها هي: رسم خرائط قطع الأرض ، ورسم خرائط الحفظ ، والعنونة ، والخطط الشاملة (مثل خطة المياه والصرف الصحي ، وخطة النفايات الصلبة ، ومتنزهات الحفاظ على الأراضي وخطة الاستجمام. وطوال العام ، يعمل موظفو نظم المعلومات الجغرافية مسؤول عن تتبع وتحديث العديد من مجموعات البيانات بما في ذلك: تسهيلات حفظ الغابات ، وبيانات التعداد ، والملحقات ، وتقسيم المناطق.


تساعد الوثائق المرجعية المستخدمين على اكتساب فهم أفضل للمفاهيم والمنتجات والخدمات الجغرافية المناسبة لتعدادهم واحتياجات البيانات الأخرى. تُرفق معظم منتجات الجغرافيا بدليل مرجعي يصف المحتوى والتطبيقات وجودة البيانات وتخطيطات التسجيل.

خدمات الويب الجغرافية المكانية للمتغيرات الاجتماعية والاقتصادية الإضافية متاحة الآن على المنصة الجغرافية الفيدرالية الفيدرالية للموارد الطبيعية الكندية.

تعتمد خدمات الويب هذه على البيانات الاجتماعية والاقتصادية من تعداد 2016 ، وهي متاحة في أقسام التعداد ومستويات التقسيمات الفرعية للتعداد.

تم إنتاج خدمات الويب الجغرافية المكانية هذه كجزء من تعاون وثيق بين هيئة الإحصاء الكندية والموارد الطبيعية الكندية.


أخبار المؤتمر والتحديثات

(03.24.2017) تهانينا للفائزين بأفضل العروض التجريبية لهذا العام:

  • شناغفو بينغ و حنان سامت - جامعة ميريلاند - CDO: حسابات مسافة الطريق عالية الإنتاجية للغاية على شبكات طرق المدينة.
  • رومولو جونكلافز (NLeSC) ، توم فان تيلبورغ (جودان) ، كوستيس كيزيراكوس و فوتيني الفاناكي (CWI) ، باناجيوتيس كوتسوركيس (حلول MonetDB) ، بن فان ويركهوفن و ويليم فان هاج (CWI) - مخزن عامود مكاني لتثليث هولندا أثناء الطيران.

(03.24.2017) تهانينا للفائزين بجائزة أفضل ملصق لهذا العام:

  • يانهوي ليانغ, هوانغ فو (جامعة ستوني بروك) ، أبليميت أجي (مختبرات هيوليت باكارد) ، جون كونغ (جامعة إيموري) و فوشينغ وانغ (جامعة ستوني بروك) - استعلامات مكانية ثلاثية الأبعاد قابلة للتطوير لتصوير علم الأمراض التحليلي باستخدام MapReduce.
  • أنتوني كواتروني, لارس كوليك و إجمين تانين - جامعة ملبورن - تعدين لقاءات على مستوى المدينة في الوقت الفعلي.

(03.24.2017) تهانينا للفائزين بأفضل عرض تقديمي لهذا العام في جلسة المعاينة السريعة:

  • بادريغ كوركوران و كريستوفر ب. جونز - جامعة كارديف ، ويلز ، المملكة المتحدة - النمذجة المكانية الزمانية لطوبولوجيا سلوك السرب مع المناظر الطبيعية المستمرة.
  • يي تشو و شون نيوسام - جامعة كاليفورنيا في ميرسيد - اكتشاف النقاط الساخنة للمشاعر الزمانية المكانية باستخدام الصور ذات العلامات الجغرافية.

