多图层空间大数据叠加合并方法、装置、设备及存储介质与流程

1.本发明涉及空间信息技术领域，尤其涉及一种多图层空间大数据叠加合并方法、装置、设备及存储介质。


背景技术：

2.叠加分析是地理信息系统(gis)中一项非常重要的空间分析功能，它是基于两个或者两个以上的图层进行空间逻辑的交(交叉分析)、并(合并分析)、差(差异分析)的运算，并对叠加范围内的属性进行分析评定。随着空间数据的爆炸式增长，传统的串行叠加分析性能已达瓶颈，无力面对现有空间大数据分析的需求；同时，现有并行计算架构、分布式架构软硬件技术的发展，为叠加分析利用更多的计算资源提供了基础支撑，目前空间大数据的叠加分析算法主要是基于传统叠加算法，在空间数据的划分基础上引入分布式空间索引，通过任务调度的方式实现叠加分析，主要适用于叠加分析中的交叉分析、差异分析，提升的交叉分析和差异分析的效率，但是该方法在叠加分析的合并分析中，特别是多图层的合并分析，有待进一步的优化。现有的大数据叠加分析方法会有大量的重复计算，特别是在多图层叠加合并分析时，极大了浪费了计算资源，导致叠加合并分析的效率降低。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种多图层空间大数据叠加合并方法、装置、设备及存储介质，旨在解决现有方法在多图层叠加合并分析时效率低的技术问题。
5.为实现上述目的，本发明提供了一种多图层空间大数据叠加合并方法，所述方法包括以下步骤：
6.获取空间数据集，基于四叉树对所述空间数据集进行划分，其中，所述四叉树的各叶子节点分别存储有所述空间数据集划分后的各子空间数据集；
7.根据各叶子节点对应的最小外包围盒创建基底空间数据；
8.将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果；
9.对所述各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果，其中，所述目标叶子节点存储有所述目标子空间数据集，所述目标基底空间数据与所述目标叶子节点对应；
10.将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。
11.可选地，所述将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果，包括：
12.对目标子空间数据集进行遍历，确定目标基底空间数据与遍历到的空间要素之间
的交集数据以及差集数据；
13.将所述交集数据作为遍历到的空间要素对应的叠加交叉结果；
14.将所述差集数据作为更新后的基底空间数据；
15.根据所述更新后的基底空间数据对下一遍历到的空间要素进行叠加交叉分析，依此类推，得到各空间要素对应的叠加交叉结果。
16.可选地，所述将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果之后，所述方法还包括：
17.在获取到目标空间要素时，获取已与先前空间数据集进行叠加交叉分析后对应的剩余基底空间数据；
18.确定所述剩余基底空间数据与所述目标空间要素之间的当前交集数据；
19.将所述当前交集数据作为所述目标空间要素对应的叠加交叉结果；
20.将所述目标空间要素对应的叠加交叉结果合并至所述叠加合并分析结果中，得到更新后的叠加合并分析结果。
21.可选地，所述将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果，包括：
22.确定各叶子节点对应的计算节点；
23.在目标叶子节点对应的计算节点中将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果。
24.可选地，所述获取空间数据集，基于四叉树对所述空间数据集进行划分，包括：
25.获取空间数据集，从所述空间数据集中随机获取若干样本数据，生成样本数据集；
26.根据所述空间数据集的空间范围创建四叉树结构；
27.确定所述样本数据集中各样本数据对应的计算量强度；
28.根据所述计算量强度将所述样本数据集中各样本数据插入所述四叉树结构中，生成初始四叉树；
29.清除所述初始四叉树中各叶子节点存储的空间要素，得到空间树形结构；
30.将所述空间数据集插入至所述空间树形结构中，实现基于四叉树对所述空间数据集进行划分。
31.可选地，所述确定所述样本数据集中各样本数据对应的计算量强度，包括：
32.根据所述样本数据集中各样本数据的信息量确定对应的计算量强度。
33.可选地，所述根据所述计算量强度将所述样本数据集中各样本数据插入所述四叉树结构中，生成初始四叉树，包括：
34.将所述样本数据集中各样本数据对应的最小包围盒作为约束条件；
35.将所述样本数据集中各样本数据对应的所述计算量强度作为节点分裂判断条件；
36.根据所述约束条件和节点分裂判断条件将各样本数据插入所述四叉树结构中，生成初始四叉树。
37.此外，为实现上述目的，本发明还提出一种多图层空间大数据叠加合并装置，所述多图层空间大数据叠加合并装置包括：
