地理信息系統應用論文
地理信息系統(GeographicInformation System, GIS)在最近幾年取得了重大技術進展，各類地圖服務商提供多層次、多類別在線地圖服務，渲染客戶端可選種類繁多、渲染速度快，基于地圖的信息展現顯得更為友好、直觀，使得GIS應用在各行業的信息化建設中逐漸得到普及。
在電力系統中，GIS可以友好準確地展示如變電站、線路、桿塔、故障點、輸變電管理、配電管理、用電管理等電力對象設備的具體位置和各設備之間的層次關系。但是隨著網絡技術的普及和各類系統的不斷增加，故障點等點要素數據也在呈幾何級增長，當地圖上加載大量點要素數據時，會出現彼此覆蓋和加載速度過慢的問題。
據驗證，當瀏覽器地圖客戶端(Flash. Silverlight或JavaScript)一次性加載超過500個點要素時會出現加載速度明顯變慢的現象，超過1 000個點要素時基本造成地圖客戶端宕掉，亞需一種解決方案即能快速展示且不丟失數據。
地理空間點聚合(M arkerCluster)可以依據一定的模型和算法，將分布密集的點要素聚合在一起統一展現。當矢量數據非常大時，通過聚合會大大減少瀏覽器客戶端渲染消耗時間，從而增強系統實用性，提高系統用戶體驗度。
文章以空間點聚合為出發點，通過比較當前通用的層次聚類算法和劃分算法兩大類聚合算法及與GIS結合的優缺點，依據劃分算法思想，設計并實現一種l決速空間點聚合算法，通過該算法可以很好地解決海量電力設備資產的客戶端展現能力。
聚合算法本質為將集合內具有相似性或相關性的一類或多類對聚合為一個對象，從而達到降低復雜因子的目的，方便分析問題。目前比較通用的聚合算法有層次聚類算法和劃分算法等兩大類。文章將分別對這2類算法思想做分析和比較。
層次聚類算法原理為預先定義要聚類的K的對象集合以及KXK的相互間隔矩陣(或者是相似性規則矩陣)，層次聚類算法的基本操作步驟如下所列。
1)整理待聚類對象集合。
2)將單個對象劃分為一類，共計得到 K 類，每類僅且只包含1 個對象。約定類 i 和類 j 的間距為它們所包含的對象之間的最小距離。
3)找到距離最接近的 2 個類(對象)并合并成 1 個類(對象)，于是總的類數少了 1 個。
4)然后重新算出新的類(對象)和所有未合并的對象之間的距離
5)重復以上第 3~4 步，直到把所有類合并為 1 個類(對象)為止，此類含有的對象個數為 K。
6)根據步驟 4 的不同，層次聚類算法可以細分為完整連結法、單一連結法、平均法聚類法等。
1.2 劃分算法
劃分算法基本實現原理為確定一個區間，把符合特定條件的元素放到這個區間中，具體步驟如下所列。
1)定義 2 個指針 ki 和 kj，初始化 ki 和 kj 區間的下界和上界，即 ki=lowCell，ki=hkighCell;選取無序區的第 1 個對象 V[ki]( 即V[lowCell]) 作為基準對象，并將它保存在變量 node 中。
2)令 kj 自 hkighCell 起向左依次遍歷，直至找到第 1 個主鍵數值小于 node.key 的對象 V[kj]，將 V[kj] 移至 ki 所指的位置上。此 步 相 當 于 V[kj] 和 基 準 V[ki]( 即 node) 進行了交換，使主鍵小于基準主鍵 node.key 的記錄進行左移。
3)令 ki 指針自 ki+1 位置向右開始遍歷，直至找到第 1 個主鍵數值大于 node.key 的對象標記為 V[ki]，將 V[ki] 移到 ki 所指的位置上，相當于對 V[ki] 和基準 V[kj] 進行了交換，使主鍵大于基準主鍵的記錄移到了基準的右邊，交換后 V[ki] 中又相當于存放了 node。
4)依據步驟 3 的結果，令指針 kj 從位置 kj-1 開始向左遍歷，如此重復，對遍歷方向進行交替改變，從兩端向中間部分進行靠攏，直 至 ki=kj 時，ki 便 是 基 準node 最終的位置，將 node 放置在此位置點上就完成了一次劃分。