(03.20.2017) تهانينا للفائزين في مسابقة SRC لهذا العام:

  • فئة الخريجين
    • المركز الأول: أشوين شاشيدران - جامعة ولاية كارولينا الشمالية.
    • المركز الثاني: Chenggang Lai - جامعة أركنساس.
    • المركز الثالث: ونلو وانج - جامعة أوبورن.
    • المركز الأول: آرون سان خوسيه ، وإدواردو هيرنانديز - جامعة كاليفورنيا ، ميرسيد.
    • بلاجي برابهاكار - جامعة ستانفورد وكبير العلماء في Urban Engines - نظام بيانات ضخم للأشياء التي تتحرك.
    • يين وانغ - الرائد التقني للخرائط على Facebook - خرائط التحجيم في Facebook.

    (10.14.2016) سجل الآن في ACM SIGSPATIAL 2016. تم تمديد التسجيل المبكر مرة أخرى حتى 13 أكتوبر 20 أكتوبر.

    (10.11.2016) الموعد النهائي لحجز فندق المؤتمر هو 14 أكتوبر. يرجى إجراء حجوزات الفنادق الخاصة بك في أقرب وقت ممكن.

    (10.04.2016) الموعد النهائي لحجز فندق المؤتمر هو 9 أكتوبر. يرجى إجراء حجوزات الفنادق الخاصة بك في أقرب وقت ممكن.

    (10.03.2016) تم نشر برنامج المؤتمر وجدوله الزمني.

    (09.22.2016) سجل الآن في ACM SIGSPATIAL 2016. تم تمديد التسجيل المبكر حتى 30 سبتمبر 13 أكتوبر.

    (09.06.2016) من المقرر تسليم النسخ الجاهزة للكاميرا من الأوراق المقبولة بحلول 23 سبتمبر. يرجى مراجعة تعليمات تجهيز الكاميرا لمزيد من المعلومات.

    (09.06.2016) تم نشر قائمة الأوراق المقبولة.

    (09.02.2016) تم تمديد الموعد النهائي لمسابقة أبحاث الطلاب (SRC).

    (08.30.2016) تم تمديد تاريخ الإخطار بالقبول.

    (08.24.2016) المعلومات متاحة للمشاركين الذين يحتاجون إلى تأشيرة.

    (08.19.2016) التسجيل في المؤتمر. قم بزيارة موقع التسجيل في المؤتمر للتسجيل في ACM SIGSPATIAL 2016.

    (07.18.2016) تم تمديد تاريخ الإخطار بالقبول.

    (07.11.2016) تم الإعلان عن ورش عمل ACM SIGSPATIAL 2016.

    (06.13.2016) تم تمديد مواعيد تقديم الملخص والورق.

    (05.25.2016) تم نشر قائمة أعضاء لجنة البرنامج.

    (05.23.2016) يُعقد المؤتمر في فندق ماريوت ووترفرونت بمطار سان فرانسيسكو. يرجى مراجعة صفحة المكان والإقامة للحصول على معلومات الحجز.

    (03.10.2016) تم تحديث مواعيد المؤتمر.

    (03.10.2016) تم نشر قائمة أعضاء لجنة البرنامج.

    (01.31.2016) الإعلان عن كأس SIGSPATIAL 2016. تركز مسابقة هذا العام على تطبيق الإحصائيات المكانية على البيانات الكبيرة المكانية والزمانية من أجل تحديد النقاط الساخنة ذات الأهمية الإحصائية باستخدام إطار الحوسبة الموزعة ولغات البرمجة الوظيفية.

    (12.24.2015) تم نشر الدعوة لتقديم الأوراق البحثية.

