發(fā)布時(shí)間：2021-09-08 07:51

　　以數(shù)據(jù)為驅(qū)動(dòng),從接入采集、組織預(yù)處理、關(guān)系挖掘和交互分析結(jié)果直觀高效展現(xiàn)4個(gè)方面研究了目標(biāo)態(tài)勢(shì)數(shù)據(jù)可視化全過程,提出了一種在Web環(huán)境下以地理信息系統(tǒng)為主要載體的目標(biāo)態(tài)勢(shì)數(shù)據(jù)可視化交互框架,實(shí)現(xiàn)了目標(biāo)態(tài)勢(shì)數(shù)據(jù)可視化聯(lián)動(dòng)分析和可視化證據(jù)鏈追溯等功能,其關(guān)鍵技術(shù)可廣泛應(yīng)用于搶險(xiǎn)預(yù)案應(yīng)對(duì)和作戰(zhàn)分析等領(lǐng)域。 

【文章來源】：指揮信息系統(tǒng)與技術(shù). 2020,11(02)

【文章頁數(shù)】：6 頁

【部分圖文】：

可視化框架數(shù)據(jù)處理流程

基于網(wǎng)格距離的點(diǎn)聚合算法（grid?based cluster?ing)[12]，將地圖劃分為指定閾值的正方形，根據(jù)地圖上點(diǎn)的經(jīng)緯度，將落在對(duì)應(yīng)格子中的點(diǎn)聚合到該正方形中，最終取該正方形的中心點(diǎn)作為聚合到該正方形中所有點(diǎn)的代表，并在該中心點(diǎn)上顯示聚合點(diǎn)包含的原始點(diǎn)數(shù)量，該方法對(duì)每個(gè)原始點(diǎn)只需計(jì)算一次，無復(fù)雜的距離計(jì)算，故效率較高，但對(duì)于恰好位于網(wǎng)格邊界上的點(diǎn)來說，可能會(huì)誤判為位于不同網(wǎng)格，臨邊點(diǎn)多樣聚合示意圖如圖2所示。圖中，空心圓A和B 2個(gè)點(diǎn)位于相鄰2個(gè)正方形的邊界上，實(shí)心點(diǎn)1和2分別是2個(gè)相鄰正方形的中心點(diǎn)，基于網(wǎng)格距離的點(diǎn)聚合算法可能使點(diǎn)A聚合到點(diǎn)2，點(diǎn)B聚合到點(diǎn)1；另外，對(duì)于空心點(diǎn)C，由于其位于4個(gè)相鄰正方形的交點(diǎn)上，故點(diǎn)C可能被聚合到點(diǎn)1、2、3或4。由此可見，基于網(wǎng)格距離的點(diǎn)聚合算法對(duì)于人為劃分的正方形邊界上點(diǎn)的判斷具有一定的誤差和局限性�；诰嚯x的點(diǎn)聚合算法（distance?based cluster?ing），需先指定一個(gè)聚合的距離閾值，對(duì)每個(gè)點(diǎn)進(jìn)行迭代計(jì)算距離[13]。若該點(diǎn)位于某個(gè)已有聚合點(diǎn)的距離閾值內(nèi)，則將該點(diǎn)聚合到此；否則，該點(diǎn)作為一個(gè)新的聚合點(diǎn)，如此循環(huán)迭代至所有點(diǎn)均已找到所屬聚合點(diǎn)。該方法可較準(zhǔn)確地實(shí)現(xiàn)點(diǎn)的聚合，但每個(gè)聚合點(diǎn)均以起始點(diǎn)作為最終聚合點(diǎn)，必然會(huì)受到起始點(diǎn)選擇的影響，且點(diǎn)與點(diǎn)間距離的迭代計(jì)算使得計(jì)算復(fù)雜度上升。

