甜橘子，专注成都网站制作网站设计与营销型网站建设与优化
QQ :532337155
电话：028-86922220
引言
成都网络公司-成都网站建设公司创新互联建站10余年经验成就非凡，专业从事网站制作、做网站，成都网页设计，成都网页制作，软文营销，一元广告等。10余年来已成功提供全面的成都网站建设方案，打造行业特色的成都网站建设案例，建站热线：18982081108，我们期待您的来电！
地理信息系统(Geographic Information System，简称GIS)是计算机科学、地理学、测量学、地图学等多门学科综合的技术[1]。GIS的基本技术是空间数据库、地图可视化及空间分析，而空间数据库是GIS的关键。空间数据挖掘技术作为当前数据库技术最活跃的分支与知识获取手段，在GIS中的应用推动着GIS朝智能化和集成化的方向发展。
1 空间数据库与空间数据挖掘技术的特点
随着数据库技术的不断发展和数据库管理系统的广泛应用，数据库中存储的数据量也在急剧增大，在这些海量数据的背后隐藏了很多具有决策意义的信息。但是，现今数据库的大多数应用仍然停留在查询、检索阶段，数据库中隐藏的丰富的知识远远没有得到充分的发掘和利用，数据库中数据的急剧增长和人们对数据库处理和理解的困难形成了强烈的反差，导致“人们被数据淹没，但却饥饿于知识”的现象。
空间数据库(数据仓库)中的空间数据除了其显式信息外，还具有丰富的隐含信息，如数字高程模型〔DEM或TIN〕，除了载荷高程信息外，还隐含了地质岩性与构造方面的信息；植物的种类是显式信息，但其中还隐含了气候的水平地带性和垂直地带性的信息，等等。这些隐含的信息只有通过数据挖掘才能显示出来。空间数据挖掘（Spatial Data Mining，简称SDM），或者称为从空间数据库中发现知识，是为了解决空间数据海量特性而扩展的一个新的数据挖掘的研究分支，是指从空间数据库中提取隐含的、用户感兴趣的空间或非空间的模式和普遍特征的过程[2]。由于SDM的对象主要是空间数据库，而空间数据库中不仅存储了空间事物或对象的几何数据、属性数据，而且存储了空间事物或对象之间的图形空间关系，因此其处理方法有别于一般的数据挖掘方法。SDM与传统的地学数据分析方法的本质区别在于SDM是在没有明确假设的前提下去挖掘信息、发现知识，挖掘出的知识应具有事先未知、有效和可实用3个特征。
空间数据挖掘技术需要综合数据挖掘技术与空间数据库技术，它可用于对空间数据的理解，对空间关系和空间与非空间关系的发现、空间知识库的构造以及空间数据库的重组和查询的优化等。
2 空间数据挖掘技术的主要方法及特点
常用的空间数据挖掘技术包括：序列分析、分类分析、预测、聚类分析、关联规则分析、时间序列分析、粗集方法及云理论等。本文从挖掘任务和挖掘方法的角度,着重介绍了分类分析、聚类分析和关联规则分析三种常用的重要的方法。
2.1、分类分析
分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。分类的目的是学会一个分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个。分类和我们熟知的回归方法都可用于预测，两者的目的都是从历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。和回归方法不同的是，分类的输出是离散的类别值，而回归的输出则是连续的数值。二者常表现为一棵决策树，根据数据值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。空间分类的规则实质是对给定数据对象集的抽象和概括，可用宏元组表示。
要构造分类器,需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成,每个元组是一个由特征(又称属性)值组成的特征向量,此外,训练样本还有一个类别标记。一个具体样本的形式可为:( v1, v2, ..., vn; c )；其中vi表示字段值，c表示类别。