    المؤتمر الدولي ACM SIGSPATIAL حول التطورات في نظم المعلومات الجغرافية لعام 2016 (ACM SIGSPATIAL 2016) هو الحدث الرابع والعشرون في سلسلة من الندوات وورش العمل التي بدأت في عام 1993 بهدف الجمع بين الباحثين والمطورين والمستخدمين والممارسين فيما يتعلق إلى أنظمة جديدة تعتمد على البيانات والمعرفة الجغرافية المكانية ، وتعزيز المناقشات والأبحاث متعددة التخصصات في جميع جوانب نظم المعلومات الجغرافية. يوفر المؤتمر منتدى للمساهمات البحثية الأصلية التي تغطي جميع الجوانب المفاهيمية والتصميمية والتنفيذية للبيانات الجغرافية المكانية التي تتراوح من التطبيقات وواجهات المستخدم والتصور إلى تخزين البيانات ومعالجة الاستعلام وفهرسته. المؤتمر هو الحدث السنوي الأول لمجموعة ACM ذات الاهتمام الخاص بالمعلومات المكانية (ACM SIGSPATIAL). الباحثون والطلاب والممارسون مدعوون لتقديم مساهماتهم إلى ACM SIGSPATIAL 2016.


    شكل طريق الاستعلام - نظم المعلومات الجغرافية

    ملخص

    تم تصميم أداة West Virginia Flood Tool لتزويد مديري السهول الفيضية ووكلاء التأمين والمطورين ووكلاء العقارات والمخططين المحليين والمواطنين بوسائل فعالة يمكن من خلالها اتخاذ قرارات مستنيرة حول درجة مخاطر الفيضانات في منطقة أو عقار معين. يتم الحصول على البيانات المعروضة على أداة WV Flood Tool مباشرة من طبقات مخاطر الفيضانات الوطنية التابعة لـ FEMA. تذكر: إذا كنت في شك ، فهذا ليس بالخارج!

    سمات

    يتضمن أفضل بيانات خرائط الفيضانات المتاحة من FEMA والمصادر المعتمدة الأخرى ويتضمن خرائط / خلفية وطبقات مرجعية (الصور الجوية والطرق وخطوط الارتفاع والعناوين والطرود وأسماء الدفق ، وما إلى ذلك) من المصادر الفيدرالية والمحلية والمحلية والتجارية . تعمل أداة WV Flood Tool على كل من أجهزة الكمبيوتر المكتبية والهواتف المحمولة.

    • تحتوي أداة WV Flood Tool على ثلاث طرق عرض مخصصة للخريطة: PUBLIC و EXPERT و RISK MAP. تدعم هذه الآراء برامج FEMA's NFIP / CRS و Risk MAP.
    • يتيح العرض العام للجمهور الحصول على تحديدات سريعة وسهلة لخطر الفيضانات للمواقع المحددة.
    • عرض الخبراء وعرض خريطة المخاطر للمستخدمين الأكثر تقدمًا الذين هم على دراية بخرائط الفيضانات الرسمية الخاصة بـ FEMA وبرامج التخفيف لرسم خرائط مخاطر الفيضانات والتقييم والتخطيط (RISK MAP).
    • يعرض في لوحة نتائج استعلام الفيضان معلومات شاملة حول مخاطر الفيضانات المحددة (منطقة الفيضان ، ارتفاع الفيضان ، عمق الفيضان) ، ارتفاع الأرض ، الموقع الجغرافي (اسم مستجمعات المياه ، اسم التدفق / مصدر الفيضان ، معرف القطعة ، عنوان الموقع ، إحداثيات xy) ، ومعلومات المجتمع.
    • ربط مناطق محددة من الخريطة بالخرائط الإلكترونية الصادرة عن FEMA والنماذج الهيدروليكية وملفات الفيضانات وتقييمات مخاطر الفيضانات على مستوى المبنى وعارض الخرائط الخارجيين وتقارير تقييم الممتلكات التفصيلية والاتصال بمدير السهول الفيضية المحلي.
    • يقدم ثلاثة تمثيلات خرائطية مختلفة لمناطق الفيضانات.
    • Allows floodplain managers to print flood determination information required for floodplain permits and record keeping.
    • Renders 3D Flood Visualizations from the base flood water depth and building type. Visualizations are easier for non-technical users to understand risks to their property in feet of water rather than comprehending the base flood elevation.
    • Multiple ways to zoom to geographic locations: street addresses, tax parcels, coordinates, and place names.
    • Displays ground elevation values with a vertical accuracy range of 10 ft. to 1 ft.
    • Shows effective and advisory flood height values for A or AE Zones using Water Surface Elevation (WSEL) Grids.
    • Affords eligible communities CRS credits.
    • Warning colors denote risk level: high risk (red/orange), moderate risk (yellow)