本文提出基于距離與最小點(diǎn)限制的分批渲染算法。先通過計(jì)算點(diǎn)與點(diǎn)間距離進(jìn)行聚合處理，再根據(jù)給定最小點(diǎn)閾值對(duì)第1層聚合結(jié)果進(jìn)行判斷，若某個(gè)聚合點(diǎn)的聚合元素?cái)?shù)大于最小點(diǎn)閾值，則保留該聚合點(diǎn)；反之，則解散該聚合點(diǎn)；最后，對(duì)所有待聚合的點(diǎn)根據(jù)其類別分批進(jìn)行聚合計(jì)算并渲染。分批聚合渲染過程示意圖如圖3所示，其中三角形和小圓點(diǎn)表明不同類別的標(biāo)注點(diǎn)，圖3(a)中A1、A2、A3和A4及圖3(b)中B1、B2、B3和B4分別表明標(biāo)注類型A和B經(jīng)過第1步基于距離計(jì)算所得的聚合結(jié)果，假設(shè)最小點(diǎn)閾值為2，那么類型A和B中需解散的聚合點(diǎn)分別是A3、B2和B3；圖3(d)展現(xiàn)了最終的聚合效果。由于圖3(a)和(b)中類型A和B分批進(jìn)行聚合計(jì)算，分批渲染，避免了瀏覽器一次渲染大量標(biāo)注點(diǎn)導(dǎo)致的卡頓或崩潰現(xiàn)象。1.1.2 戰(zhàn)場目標(biāo)多維聯(lián)動(dòng)分析

【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)—業(yè)務(wù)—協(xié)作架構(gòu)的作戰(zhàn)規(guī)劃軟件平臺(tái)[J]. 陶德進(jìn),沈馳,劉花云.  指揮信息系統(tǒng)與技術(shù). 2019(01)
[2]三維可視區(qū)域的定義[J]. 于莉莉,蘇曉光,張磊.  產(chǎn)業(yè)與科技論壇. 2018(13)
[3]基于路由模式的前端框架設(shè)計(jì)與改進(jìn)[J]. 陳辰,王萌,程旭.  電腦知識(shí)與技術(shù). 2018(12)
[4]前后端分離的終端自適應(yīng)動(dòng)態(tài)表單設(shè)計(jì)[J]. 喻瑩瑩,李新,陳遠(yuǎn)平.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(04)
[5]多維數(shù)據(jù)可視化技術(shù)的應(yīng)用探究[J]. 高斐,蘇晨,陳梅.  電腦知識(shí)與技術(shù). 2018(05)
[6]Web前端開發(fā)技術(shù)的演化與MVVM設(shè)計(jì)模式研究[J]. 李嘉,趙凱強(qiáng),李長云.  電腦知識(shí)與技術(shù). 2018(02)
[7]基于Web頁面的大規(guī)模數(shù)據(jù)可視化系統(tǒng)研究[J]. 蔡潔銳.  機(jī)電工程技術(shù). 2017(06)
[8]基于實(shí)時(shí)數(shù)據(jù)庫的數(shù)據(jù)可視化分析系統(tǒng)[J]. 葉康林.  計(jì)算機(jī)仿真. 2017(01)
[9]基于證據(jù)鏈的電子證據(jù)可信性分析[J]. 趙志巖,石文昌.  計(jì)算機(jī)科學(xué). 2016(07)
[10]基于數(shù)據(jù)挖掘的海戰(zhàn)場態(tài)勢(shì)可視化平臺(tái)構(gòu)建[J]. 陳曉峰,劉興,高元博,鄭亞波.  火力與指揮控制. 2015(04)

博士論文
[1]飛行控制系統(tǒng)傳感器信息融合與容錯(cuò)方法研究[D]. 袁燎原.西北工業(yè)大學(xué) 2015

碩士論文
[1]基于WebGIS的農(nóng)業(yè)地理數(shù)據(jù)可視化技術(shù)研究及應(yīng)用[D]. 張健.浙江大學(xué) 2015
[2]一種基于組件化的云服務(wù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 宋歡歡.北京郵電大學(xué) 2011



本文編號(hào)：3390416