分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。统计方法包括贝叶斯法和非参数法(近邻学习或基于事例的学习)，对应的知识表示是判别函数和原型事例。机器学习方法包括决策树法和规则归纳法，前者对应的表示为决策树或判别树，后者则一般为产生式规则。神经网络方法主要是反向传播（Back-Propagation,简称BP）算法，它的模型表示是前向反馈神经网络模型(由代表神经元的节点和代表联接权值的边组成的一种体系结构)，BP算法本质上是一种非线性判别函数[3]。另外，最近又兴起了一种新的方法:粗糙集(rough set)，其知识表示是产生式规则。
不同的分类器有不同的特点。有三种分类器评价或比较尺度：1) 预测准确度；2) 计算复杂度；3) 模型描述的简洁度。预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务，目前公认的方法是10番分层交叉验证法。计算复杂度依赖于具体的实现细节和硬件环境，在数据挖掘中，由于操作对象是海量的数据库，因此空间和时间的复杂度问题将是非常重要的一个环节。对于描述型的分类任务，模型描述越简洁越受欢迎。例如，采用规则归纳法表示的分类器构造法就很有用，而神经网络方法产生的结果就难以理解。
另外要注意的是，分类的效果一般和数据的特点有关。有的数据噪声大，有的有缺值， 有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。目前普遍认为不存在某种方法能适合于各种特点的数据。
分类技术在实际应用非常重要，比如：可以根据房屋的地理位置决定房屋的档次等。
2. 2 聚类分析
聚类是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行描述的过程。它的目的是使得属于同一个组的样本之间应该彼此相似，而不同组的样本应足够不相似。与分类分析不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪些空间区分规则来定义组。其目的旨在发现空间实体的属性间的函数关系，挖掘的知识用以属性名为变量的数学方程来表示。聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。基于聚类分析方法的空间数据挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，对空间数据聚类分析方法的研究是一个热点。
对于空间数据，利用聚类分析方法，可以根据地理位置以及障碍物的存在情况自动地进行区域划分。例如，根据分布在不同地理位置的ATM机的情况将居民进行区域划分，根据这一信息，可以有效地进行ATM机的设置规划，避免浪费，同时也避免失掉每一个商机。
2.3 关联规则分析
关联规则分析主要用于发现不同事件之间的关联性，即一事物发生时，另一事物也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是：事件发生的概率和条件概率应该符合一定的统计意义。空间关联规则的形式是X－＞Y[S%，C%]，其中X、Y是空间或非空间谓词的集合，S%表示规则的支持度，C%表示规则的置信度。空间谓词的形式有3种：表示拓扑结构的谓词、表示空间方向的谓词和表示距离的谓词[5]。各种各样的空间谓词可以构成空间关联规则。如，距离信息（如Close_to(临近)、Far_away(远离)）、拓扑关系（Intersect（交）、Overlap（重叠）、Disjoin(分离)）和空间方位（如Right_of(右边)、West_of(西边)）。实际上大多数算法都是利用空间数据的关联特性改进其分类算法，使得它适合于挖掘空间数据中的相关性，从而可以根据一个空间实体而确定另一个空间实体的地理位置，有利于进行空间位置查询和重建空间实体等。大致算法可描述如下：(1)根据查询要求查找相关的空间数据；(2)利用临近等原则描述空间属性和特定属性；(3)根据最小支持度原则过滤不重要的数据；(4)运用其它手段对数据进一步提纯(如OVERLAY)；(5)生成关联规则。
关联规则通常可分为两种：布尔型的关联规则和多值关联规则。多值关联规则比较复杂，一种自然的想法是将它转换为布尔型关联规则，由于空间关联规则的挖掘需要在大量的空间对象中计算多种空间关系，因此其代价是很高的。—种逐步求精的挖掘优化方法可用于空间关联的分析，该方法首先用一种快速的算法粗略地对一个较大的数据集进行一次挖掘，然后在裁减过的数据集上用代价较高的算法进一步改进挖掘的质量。因为其代价非常高，所以空间的关联方法需要进一步的优化。