    Data Layers

    • ROAD/STREET base maps are useful for viewing the named features of roads, streams, and other points of interest.
    • TOPOGRAPHIC and HILLSHADE base maps are helpful for viewing the terrain.
    • AERIAL IMAGERY base maps are useful for viewing structures and high-resolution pictures of the earth's surface. Users can access more than ten aerial imagery data sets from 1999 to present that vary in resolution from 1 meter to 4 inches.
    • Counties and local communities are encouraged to incorporate their locally acquired data into the Flood Tool. Locally produced data sets such as parcels, E-911 addresses, and leaf-off aerial imagery are integrated at the state level and provided as a shared map service.

    Overlay reference layers consist of vector framework layers. Important layers for property identification are tax parcels, E-911 addresses, geographic names, and community boundaries. Detailed parcel assessment web reports display building information for all primary and secondary structures located in a single parcel. The WV Property Search Tool is a companion application of the WV Flood Tool that allows users to perform advanced search and filter queries on all property assessment records. Other reference layers include the WVDOT roads, hydrography, watersheds, and elevation contours. Reference layers are generalized and more detailed at zoomed-out and zoomed-in scales, respectively, with all layers displayed at the largest zoom-in scale of 1:282. Elevation contour intervals at the highest zoom levels vary from 10 ft. to 1 ft.

    Flood layers encompass information about flood hazards and mitigating flood risks. The Flood Tool displays the primary National Flood Hazard Layers (NFHL) on FEMA Flood Insurance Rate Maps (FIRM). High-Risk Advisory Zones (Advisory A, Updated AE, and Preliminary NFHL – orange colored zones) are non-regulatory flood zones and not shown on the FIRM however, future FEMA Flood Studies most likely will incorporate these advisory zones on the official FIRM. Other map layers for floodplain management and hazard reduction efforts include mitigated buyout properties, elevation certificates, positionally-verified LOMAs, and high-water marks. In the RISK MAP View, building-level risk assessments are displayed for a 100-year flood.

    جهات الاتصال

      State NFIP Director
      (NFIP Permitting, Compliance, Training)

    سمات

    Includes the best available flood mapping data from FEMA and other approved sources and incorporates the best available base maps/background and reference layers (aerial photos, roads, elevation contours, addresses, stream names, etc.) from commercial and local data sources.
    The WV Flood tool consumes web map services from other state agencies (such as WV DOT roads and WV DEP imagery) and operates on both desktop computers and smart phones.

    • Public View allows the general public to obtain quick and easy flood hazard determinations of identified locations.
    • Expert View and Risk MAP View are for more advanced users who are familiar with FEMA's official flood maps and mitigation programs for flood risk mapping, assessment, and planning (Risk MAP).
    • Provides detailed flood hazard information for advanced users including base flood, elevations, cross-sections, flood profiles, mitigated properties, stream names, advisory flood heights (AFH) and associated models.
    • Multiple ways to zoom to geographic locations: street addresses, coordinates, place names, and tax parcels.
    • Links specific areas of the map to local floodplain managers or FEMA’s online map service center to view official flood maps.
    • Publish or exchange links of online flood maps for others to view.
    • Approximate elevation of the ground with a vertical accuracy of +/ - 10ft.
    • Displays and queries HAZUS 100-year flood event information to assist in mitigating flood risks

    Data Layers

      Road/Street base maps are useful for viewing the named features of roads, streams, and other points of interest.
      طبوغرافية base maps are helpful for viewing the terrain.
      Aerial or satellite imagery base maps are useful for viewing structures and high resolution pictures of the earth's surface.
      WV Sheriffs Imagery provides the high-resolution 4” aerial photography of urban areas at a zoomed-in map scale of 1:282.