38.获取模块，用于获取空间数据集，基于四叉树对所述空间数据集进行划分，其中，所述四叉树的各叶子节点分别存储有所述空间数据集划分后的各子空间数据集；
39.确定模块，用于根据各叶子节点对应的最小外包围盒创建基底空间数据；
40.叠加交叉分析模块，用于将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果；
41.所述叠加交叉分析模块，还用于对所述各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果，其中，所述目标叶子节点存储有所述目标子空间数据集，所述目标基底空间数据与所述目标叶子节点对应；
42.叠加合并分析模块，用于将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。
43.此外，为实现上述目的，本发明还提出一种多图层空间大数据叠加合并设备，所述多图层空间大数据叠加合并设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多图层空间大数据叠加合并程序，所述多图层空间大数据叠加合并程序配置为实现如上文所述的多图层空间大数据叠加合并方法。
44.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有多图层空间大数据叠加合并程序，所述多图层空间大数据叠加合并程序被处理器执行时实现如上文所述的多图层空间大数据叠加合并方法。
45.本发明通过获取空间数据集，基于四叉树对空间数据集进行划分，其中，四叉树的各叶子节点分别存储有空间数据集划分后的各子空间数据集；根据各叶子节点对应的最小外包围盒创建基底空间数据；将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果；对各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果，其中，目标叶子节点存储有目标子空间数据集，目标基底空间数据与目标叶子节点对应；将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。通过上述方式，引入了基底空间数据，在子空间中将叠加合并分析转化为叠加交叉分析，简化了合并逻辑的判定流程，各划分范围内的空间数据与其对应的基底空间数据进行迭代裁切，避免了数据重复计算，节约了计算资源，提升了叠加合并分析的效率。
附图说明
46.图1是本发明实施例方案涉及的硬件运行环境的多图层空间大数据叠加合并设备的结构示意图；
47.图2为本发明多图层空间大数据叠加合并方法第一实施例的流程示意图；
48.图3为本发明多图层空间大数据叠加合并方法一实施例的四叉树示意图；
49.图4为本发明多图层空间大数据叠加合并方法一实施例的叠加合并流程示意图；
50.图5为本发明多图层空间大数据叠加合并方法第二实施例的流程示意图；
51.图6为本发明多图层空间大数据叠加合并方法一实施例的叶子节点叠加合并示意图；
52.图7为本发明多图层空间大数据叠加合并方法一实施例的四叉树叠加合并示意图；
53.图8为本发明多图层空间大数据叠加合并方法第三实施例的流程示意图；
54.图9为本发明多图层空间大数据叠加合并装置第一实施例的结构框图。
55.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
56.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
57.参照图1，图1为本发明实施例方案涉及的硬件运行环境的多图层空间大数据叠加合并设备结构示意图。
58.如图1所示，该多图层空间大数据叠加合并设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
59.本领域技术人员可以理解，图1中示出的结构并不构成对多图层空间大数据叠加合并设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
60.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及多图层空间大数据叠加合并程序。
61.在图1所示的多图层空间大数据叠加合并设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明多图层空间大数据叠加合并设备中的处理器1001、存储器1005可以设置在多图层空间大数据叠加合并设备中，所述多图层空间大数据叠加合并设备通过处理器1001调用存储器1005中存储的多图层空间大数据叠加合并程序，并执行本发明实施例提供的多图层空间大数据叠加合并方法。
62.本发明实施例提供了一种多图层空间大数据叠加合并方法，参照图2，图2为本发明多图层空间大数据叠加合并方法第一实施例的流程示意图。
63.本实施例中，所述多图层空间大数据叠加合并方法包括以下步骤：
64.步骤s10：获取空间数据集，基于四叉树对所述空间数据集进行划分，其中，所述四叉树的各叶子节点分别存储有所述空间数据集划分后的各子空间数据集。