对于空间数据，利用关联规则分析，可以发现地理位置的关联性。例如，85%的靠近高速公路的大城镇与水相邻，或者发现通常与高尔夫球场相邻的对象是停车场等。
3 空间数据挖掘技术的研究方向
3.1 处理不同类型的数据
绝大多数数据库是关系型的，因此在关系数据库上有效地执行数据挖掘是至关重要的。但是在不同应用领域中存在各种数据和数据库，而且经常包含复杂的数据类型，例如结构数据、复杂对象、事务数据、历史数据等。由于数据类型的多样性和不同的数据挖掘目标，一个数据挖掘系统不可能处理各种数据。因此针对特定的数据类型，需要建立特定的数据挖掘系统。
3.2 数据挖掘算法的有效性和可测性
海量数据库通常有上百个属性和表及数百万个元组。GB数量级数据库已不鲜见，TB数量级数据库已经出现，高维大型数据库不仅增大了搜索空间，也增加了发现错误模式的可能性。因此必须利用领域知识降低维数，除去无关数据，从而提高算法效率。从一个大型空间数据库中抽取知识的算法必须高效、可测量，即数据挖掘算法的运行时间必须可预测，且可接受，指数和多项式复杂性的算法不具有实用价值。但当算法用有限数据为特定模型寻找适当参数时，有时也会导致物超所值，降低效率。
3.3 交互性用户界面
数据挖掘的结果应准确地描述数据挖掘的要求，并易于表达。从不同的角度考察发现的知识，并以不同形式表示，用高层次语言和图形界面表示数据挖掘要求和结果。目前许多知识发现系统和工具缺乏与用户的交互，难以有效利用领域知识。对此可以利用贝叶斯方法和演译数据库本身的演译能力发现知识。
3.4 在多抽象层上交互式挖掘知识
很难预测从数据库中会挖掘出什么样的知识，因此一个高层次的数据挖掘查询应作为进一步探询的线索。交互式挖掘使用户能交互地定义一个数据挖掘要求，深化数据挖掘过程，从不同角度灵活看待多抽象层上的数据挖掘结果。
3.5 从不同数据源挖掘信息
局域网、广域网以及Internet网将多个数据源联成一个大型分布、异构的数据库，从包含不同语义的格式化和非格式化数据中挖掘知识是对数据挖掘的一个挑战。数据挖掘可揭示大型异构数据库中存在的普通查询不能发现的知识。数据库的巨大规模、广泛分布及数据挖掘方法的计算复杂性，要求建立并行分布的数据挖掘。
3.6 私有性和安全性
数据挖掘能从不同角度、不同抽象层上看待数据，这将影响到数据挖掘的私有性和安全性。通过研究数据挖掘导致的数据非法侵入，可改进数据库安全方法，以避免信息泄漏。
3.7 和其它系统的集成
方法、功能单一的发现系统的适用范围必然受到一定的限制。要想在更广泛的领域发现知识，空间数据挖掘系统就应该是数据库、知识库、专家系统、决策支持系统、可视化工具、网络等技术的集成。
4 有待研究的问题
我们虽然在空间数据挖掘技术的研究和应用中取得了很大的成绩，但在一些理论及应用方面仍存在急需解决的问题。
4.1 数据访问的效率和可伸缩性
空间数据的复杂性和数据的大量性，TB数量级的数据库的出现，必然增大发现算法的搜索空间，增加了搜索的盲目性。如何有效的去除与任务无关的数据，降低问题的维数，设计出更加高效的挖掘算法对空间数据挖掘提出了巨大的挑战。
4.2 对当前一些GIS软件缺乏时间属性和静态存储的改进
由于数据挖掘的应用在很大的程度上涉及到时序关系，因此静态的数据存储严重妨碍了数据挖掘的应用。基于图层的计算模式、不同尺度空间数据之间的完全割裂也对空间数据挖掘设置了重重障碍。空间实体与属性数据之间的联系仅仅依赖于标识码，这种一维的连接方式无疑将丢失大量的连接信息，不能有效的表示多维和隐含的内在连接关系，这些都增加了数据挖掘计算的复杂度，极大地增加了数据准备阶段的工作量和人工干预的程度。
4.3 发现模式的精炼
当发现空间很大时会获得大量的结果，尽管有些是无关或没有意义的模式，这时可利用领域的知识进一步精炼发现的模式，从而得到有意义的知识。
在空间数据挖掘技术方面，重要的研究和应用的方向还包括：网络环境上的数据挖掘、栅格矢量一体化的挖掘、不确定性情况下的数据挖掘、分布式环境下的数据挖掘、数据挖掘查询语言和新的高效的挖掘算法等。
5 小结
随着GIS与数据挖掘及相关领域科学研究的不断发展，空间数据挖掘技术在广度和深度上的不断深入，在不久的将来，一个集成了挖掘技术的GIS、GPS、RS集成系统必将朝着智能化、网络化、全球化与大众化的方向发展。