    Overlay reference layers consist of vector framework layers such as transportation, hydrography, elevation contours, geographic names, watersheds, parcels, mitigated properties, boundaries, and addresses. Reference layers are generalized and more detailed at zoomed-out and zoomed-in scales, respectively, with all layers displayed at the largest zoom-in scale of 1:282.

    Flood layers encompass information about flood hazards and mitigating flood risks. The flood layers include the best available digital flood data from the FEMA Map Service Center. Certain flood layers (flood profiles, water surface elevation, water depth, x-sections, FEMA panel index, floodways, etc.) are only viewable in the Expert View.

    جهات الاتصال

      - ([email protected] phone: 304-293-9463) - ([email protected] phone: 304-293-9466) - ([email protected] phone: 304-293-0467) WV GIS Technical Center WVU Department of Geology & Geography 330 Brooks Hall P.O. Box 6300 Morgantown, WV 26506 Phone: (304) 293-0557 >> Website

    Supported by all modern browsers: Please contact Eric Hopkins with questions or comments relating to the site. Copyright 2015.

    Supported by all modern browsers: Please contact Eric Hopkins with questions or comments relating to the site. Copyright 2015.


    Query road shape - Geographic Information Systems

    Yunjun Gao is now a full professor at the College of Computer Science, Zhejiang University (ZJU), Hangzhou, China. He received the Ph.D. degree in computer science from ZJU in 2008. Prior to joining ZJU in 2010, he was a research assistant or postdoctoral research fellow (scientist) or visiting professor/scholar in the City University of Hong Kong (CityU, China), Singapore Management University (SMU, Singapore), Simon Fraser University (SFU, Canada), and Nanyang Technological University (NTU, Singapore), respectively. His primary research areas are Database, Big Data Management and Analytics, and AI Interaction with DB Technology. In particular, his current research interests include Data-Driven Machine Learning, Big Graph Data Management and Mining, Metric and Incomplete/Uncertain Data Management, Geo-Social Data Processing, Data Quality and Pricing, Database Usability, and Spatial and Spatio-Temporal Databases. He has published more than 100 papers on several premium/leading journals including TODS, VLDBJ, TKDE, TOIS, TFS, TITS, and DKE, and various prestigious international conferences such as SIGMOD, VLDB, ICDE, SIGIR, EDBT, and DASFAA. He is a senior member of the CCF a member of the ACM and the IEEE an associate editor (editorial board member) of DAPD and IJSSOE and a guest editor of WWWJ, IJDSN, and DSE. He is/was a referee/reviewer of several top/important journals such as TODS, VLDBJ, TKDE, TMC, TKDD, DMKD, Information Sciences, Information Systems, GeoInformatica, WWWJ, JCST, etc. and he is/has serving/served as an organization committee (e.g., PC co-chairs, workshop co-chairs, publication chair, publicity co-chair, etc.)or a program committee member for various conferences such as SIGMOD, VLDB, ICDE, CIKM, DASFAA, ICDM, SIGSPATIAL GIS, APWeb, WAIM, WISE, MDM, ER, etc. He was a recipient of the Best Paper Award of APWeb-WAIM 2018, “2017 CCF Outstanding Doctoral Dissertation Award” (Supervisor), “2016 Zhejiang Provincial Outstanding Master’s Dissertation Award” (Supervisor), the First Prize of the Ministry of Education Science and Technology Progress Award (2016), the Winner of National Outstanding Young Scientist Fund Project (2015), the Nomination of the Best Paper Award of SIGMOD 2015, One of the Best Papers in ICDE 2015, and The First Prize of Zhejiang Province Science and Technology Award First (2011).