65.可以理解的是，本实施例的执行主体为多图层空间大数据叠加合并设备，所述多图层空间大数据叠加合并设备可以为计算机、服务器等设备，还可以为其他具备大数据叠加分析能力的设备，本实施例对此不加以限制。
66.需要说明的是，本实施例中采用伯努利二次分布式从空间数据集中获取样本数据集，以空间数据集的空间范围创建非线性空间四叉树，利用预设计算量强度计算函数确定样本数据集中各空间要素对应的计算量强度，以样本数据集中各空间要素对应的计算量强度为判定条件插入至非线性空间四叉树中，生出初始四叉树。初始四叉树创建完毕后，清除叶子节点中所存储的空间要素，保留生成的空间树形结构，将空间数据集中各空间要素根据最小外包围盒插入至四叉树中，此时四叉树的空间结构不再改变，叶子节点的空间范围
为各子数据块的划分范围，四叉树中各叶子节点存储有空间数据集划分后的子空间数据集。参照图3，图3为本发明多图层空间大数据叠加合并方法一实施例的四叉树示意图，图3中的四叉树包括l1、l2、l3、l4四个叶子节点，其中l1叶子节点中存储有子空间数据集{a,b,c,d}，l2叶子节点中存储有子空间数据集{g,e,f}，l3叶子节点中存储有子空间数据集{l,j,k}，l4叶子节点中存储有子空间数据集{i,f,h}。
67.步骤s20：根据各叶子节点对应的最小外包围盒创建基底空间数据。
68.可以理解的是，参照图3，根据各叶子节点的最小外包围盒(x
i1
,x
i2
,y
i1
,y
i2
)创建基底空间数据b1、b2、b3、b4。
69.步骤s30：将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果。
70.步骤s40：对所述各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果，其中，所述目标叶子节点存储有所述目标子空间数据集，所述目标基底空间数据与所述目标叶子节点对应。
71.需要说明的是，不同的叶子节点存储有不同的空间子数据集，本实施例为了便于说明，将任意一个叶子节点存储的子空间数据集称为目标子空间数据集，也即本实施例通过步骤s30计算各个叶子节点对应的叠加交叉结果。
72.应当理解的是，参照图3，本实施例以叶子节点l1为例进行说明，叶子节点l1对应的基底数据为b1，存储的子空间数据集为{a,b,c,d}，确定计算集为(b1,{a,b,c,d})，将{a,b,c,d}中各空间要素依次与b1,进行叠加交叉分析，例如，将空间要素a与b1进行叠加交叉分析，确定两者之间的交集ar为a，差集b
11
为b
1-a，将差集b
11
作为下一空间要素b叠加交叉分析时的基底空间数据，即将空间要素b与b
11
进行叠加交叉分析，确定两者之间的交集br为b
11
∩b，差集b
12
为b
11-(b
11
∩b)，以此类推，得到子空间数据集{a,b,c,d}中各空间要素对应的叠加交叉分析结果{ar,br,cr,dr}，将结果进行合并，得到叶子节点l1对应的叠加交叉分析结果。
73.需要说明的是，跨多个叶子节点空间要素需与各叶子节点集所对应的基底数据集进行迭代裁剪裁切，例如图3中的空间要素f，将空间要素f与基底数据b2以及b4进行迭代裁剪裁切，得到叶子节点l2和叶子节点l4对应的叠加交叉分析结果。
74.进一步地，为了在各子空间保持叠加合并相互独立，提升分布式或并行计算的效率，所述步骤s30，包括：确定各叶子节点对应的计算节点；在目标叶子节点对应的计算节点中将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果。
75.应当理解的是，将各叶子节点的子空间数据集{ci}与对应的基底空间数据{bi}在分布式环境中进行并行计算，将(b1,c1)、(b2,c2)、(b3,c3)、(b4,c4)分别在不同的计算节点中按照步骤s30进行计算，实现叠加合并计算的并行化。在具体实现中，所述步骤s40，包括：在目标叶子节点对应的计算节点中对所述各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果。
76.步骤s50：将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。
77.需要说明的是，各叶子节点计算结果之间不存在空间重叠的关系，将各叶子节点
叠加交叉分析的最终结果直接进行合并，并将合并结果输出，如图4，图4为本发明多图层空间大数据叠加合并方法一实施例的叠加合并流程示意图，基于四叉树对空间大数据进行数据划分，在各个叶子节点中创建基底空间数据，即空间范围对象，将各叶子节点中存储的子空间数据与基底范围对象进行叠加交叉分析，将各空间要素对应的叠加交叉结果进行合并，并将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加合并结果。