在测绘领域，移动GIS主要应用于野外测量、外业数据采集等领域。
野外测量方面的应用，主要应用于RTK设备的手薄，实现相关的测量和放样计算。实现角度转换、距离换算、坐标换算、距离测量、角度测量、面积测量、填挖方测量等测量功能；实现线放样、道路放样等放样功能。
外业数据采集，现已大范围的应用于测绘相关领域。在内业基于遥感数据，勾绘出相关的基础矢量要素数据，最终按格网分发成移动终端可识别的数据，在外业，相关的操作人员对已有的内业数据进行空间和属性的核查、对错误的数据进行编辑修改、对缺少的数据进行外业数据采集。
现在移动GIS产品已广泛应用于电力、国土、林业、农业、水利、环保、城管、物流、交通等各领域。在行业中应用的典型业务有：地图浏览、地图定位、数据采集、属性记录、数据上传至服务器、轨迹记录、路线导航等。
如移动GIS 在电力中的应用，主要是进行电力巡线，巡查的过程中，发现相关的电线或电力塔故障，记录下相关的位置、故障描述及照片，传送至后台服务器，管控中心即可根据故障安排相关的人员进行维修维护，维修人员可根据上报的数据导航至相关位置，并进行维修维护工作，维修的结果也可直接反馈至后台服务器。
这两年，移动设备的软硬件都有了很大的发展，像网络定位技术、室内定位技术、网络通信技术、惯性定位技术、摄像头等。随着这些技术的发展，移动GIS在行业办公领域必将有越来越大的应用。 大众化的产品主要应用于生活相关的方面。现在移动GIS在大众领域最广泛的应用当属手机电子地图，手机电子地图产品包含了地图浏览、地图定位、周边地址查询、公交换乘、行车导航、步行导航、餐饮、住宿、娱乐等与生活相关的功能。移动GIS已深入百姓生活的方方面面，为人们的出行带来了相当大的便利。
随着移动互联网的发展，大众生活类的APP与移动GIS结合的越来越紧密。移动GIS在打车、购物、保险、旅游等大众应用领域也会有越来越多，越来越深入的应用。
GIS的兴起得益于计算机辅助地图制图的研究和应用。1963年，加拿大测量学家R.F.Tomlinson首先提出“地理信息系统”这一术语，并建立了世界上第一个地理信息系统。如今，地理信息系统已进入全面应用与产业化阶段，随着产业的形成和数字化信息产品在全世界的普及，GIS深入到各行各业、千家万户，成为人们不可缺少的工具和助手。据不完全统计，目前能够提供市场的商业化GIS相关软件产品已达200多种，在我国用户众多、知名度较高的主要软件有:ESRI公司的ArcInfo、ArcView，Intergraph公司的MGE、GeoMedia，Maplnfo公司的Maplnfo，Genasys公司的GENAMAP，中国地质大学的MAPGIS、武汉大学的Geostar、中国科学院资源与地理研究所的Supermap等，而其中又以ArcInfo软件功能最为强大。ARCGIS是应用最广泛的一种大型GIS软件，我国早期开发的GIS几乎都是以ArcInfo作为平台。其主要特点为:采用地理关系数据模型，提供极强制图功能、空间操作功能和分析功能;采用模块式结构，提高灵活度并易于扩充;提供宏命令语言AML实现快速编程;提供38种地图投影方式，可在不同投影之间实现坐标转换;开放式的结构，提供直接与多种数据库的接口;兼容性很好，能与25种不同系统的数据格式之间相互转换;独立于硬件，运行于不同的平台;广泛支持当今各种工业标准。但它没有DEM和插值计算，TABLES属性数据处理功能有限，且不具备统计图表分析功能(邹月，2000)。
近年来，随着计算机技术的快速发展，以及遥感技术、数字测绘技术、数据仓库技术、虚拟实景、多媒体技术、三维图形芯片及宽频光纤通讯技术的突破性进展，地理信息系统技术总体上呈现网络化、组件化、集成化、开放性等发展趋势(龚健雅，2004)。
1.基于数据库技术的海量空间数据管理
GIS技术的瓶颈之一就是如何解决海量空间数据管理问题。对于一个区域的GIS系统，其数据量极其巨大，一般达到GB或TB的数据量级。和传统的基于文档的管理方式相比，利用面向对象的大型数据库技术能够有效地解决这一问题。
在面向对象的空间数据库中，海量地图数据的使用变得更加简单，只需建立单一图层，不必再进行分幅处理。如果用户原来的数据源是分幅的，可将其全部存储到一个图层中，数据库将自动对其进行拼接和索引处理，可形成一个完整的图层。应用时，在客户端只需极少量的编程(实际上只是指定数据源)，就可实现对数据库里数据的动态显示。数据库会根据当前地图客户端的显示视野，自动将此范围内的图形检索出来，送到客户端显示。因此，即使在服务器端的数据是GB级的，在客户端的数据量却仅是几十到上百K的数量级，大大减轻了客户端系统的配置需求，并减轻了网络流量，可通过一般的网络(甚至远程)客户端进行访问。