    Announcement

    I am looking for undergraduate, master, PhD students, and Postdocs. If you are a highly motivated and creative student as well as interested in doing data related research/projects, please email me your resume and tell me about your specific interests. I will contact you to discuss any potential topic and funding.

    الاهتمامات البحثية

    My primary research areas are قاعدة البيانات, Big Data Management and Analytics، و AI Interaction with DB Technology. Specifically, my current research interests are as follows:

    • Data-Driven Machine Learning
    • Big Graph Data Management and Mining
    • Metric and Incomplete/Uncertain Data Management
    • Geo-Social Data Processing
    • Data Quality and Pricing
    • Database Usability
    • Spatial and Spatio-Temporal Databases
    • [2018-07] My personal homepage is released. Congratulations!
    • [2018-07] The homepage of our laboratory (i.e., دatabase and بig data analytics إلab (DBL)) is released. Congratulations!
    • [2018-06] Jingwen Zhao defended successfully his PhD dissertation. Congratulations!

    منشورات مختارة

    [Book/Monograph & Survey] (The author(s) marked with ‘#’ are/were my students, and the author(s) marked with ‘*’ represent the corresponding author(s))

      Yunjun Gao* and Xiaoye Miao # .

    Query Processing over Incomplete Databases. [Book]

    To appear in Synthesis Lectures on Data Management, Morgan & Claypool Publishers, 2018.

    Big Data Management Systems. [Book]

    To appear in Chemical Industry Press, 2018. (in Chinese)

    Data Management in Metric Spaces. [Book]

    China Machine Press, ISBN 978-7-111-59301-0, pp. 1-224, 2018. (in Chinese, 148,000 words, Big Data Management Series, Editor: Jie She)

    Preference Query Analysis and Optimization. [Book]

    Springer Briefs in Computer Science, Springer, ISBN 978-981-10-6634-4, pp. 1-110, 2017.

    Incomplete Data Management: A Survey. [Paper]

    Frontiers of Computer Science (FCS), 12(1): 4-25, 2018. (Invited Paper)

    [Refereed Journals] (The author(s) marked with ‘#’ are/were my students, and the author(s) marked with ‘*’ represent the corresponding author(s))

      Xiaoye Miao # , Yunjun Gao*, Linlin Zhou # , Wei Wang, and Qing Li.

    Optimizing Quality for Probabilistic Skyline Computation and Probabilistic Similarity Search. [Paper]

    To appear in معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 30(9): 1741-1755, 2018.

    On Efficiently Answering Why-not Range-Based Skyline Queries in Road Networks. [Paper]

    To appear in معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 30(9): 1697-1711, 2018.

    A Fast Parallel Community Discovery Model on Complex Networks Through Approximate Optimization. [Paper]

    To appear in معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 30(9): 1638-1651, 2018.

    Towards Efficient Framework for Time-aware Spatial Keyword Queries on Road Networks. [Paper]

    ACM Transactions on Information Systems (TOIS), 36(3): 24:1-24:48, 2018.

    Indexing Metric Uncertain Data for Range Queries and Range Joins. [Paper]

    The VLDB Journal (VLDBJ), 26(4): 585-610, 2017. (Extended version of [C13])

    On Efficiently Finding Reverse ك Nearest Neighbors over Uncertain Graphs. [Paper]

    The VLDB Journal (VLDBJ), 26(4): 467-492, 2017.

    Time-Aware Boolean Spatial Keyword Queries. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 29(11): 2601-2614, 2017.

    Metric Similarity Joins Using MapReduce. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 29(3): 656-669, 2017.

    Efficient Metric Indexing for Similarity Search and Similarity Joins. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 29(3): 556-571, 2017. (Extended version of [C17])

    Answering Why-not and Why Questions on Reverse Top-ك Queries. [Paper]

    The VLDB Journal (VLDBJ), 25(6): 867-892, 2016. (Extended version of [C15])

    Processing Incomplete ك Nearest Neighbor Search. [Paper]

    IEEE Transactions on Fuzzy Systems (TFS), 24(6): 1349-1363, 2016.

