Question

传统空间数据模型在表达时空大数据时有哪些

Answer 1

问：传统空间数据模型在表达时空大数据时有哪些

答：① 时空复合模型 将每一次独立的叠加操作转换为一次性的合成叠加，变化的累积形成最小变化单元。由这些最小变化单元构成的图形文件和记录变化历史的属性文件联系在一起表达数据的时空特征。最小变化单元即是一定时空范围内的最大同质单元。其缺点在于多边形碎化和对关系数据库的过分依赖，随着变化的频繁会形成很多的碎片。 ② 连续快照模型 连续快照模型在数据库中仅记录当前数据状态。数据更新后，旧数据变化值不再保留，即“忘记”过去的状态。连续的时间快照模型是将一系列时间片段快照保存起来，以反映整个空间特征的状态。由于快照将对未发生变化的所有特征重复进行存储，会产生大量的数据冗余。当事件变化频繁时，且数据量较大时，系统效率急剧下降。 ③ 基态修正模型 为避免连续快照模型将未发生变化部分的特征重复记录，基态修正模型只存储某个时间点的数据状态。