2.网络GIS
信息高速公路的建立极大地方便了世界各地用户之间的信息交换与信息查询。由于GIS系统具有丰富的空间查询、空间分析及属性管理功能，而人们对Internet和GIS系统的需求不断深入，因此把GIS系统与网络技术相融合，利用Internet在Web上发布空间数据，为用户提供空间数据浏览、查询和分析的功能，形成一种网络化的地理空间集成平台，就成为当前GIS系统发展的必然趋势。与传统的GIS相比，WebGIS具有以下特点:
适应性强:WebGIS是基于互联网的，因而也是全球的，能够在不同的平台上运行。
应用面广:网络功能将使WebGIS应用到整个社会，真正实现GIS的无所不能，无处不在。
现实性强:地理信息的实时更新在网上进行，人们能得到最新信息和最新动态。
维护社会化:数据的采集、输入，空间信息的分析与发布将是在社会协调下运作。
使用简单:用户可以直接从网上获取所需要的各种地理信息，直接进行各种地理信息的分析，而不用关心空间数据库的维护和管理。
目前，网络GIS正在逐步普及，但还处于空间数据查询、浏览、发布与下载阶段，缺少强大的空间分析功能，而且受网络带宽的限制，影响了网络GIS的应用(龚健雅，2004)。
3.组件GIS
GIS基础软件可以定性为应用基础软件，它一般不作直接应用，而是根据某一行业或某一部门的特定需求进行二次开发。目前，大多数地理信息系统都已经过渡到基于组件的体系结构，一般都采用COM/DCOM技术。组件化GIS基于标准的组件式GIS平台，各组件之间不仅可以自由、灵活地重组，而且具有可视化的界面和标准的接口(于向鸿，2005)。组件软件的可编程和可重用特点为系统开发商提供了方便的二次开发手段，在很大程度上推动了GIS软件的工程化开发和大众化应用。组件GIS的特征主要体现在:
(1)高效无缝的系统集成:允许将专业模型、GIS控件、其他控件紧密地结合在统一的界面下。
(2)无须专门的GIS开发语言:只要掌握基于Windows平面的通用环境以及组件式GIS各控件的属性、方法和事件，就能完成应用系统的开发。
(3)大众化GIS:用户可以像使用其他ActiveX控件一样使用GIS的控件，使非专业的GIS用户也能胜任GIS应用开发工作。
(4)开发成本低:非GIS功能可以利用非专业控件，降低了系统的成本。
4.集成化GIS
一方面，以GIS为核心的“3S”(RS，GIS，GPS)集成，使得人们能够实时地采集数据、处理信息、更新数据以及分析数据。遥感是实时获取、动态处理和分析空间信息的先进技术系统，是为GIS提供准确可靠信息源和实时更新数据的重要保证。全球定位系统(GPS)为遥感实时数据定位，提供空间坐标，建立实时数据库。另一方面，地理信息系统技术与其他主流商务应用的集成，并能集成多种空间数据基础，使各种计算机软件彼此沟通、集成应用。GIS已发展成为具有多媒体网络、虚拟现实技术以及数据可视化的强大空间数据综合处理技术系统。
5.开放式GIS
开放式地理信息系统(OpenGIS)，是指在计算机网络环境下，根据行业标准和接口所建立起来的GIS，是为了使不同的地理信息系统之间具有良好的互操作性，以及实现在异构分布式数据库中的信息共享，克服传统GIS软件之间的相互封闭性(黄杏元，2004)。
为了研究和开发OpenGIS技术，1996年在美国成立的开放地理信息联合会研究和建立了开放式地理数据交互操作规程(OGIS，Open Geodata Interoperable Specification)。OGIS是为了寻找一种方式，将地理信息系统技术、分布处理技术、面向对象方法、数据库设计及实时信息获取方法更有效地结合起来。基于OGIS规范制订的开放系统模型，是一种软件工程和系统设计方法，这种方法应用于GIS领域，侧重于改变当前GIS模型中特定的应用系统及其功能与它内部数据模型及数据格式紧密捆绑的现状。OpenGIS技术将使GIS始终处于一种组织开放式的状态，真正成为服务于整个社会的产业以及实现地理信息全球范围内的共享与互操作，是未来网络环境下GIS技术发展的必然趋势。