    Finding Causality and Responsibility for Probabilistic Reverse Skyline Query Non-answers. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 28(11): 2974-2987, 2016.

    Efficient Collective Spatial Keyword Query Processing on Road Networks. [Paper]

    IEEE Transactions on Intelligent Transportation Systems (TITS), 17(2): 469-480, 2016.

    Metric All-ك-Nearest-Neighbor Search. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 28(1): 98-112, 2016.

    Top-ك Dominating Queries on Incomplete Data. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 28(1): 252-266, 2016.

    فعالة ك-Closest Pair Queries in General Metric Spaces. [Paper]

    The VLDB Journal (VLDBJ), 24(3): 415-439, 2015.

    Efficient Reverse Top-ك Boolean Spatial Keyword Queries on Road Networks. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 27(5): 1205-1218, 2015.

    Direction-Based Surrounder Queries for Mobile Recommendations. [Paper]

    The VLDB Journal (VLDBJ), 20(5): 743-766, 2011.

    Continuous Visible Nearest Neighbor Query Processing in Spatial Databases. [Paper]

    The VLDB Journal (VLDBJ), 20(3): 371-396, 2011. (Extended version of [C26])

    Continuous Nearest Neighbor Search in the Presence of Obstacles. [Paper]

    ACM Transactions on Database Systems (TODS), 36(2), Article 9, 2011. (Extended version of [C24])

    Visible Reverse ك-Nearest Neighbor Query Processing in Spatial Databases. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 21(9): 1314-1327, 2009. (Extended version of [C25])

    Optimal-Location-Selection Query Processing in Spatial Databases. [Paper]

    معاملات IEEE على المعرفة وهندسة البيانات (TKDE), 21(8): 1162-1177, 2009.

    [Refereed Conferences] (The author(s) marked with ‘#’ are/were my students, and the author(s) marked with ‘*’ represent the corresponding author(s))

      Keyu Yang # , Yunjun Gao*, Yifeng Shen # , Baihua Zheng, and Lu Chen # .

    DisMASTD: An Efficient Distributed Multi-Aspect Streaming Tensor Decomposition. [Paper]

    To appear in Proceedings of the 37th IEEE International Conference on Data Engineering (ICDE), 2021.

    PTRider: A Price-and-Time-Aware Ridesharing System. [Paper]

    Proceedings of the 44th International Conference on Very Large Data Bases (VLDB), 11(12): 1938-1941, 2018. (Demo)

    UlTraMan: A Unified Platform for Big Trajectory Data Management and Analytics. [Paper]

    Proceedings of the 44th International Conference on Very Large Data Bases (VLDB), pp. 787-799, 2018.

    Scalable Hypergraph-based Image Retrieval and Tagging System. [Paper]

    Proceedings of the 34th IEEE International Conference on Data Engineering (ICDE), pp. 257-268, 2018.

    Why-not Questions on Top-ك Geo-Social Keyword Queries in Road Networks. [Paper]

    Proceedings of the 34th IEEE International Conference on Data Engineering (ICDE), pp. 965-976, 2018.

    Price-and-Time-Aware Dynamic Ridesharing. [Paper]

    Proceedings of the 34th IEEE International Conference on Data Engineering (ICDE), pp. 1061-1072, 2018.

    Pivot-based Metric Indexing. [Paper]

    Proceedings of the 43rd International Conference on Very Large Data Bases (VLDB), pp. 1058-1069, 2017.

    Reverse Top-ك Geo-Social Keyword Queries in Road Networks. [Paper]

    Proceedings of the 33rd IEEE International Conference on Data Engineering (ICDE), pp. 387-398, 2017.

