Мобильная геоинформационная система

Мобильная геоинформационная система1

2, 2, 2

2 ГНУ НИИ прикладной математики и кибернетики ННГУ,
603005, Россия, 0,
, e-mail: *****@***ac. ru

Рассматривается создание программного обеспечения геоинформационной системы для карманных компьютеров (КПК), позволяющее решать широкий класс задач обработки пространственно-распределенных данных (ПРД). Эффективные модели и методы обработки ПРД, положенные в основу созданного ПО, позволили существенно повысить скорость обработки ПРД на КПК.

В НИИ прикладной математики и кибернетики Нижегородского госуниверситета (НИИ ПМК ННГУ) создана многофункциональная объектно-ориентированная топологическая геоинформационная система ГИС «Терра», позволяющая решать широкий спектр задач в различных областях деятельности. В настоящее время рынок геоинформационных технологий и систем становится все более дифференцированным, и достаточно большую его составляющую начинают занимать ГИС на портативных устройствах (КПК, смартфоны, мобильные телефоны, коммуникаторы и т. д.). Появление таких технологий значительно расширяет как круг пользователей портативной техники, так и область применения ГИС. Необходимо отметить, что портативные компьютеры обладают важными достоинствами, такими как мобильность и, при наличии GPS приемника, возможность определения местоположения. Однако им присущи и существенные недостатки, связанные с относительно невысокой производительностью и малыми объемами оперативной памяти.

Развитие и создание общесистемного и специализированного алгоритмического, программного обеспечения и ГИС технологии для карманных компьютеров (КПК) с целью решения широкого класса задач обработки пространственно-распределенных данных (ПРД) с учетом указанных преимуществ и недостатков этих устройств является актуальной задачей.

В докладе поставленная задача решается на базе адаптации и развития следующих эффективных математических моделей и методов описания, представления и принятия решений в задачах обработки ПРД:

-  иерархических моделей и методов описания и представления понятий и метрики пространственных объектов ПРД [1-5];

-  иерархических методов и технологий адаптивного сжатия графической информации [2,3,8];

-  иерархических структур и форматов представления и хранения информации о ПРД [2-4,8];

-  метода от общего к частному в задачах вычислительной геометрии на базе иерархических методов представления [1-2];

-  информационной технологии поуровневой передачи графической информации по сети «Интернет» [9];

-  эффективной динамической структуры и формата представления ПРД «Интегральный файл» [6,7,10];

-  эффективной иерархической структуры представления классификаторов ПРД [7];

-  системы запросов в понятиях (терминах) предметной области (не только в кодах) [6,10];

В результате создано эффективное информационное, алгоритмическое и программное обеспечение для КПК, позволяющее решать следующие задачи:

1.  Хранить во внешней памяти КПК(на картах памяти) большое количество как растровых изображений морских навигационных карт (МНК) (карта памяти объемом 2 ГБ – позволяет хранить более 1000 растровых изображений МНК), так и векторных карт.

2.  Осуществлять поиск карт на текущее местоположение, а также поиск соседних МНК.

3.  Осуществлять быстрый просмотр на экране дисплея как растровых, так и векторных МНК и планшетов, быстрый скроллинг, масштабирование, работу с тематическими слоями.

4.  Поддерживать функции системы глобальной спутниковой навигации (GPS).

5.  Осуществлять решение навигационных задач (построение и прокладка маршрутов, построение локсодромии и ортодромии для прокладки маршрутов на море, сохранение и загрузка маршрута, контроль движения по маршруту и т. д.)

6.  Осуществлять работу с заметками (создавать, сохранять и редактировать заметки, привязывать их к местности, заметки могут быть в виде произвольного текста, текста по шаблону описания объекта, а также в виде фотографий, полученных с цифровых камер, телефонов, смартфонов и т. д.)

7.  Осуществлять поддержку цифровых баз данных МНК (работа с классификатором в терминах предметной области, а не только в кодах, поиск по координатам, кодам, индексам, ближайших объектов к заданной точке, характеристикам и т. д.)

8.  Осуществлять удаленное слежение путем передачи данных с КПК на сервер ГИС «Терра» с оперативным отображением информации на цифровой карте.

9.  Решение ряда тематических задач.

Созданный программный комплекс обеспечивает эффективную работу с большими объемами хранимой графической информации, высокую скорость отображения цифровых карт на экране, масштабирование, скроллинга за счет адаптации эффективных иерархических методов адаптивного сжатия и иерархических структур представления сжатой информации.

Созданное ПО, позволяет использовать неотъемлемое преимущество портативных компьютеров – мобильность и GPS навигация. Например, при наличии смартфона с внешним или встроенным GPS приемником реализована возможность передавать текущее местоположение его владельца на удаленный сервер ГИС «Терра», где можно на цифровой карте видеть местоположение и траекторию движения в динамике. Также по данной связке (смартфон – компьютер) можно передавать на удаленный компьютер фотографии сделанные встроенным или внешним фотоаппаратом смартфона. В качестве же компьютера может выступать все тот же КПК, а в качестве модема для доступа в сеть Интернет может выступать смартфон или обычный сотовый телефон со встроенным GPRS модемом. Снятые с фотоаппарата снимки и переданные любым образом на КПК можно использовать в заметках. Так можно в любой точке на карте поставить заметку (флажок), привязать к ней фотографию объекта и в дальнейшем в любой момент времени просмотреть данную фотографию и текстовую заметку к ней.

Для организации эффективного поиска объектов по координатам и кодам, а также отбора объектов по характеристикам развита и реализована иерархическая структура описания и хранения, которая представляет собой дерево, адаптированное под пространственно-распределенные данные [2,11]. При поиске по такому дереву количество объектов, которое необходимо прочитать в десятки раз меньше, чем при линейном поиске.

