空间数据挖掘

第19卷第2期2002年6月

测绘学院学报

JournalofInstituteofSurveyingandMappingVol.19No.2Jun.2002

　文章编号:10092427X(2002)0220124204

空间多维数据模型及OLAP的设计与实现

徐铭杰1,梁留科2

(1.信息工程大学测绘学院,河南郑州　450052;2.河南大学环境与规划学院,河南开封　475001)

摘要:多维数据模型定义了数据仓库的度量和维度结构,是OLAP手段。但用传统的多维数据模型和OLAP模型中引入空间维度,,,从而构造出空间多维数据模型和空间立方体。OLAP操作。关　键　词:空间数据仓库;空间多维数据模型;;空间立方体;OLAP中图分类号:P282　　　　　、数字城市建。、完整的、非易失的、不同时间的、用于支持决策管理的数据集合[1],它的数据可以从联机的事务处理系统、异构的外部数据源、脱机的历史业务数据中得到。涉及到的技术包括构建多维数据模型、数据抽取、存储、管理、OLAP和数据挖掘等。多维数据模型中定义了数据仓库的度量、维度结构以及层次间聚合算子,是OLAP和某些数据挖掘模型的基础。采用传统的多维数据模型和OLAP技术处理空间数据具有较大的局限性,针对这些问题,特构建空间多维模型,即,在雪花模型中引入空间维度;在度量中引入指向空间聚合的指针;引入空间聚合生成、空间子方查询、空间OLAP等操作算子。在此模型基础上,试验了空间数据立方体的空间OLAP操作。1　传统多维数据模型的局限性

OLAP服务大多基于关系模型和多维数据模

结果具有特定意义,需要构造特定的空间聚合与

检索算子。

2)传统的OLAP分析的结果为报表和统计图表,缺乏空间数据的最佳展示手段———电子地图,因而无法获得空间数据的直观整体分布。

在多维数据模型中,空间数据往往作为空间维度而出现。空间数据具有层次性,反映空间维度具有概念层次结构,层间具有空间聚合关系;空间数据也可作为度量出现,此时它是空间维度上钻取(drillingdown)、钻穿(drillingtrough)和回卷(rollingup)、切片(slicing)、切块(dicing)等操作的结果。

2　空间多维数据模型

型,所存储和分析处理的数据多为结构化关系型

数据,传统的多维数据模型处理空间数据(典型的复杂结构数据)有较大的缺陷,主要表现为:

1)无论作为维度,还是作为度量,传统模型均不能直接操作空间数据。空间数据往往需要泛化为非空间数据,才可以作为维度,此时已失去其几何定义;作为度量,由于空间数据泛化后不是数值型,或者采用数值型聚合函数无意义而无法聚合。空间数据的聚合具有特定的算法,且其聚合

收稿日期:2002201222

;修回日期:2002203215　　　　

维度与度量分别依托于维表(dimensiontable)和事实表(facttable),维表和事实表根据其间联接方式,可以构成星型模型(starschema)、雪花模型(snow2flakeschema)等。目前基于关系型数据的研究认为:尽管规范的维表可以节省空间,但会因为存在较多的表连接(tablejoin)操作而降低了浏览的性能,因而认为星型模型更适宜作为数据仓库的逻辑模型[2]。作者认为,由于空间数据作为度量,其运算的时间及空间复杂度一般远远高于简单的关系型数据,尽管提出了一些空间子方物化(spatialcuboidsmaterialization)、预计算(pre2computation)和将用户查询转化为物化子方(materializationcuboids)的算法[2],空间数据在线处理的代价仍然很高,采用星型模型难以获得类

作者简介:徐铭杰(1970-),男,河南郑州人,助理研究员,博士生,主要从事地理信息系统和图像处理研究。