78.本实施例通过获取空间数据集，基于四叉树对空间数据集进行划分，其中，四叉树的各叶子节点分别存储有空间数据集划分后的各子空间数据集；根据各叶子节点对应的最小外包围盒创建基底空间数据；将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果；对各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果，其中，目标叶子节点存储有目标子空间数据集，目标基底空间数据与目标叶子节点对应；将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。通过上述方式，引入了基底空间数据，在子空间中将叠加合并分析转化为叠加交叉分析，简化了合并逻辑的判定流程，各划分范围内的空间数据与其对应的基底空间数据进行迭代裁切，避免了数据重复计算，节约了计算资源，提升了叠加合并分析的效率。
79.参考图5，图5为本发明多图层空间大数据叠加合并方法第二实施例的流程示意图。
80.基于上述第一实施例，本实施例多图层空间大数据叠加合并方法的所述步骤s30，包括：
81.步骤s301：对目标子空间数据集进行遍历，确定目标基底空间数据与遍历到的空间要素之间的交集数据以及差集数据。
82.步骤s302：将所述交集数据作为遍历到的空间要素对应的叠加交叉结果。
83.步骤s303：将所述差集数据作为更新后的基底空间数据。
84.步骤s304：根据所述更新后的基底空间数据对下一遍历到的空间要素进行叠加交叉分析，依此类推，得到各空间要素对应的叠加交叉结果。
85.可以理解的是，将目标子空间数据集中的各个空间要素依次与目标基底空间数据进行叠加交叉分析，参照图3和图6，图6为本发明多图层空间大数据叠加合并方法一实施例的叶子节点叠加合并示意图，以叶子节点l1为例进行说明，叶子节点l1对应的基底数据为b1，存储的子空间数据集为{a,b,c,d}，空间要素a作为第一个遍历到的空间要素，确定空间要素a与目标基底空间数据之间的交集数据ar为a、差集数据b
11
为b
1-a，将差集数据b
11
作为下一个遍历到的空间要素对应的基底空间数据；空间要素b作为第二个遍历到的空间要素，确定空间要素b与基底空间数据b
11
之间的交集数据br为b
11
∩b、差集数据b
12
为b
11-(b
11
∩b)，将差集数据b
12
作为下一个遍历到的空间要素对应的基底空间数据；空间要素c作为第三个遍历到的空间要素，确定空间要素c与基底空间数据b
12
之间的交集数据cr为b
12
∩c、差集数据b
13
为b
12-(b
12
∩c)，将差集数据b
13
作为下一个遍历到的空间要素对应的基底空间数据；空间要素d作为第四个遍历到的空间要素，确定空间要素d与基底空间数据b
13
之间的交集数据dr为b
13
∩c、差集数据b
14
为b
13-(b
13
∩d)，确定各空间要素对应的叠加交叉结果为{ar,br,cr,dr}。
86.需要说明的是，将各空间要素对应的叠加交叉结果为{ar,br,cr,dr}进行合并，得
到叶子节点l1对应的叠加交叉分析结果，同理地，通过步骤s301-s305得到叶子节点l2、l3、l4对应的叠加交叉分析结果，参照图7，图7为本发明多图层空间大数据叠加合并方法一实施例的四叉树叠加合并示意图，将l1、l2、l3、l4对应的叠加交叉分析结果进行合并，得到叠加合并分析结果。
87.进一步地，所述步骤s50之后，所述方法还包括：在获取到目标空间要素时，获取已与先前空间数据集进行叠加交叉分析后对应的剩余基底空间数据；确定所述剩余基底空间数据与所述目标空间要素之间的当前交集数据；将所述当前交集数据作为所述目标空间要素对应的叠加交叉结果；将所述目标空间要素对应的叠加交叉结果合并至所述叠加合并分析结果中，得到更新后的叠加合并分析结果。
88.应当理解的是，若有其它空间要素集参与计算，以步骤s301-s305中计算得到的剩余基底数据作为“基底”数据，确定剩余基底数据与当前获取到的目标空间要素之间的交集数据和差集数据，将交集数据添加进之前得到的叠加合并结果中，生成更新后的叠加合并分析结果。在具体实现中，如果当前获取到的目标空间要素对应的范围已被前次叠加完全覆盖，则该目标空间要素对应的叠加合并分析结果为空，后续目标空间要素无需参与计算，相比于传统叠加合并分析方法，避免了数据的重复计算，提高了叠加合并分析计算效率。
89.本实施例通过获取空间数据集，基于四叉树对空间数据集进行划分；对目标子空间数据集进行遍历，确定目标基底空间数据与遍历到的空间要素之间的交集数据以及差集数据；将交集数据作为遍历到的空间要素对应的叠加交叉结果；将差集数据作为更新后的基底空间数据；根据更新后的基底空间数据对下一遍历到的空间要素进行叠加交叉分析，依此类推，得到各空间要素对应的叠加交叉结果；对各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果；将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。通过上述方式，引入了基底空间数据，在子空间中将叠加合并分析转化为叠加交叉分析，简化了合并逻辑的判定流程，确定子空间数据集中各空间要素与基底空间数据之间的交集和差集，将差集作为下一空间要素进行叠加交叉分析时的基底数据，避免了数据重复计算，节约了计算资源，在不同计算节点中对各叶子节点进行并行叠加交叉分析，提升了叠加合并分析的效率。