通過比較上述 2 類算法可以得出：層次聚類算法時間復雜度為 T(n)=n2;劃分算法時間復雜度為 T(n)=nlog2n。劃分算法具有較高的執行效率，但是層次方法在算法上和真實數據的特性吻合度高，相對于劃分方法聚類的實際效果比較好，能夠更好地服務于生產運行，所以在應用時需根據不同的目的做相應選擇或改進。
2 GIS 應用點聚合的算法設計
以上描述了 2 類聚合算法與GIS 應用結合的目的在于減少一次性渲染對象個數，提高客戶端顯示效率，增強用戶體驗度。
層次聚類算法需要首先對地圖展現屏幕劃分為 N×N 個地理方格，然后依次計算待聚合空間點集合的子對象坐落于哪個方格內部，從而實現聚合。該算法實現容易，但是需要遍歷所有地理方格，因此比較耗時。
劃分算法思想則不同，直接歸納到對象集合，減少了 CPU 計算時間，結合 GIS 實際技術特點，得出在 GIS 中聚合實現思想為：當前顯示比例下，聚合中心點為(0，0)，選取聚合半徑(Distance)為 20 像素的空間對象集合，則聚合幾何對象(Cluster Geometry)將展現所有的距離不超過 20 屏幕像素單位的點要素。這種設計思想的優勢為實現方便而且效率很高。具體實現步驟如下所列。
1)定義相關參數，包括待聚合空間點對象集合(features)、聚合后空間對象集合(clusters)、聚合半徑(Distance)、當前比例地圖分辨率(Resolution)。
2)依次遍歷 features 對象，首 先 得 到 A=features[i(]i=0、1、2……、features.length)。
3)依次遍歷 clusters 對象，得到 B=clusters[j(]j=0、1、2……、clusters.length)。
4)判 斷 A 與 B 對 象 中 心點距是否超過 Distance，如果小 Distance，則把 A 對象添加至clusters[j] 集合內，并返回第 2 步繼續執行;如果大于 Distance 則范圍第 3 步繼續執行。
5)當第 4 步完全執行完畢，仍未歸納 A 對象時，需要把 A 當做新的聚合體添加至 clusters，而clusters 個數增加 1 個。繼續從第 2 步開始執行。
6)當 features 所有對象遍歷完畢后，聚合結束。
7)在 GIS 中展現聚合幾何對象。
劃分算法在 GIS 中應用難點為第 4 步如何判斷 A 與 B 距離，第 1 步需要得到 B 對象的地理中心坐標，第 2 步需要根據當前 地 圖 投 影(Projection)、地 圖比例(Scale)及地圖顯示分辨率(Resolution)等三大影響因子把A 與 B 的地理距離轉換為屏幕像素距離，然后與 Distance 做比較。
3 算法實現
3.1 劃分算法和電力 GIS 結合實現為了驗證上述算法的有效性和實用性，根據圖 1 聚合算法流4 結語文章重點以 GIS 聚合算法為基礎，在比較層次聚類算法和劃分算法的基礎上，詳細介紹了劃分算法在 GIS 聚合中的設計和實現。
GIS 聚合算法應用廣泛，不僅可以減少每次空間點渲染個數，提高地圖渲染客戶端效率，能夠很好地解決海量電力設備節點的展現問題，而且可以進一步改進算法，實現GIS 熱點跟蹤專題圖，如事件發生頻率、人口出生分布密度等，通過GIS 直觀展示后，可以更容易發現問題，為上層決策提供重要技術依據，GIS 聚合算法在其他行業中也有著廣泛的應用，具有很好的應用和推廣價值。
【地理信息系統應用論文】相關文章：
環境科學中地理信息系統技術的應用論文06-16
地理信息系統技術在環境科學中的應用論文07-08
網絡地理信息系統在環境科學中的應用論文08-09
研究GPRS的地理信息系統應用07-04
地理信息系統論文06-22
教育技術應用論文06-27
多媒體技術在地理信息系統中的應用08-17