    IS2R: A System for Refining Reverse Top-ك Queries. [Paper]

    Proceedings of the 33rd IEEE International Conference on Data Engineering (ICDE), pp. 387-398, 2017. (Demo)

    SI2P: A Restaurant Recommendation System Using Preference Queries over Incomplete Information. [Paper]

    Proceedings of the 42nd International Conference on Very Large Data Bases (VLDB), pp. 1509-1512, 2016. (Demo)

    Answering Why-not Questions on Metric Probabilistic Range Queries. [Paper]

    Proceedings of the 32nd IEEE International Conference on Data Engineering (ICDE), pp. 767-778, 2016.

    Practical Private Shortest Path Computation Based on Oblivious Storage. [Paper]

    Proceedings of the 32nd IEEE International Conference on Data Engineering (ICDE), pp. 361-372, 2016.

    Indexing Metric Uncertain Data for Range Queries. [Paper]

    Proceedings of the ACM SIGMOD International Conference on Management of Data (SIGMOD), pp. 951-965, 2015.

    GetReal: Towards Realistic Selection of Influence Maximization Strategies in Competitive Networks. [Paper]

    Proceedings of the ACM SIGMOD International Conference on Management of Data (SIGMOD), pp. 1525-1537, 2015. ( Nomination for the Best Paper Award )

    Answering Why-not Questions on Reverse Top-ك Queries.[Paper]

    Proceedings of the 41st International Conference on Very Large Data Bases (VLDB), pp. 738-749, 2015.

    I2RS: A Distributed Geo-Textual Image Retrieval and Recommendation System. [Paper]

    Proceedings of the 41st International Conference on Very Large Data Bases (VLDB), pp. 1884-1895, 2015.(Demo)

    Efficient Metric Indexing for Similarity Search. [Paper]

    Proceedings of the 31st IEEE International Conference on Data Engineering (ICDE), pp. 591-602, 2015. ( One of the Best Papers )

    Towards Effective and Efficient Mining of Arbitrary Shaped Clusters. [Paper]

    Proceedings of the 30th IEEE International Conference on Data Engineering (ICDE), pp. 28-39, 2014.

    Browse with a Social Web Directory. [Paper]

    Proceedings of the 36th International ACM SIGIR conference on research and development in Information Retrieval (SIGIR), pp. 865-868, 2013. (Short)

    Mapping Queries to Questions: Towards Understanding Users' Information Needs. [Paper]

    Proceedings of the 36th International ACM SIGIR conference on research and development in Information Retrieval (SIGIR), pp. 977-980, 2013.(Short)

    Commodity Query by Snapping. [Paper]

    Proceedings of the 36th International ACM SIGIR conference on research and development in Information Retrieval (SIGIR), pp. 985-988, 2013. (Short)

    On Efficient Obstructed Reverse Nearest Neighbor Query Processing. [Paper]

    Proceedings of the 19th ACM SIGSPATIAL International Symposium on Advances in Geographic Information Systems (SIGSPATIAL GIS), pp. 191-200, 2011.

    UPS: Efficient Privacy Protection in Personalized Web Search. [Paper]

    Proceedings of the 34th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR), pp. 615-624, 2011.

    Continuous Obstructed Nearest Neighbor Queries in Spatial Databases. [Paper]

    Proceedings of the ACM SIGMOD International Conference on Management of Data (SIGMOD), pp. 577-590, 2009.

    Visible Reverse ك-Nearest Neighbor Queries. [Paper]

    Proceedings of the 25th International Conference on Data Engineering (ICDE), pp. 1203-1206, 2009. (Short)

    Continuous Visible Nearest Neighbor Queries. [Paper]

    Proceedings of the 12th International Conference on Extending Database Technology (EDBT), pp. 144-155, 2009.

    Proceedings of the 24th International Conference on Data Engineering (ICDE),pp. 1454-1456, 2008. (Short)


    شاهد الفيديو: خمس استعلامات في تقرير واحد عن طريق تقرير رئيسي و خمس تقارير فرعية + مرفق