Дерево организованно следующим образом:

1)  Корню дерева соответствует множество всех объектов. Каждый узел порождает несколько узлов, представляющих разбиение множества объектов данного узла на меньшие подмножества.

2)  Построение подмножеств объектов узла может производиться по различным критериям, учитывающим пространственные и семантические характеристики объектов.

3)  Для каждого объекта хранится код (например, 6.3.4.4.3, где каждая цифра обозначает свой раздел, например 6=водные ресурсы, 3=реки, 4 =судоходные и т. д.), номер и характеристики. Метрическое описание может быть – тогда она представляет собой список точек ломаной, совпадающей с границей объекта; может и не быть – например паспорт листа, специальные пометки и т. д.

В результате для поиска объектов по координатам просматривается полностью до листа только одна ветка. Далее от найденного листа осуществляется подъем вверх и те группы у которых нижняя оценка выше найденных объектов уже не просматриваются. Таким образом, отсекается большинство групп и читаются из файла метрики только тех объектов, которые наиболее вероятны для решения поставленной задачи.

При поиске по коду показателем наличия или отсутствия нужного объекта является общая часть кода всех объектов, входящих в данную ветвь. Таким образом, ветки содержащие общий код не совпадающий с началом искомого кода будут пропущены при поиске. В основном дерево адаптировано под поиск по координатам и объекты стоящие рядом группируются вместе вплоть до листов. Их коды же разнообразны. Но если учесть, что объекты с похожим кодом, как правило, находятся вблизи друг друга (например дома, водные объекты, леса, дороги и т. д.), а те объекты которые разбросаны по карте единичны – то мы также, как правило, получаем и группируем объекты схожие по коду и при поиске получаем значительное сокращение числа просматриваемых групп и объектов (листов).

При поиске по номеру и типу, в случае наличия объекта в БД, отображается объект (подсвечивается его граница) соответствующий запросу на карте. Возможен поиск ближайшего от указанного местоположения объекта выбранного типа в результате – отображается найденный объект и кратчайший путь до него от указанной точки.

Существует и еще один вид поиска – поиск по характеристикам. Практически у каждого объекта есть набор данных (характеристики). Например, высота столба, номер дома, название улицы, ширина реки и т. д. При поиске по коду и координатам пользователь выбирает объект из пяти найденных и получает информацию по данному объекту в виде списка характеристик. Но также пользователь может и производить поиск по характеристикам – например, найти все дома на улице Минина, все реки шириной более 100 метров, все телефонные кабели на улице Горького и т. д. Можно уточнить с каким кодом объекты следует рассматривать, а какие нет. Можно указать по каким характеристикам ведется поиск. Какое условие должно выполняться по данной характеристике и введенному эталону (больше, меньше, равно, не равно, входит строка, совпадает строка). Данный поиск по новой структуре организован следующим образом – ищутся все объекты с указанным кодом и уже среди них идет поиск полным перебором по указанным характеристикам.

Экспериментальные апробации программного комплекса подтвердили его эффективность – скорость поиска объектов сократилась с 30-60 секунд до 1-2 секунд. Существенное сокращение времени затрат было получено и при решении различных прикладных задач.

Список литературы

1.  Васин приспособленные локальные однородные методы обработки графической информации. //Автоматизация обработки сложной графической информации: Межвуз. сб. науч. тр. /Под ред. ; Горьк. гос. ун-т, Горький, 1984, с.131

2.  Васин различных стратегий обработки видеоинформации на базе локальных однородных рекуррентно-рекурсивных функций // Методы и средства обработки графической информации: Межвуз. сб. науч. тр. /Под ред. ; Горький, 1986, с.4-47.

3.  , Жерздев иерархического кодирования видеоинформации // Тезисы 12-й Международной конференции по компьютерной графике и машинному зрению ГрафиКон`2002. Н. Новгород: Изд-во НГАСУ, 2002. с.326-333.

4.  Кудин  эффективного хранения и оперативного отображения картографической растровой информации. – Диссертация на соискание ученой степени кандидата технических наук. Н. Новгород, 2000.

5.  , , Шишляев доступ к большеформатным изображениям по сети Интернет // Тезисы VIII Всероссийской научной конференции «Методы и средства обработки сложной графической информации». Н. Новгород, 2005. С.18-19.

6.  , Ясаков управления базами видеоданных // Методы и средства обработки графической информации: Межвуз. сб. науч. тр.; Горьк. Гос. Ун-т, Горький, 1989. с.93-115.

7.  , , Коротков знаний по лесоустройству и ее реализация в автоматизированной картографической системе // НТИ, сер.2. Информационные процессы и системы, 1990. №9, с.6-14.

8.  Vasin Yu. G., Zherzdev S. V. Information Techniques for Hierarchical Image Coding // Pattern Recognition and Image Analysis, Vol.13, No.3, 2003. P.539‑548.

9.  Vasin Ju. G., Zherzdev S. V., Shishlyaev M. V. Technology of remote raster images access // Proc. of 7-th international conference on Pattern recognition and image analysis: New information technologies. St. Petersburg, 2004. P.956-958

10. Yu. G. Vasin, Yu. V. Yasakov. GIS Terra: A graphic database management system // Pattern recognition and image analysis. 2004. Vol. 14. No. 4. P. 579-586.

11. Gisli R. Hjaltason and Hanan Samet: Distance Browsing in Spatial Databases // ACM Transactions on Database Systems 24, 2 (June 1999), pp. 265-318