90.参考图8，图8为本发明多图层空间大数据叠加合并方法第三实施例的流程示意图。
91.基于上述第一实施例，本实施例多图层空间大数据叠加合并方法的所述步骤s10，包括：
92.步骤s101：获取空间数据集，从所述空间数据集中随机获取若干样本数据，生成样本数据集。
93.可以理解的是，本实施例中利用伯努利二次分布式从空间数据集s{v1,v2,v3,...,vn}中随机获取若干样本数据，生成样本数据集m{vi,vb,vh,...,vj}。
94.步骤s102：根据所述空间数据集的空间范围创建四叉树结构。
95.步骤s103：确定所述样本数据集中各样本数据对应的计算量强度。
96.具体地，所述步骤s103，包括：根据所述样本数据集中各样本数据的信息量确定对应的计算量强度。
97.可以理解的是，根据各样本数据对应的信息量基于预设计算量强度函数计算各样本数据对应的计算量强度，预设计算量强度函数参见公式(1)：
98.f(e)＝v(vi)*log(v(vi))
ꢀꢀꢀ
(1)
99.其中，vi表示样本数据集中各样本数据，v(vi)表示vi要素对象的信息量(字节数)。
100.步骤s104：根据所述计算量强度将所述样本数据集中各样本数据插入所述四叉树结构中，生成初始四叉树。
101.具体地，所述步骤s104，包括：将所述样本数据集中各样本数据对应的最小包围盒作为约束条件；将所述样本数据集中各样本数据对应的所述计算量强度作为节点分裂判断条件；根据所述约束条件和节点分裂判断条件将各样本数据插入所述四叉树结构中，生成初始四叉树。
102.需要说明的是，设定叶子节点中最大计算量强度为n，根据公式(1)计算样本数据集m{vi,vb,vh,...,vj}中各要素对象的计算量强度{ni,nb,nh,
…
,nj}，确定m{vi,vb,vh,...,vj}中各要素对象的最小包围盒{ri,rb,rh,...,rj}，构建要素对象三元组集合{oi(vi,ni,ri)}，针对各个样本数据以最小包围盒ri作为约束条件插入四叉树结构中，以计算量强度ni作为叶子节点的是否分裂的判定条件，若计算量强度为ni的样本数据加入某叶子节点后该叶子节点对应的总计算量强度大于n，则该叶子节点进行分裂，将该样本数据插入新生成的叶子节点，若计算量强度为ni的样本数据加入某叶子节点后该叶子节点对应的总计算量强度不大于n，则直接将该样本数据vi插入至该叶子节点，将样本数据集中全部样本数据均插入至四叉树结构中，生成初始四叉树q(m)。
103.步骤s105：清除所述初始四叉树中各叶子节点存储的空间要素，得到空间树形结构。
104.步骤s106：将所述空间数据集插入至所述空间树形结构中，实现基于四叉树对所述空间数据集进行划分。
105.应当理解的是，初始四叉树q(m)创建完毕后，清除叶子节点中的所存储空间要素，保留生成的空间树形结构，将空间数据集s插入空间树形结构中，具体地，根据空间数据集s中各空间要素对应的最小外包围盒将空间数据集s插入空间树形结构中，此时四叉树q(m)结构不再改变，叶子节点的空间范围为各子数据块的划分范围，四叉树q(m)中各叶子节点li中所存储的空间数据集为子空间数据集ci{v
i1
,v
i2
,v
i3
,...,v
in
}。
106.本实施例通过获取空间数据集，从空间数据集中随机获取若干样本数据，生成样本数据集；根据空间数据集的空间范围创建四叉树结构；确定样本数据集中各样本数据对应的计算量强度；根据计算量强度将样本数据集中各样本数据插入四叉树结构中，生成初始四叉树；清除初始四叉树中各叶子节点存储的空间要素，得到空间树形结构；将空间数据集插入至空间树形结构中，实现基于四叉树对空间数据集进行划分；根据各叶子节点对应的最小外包围盒创建基底空间数据；将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果；对各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果；将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。通过上述方式，通过计算量强度对空间数据集进行划分，为数据划分后的叠加合并分析算法的独立计算提供数据基础，提升了面向空间大数据叠加合并分析的效
率。引入了基底空间数据，在子空间中将叠加合并分析转化为叠加交叉分析，简化了合并逻辑的判定流程，各划分范围内的空间数据与其对应的基底空间数据进行迭代裁切，避免了数据重复计算，节约了计算资源。
107.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有多图层空间大数据叠加合并程序，所述多图层空间大数据叠加合并程序被处理器执行时实现如上文所述的多图层空间大数据叠加合并方法。
108.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
109.参照图9，图9为本发明多图层空间大数据叠加合并装置第一实施例的结构框图。
110.如图9所示，本发明实施例提出的多图层空间大数据叠加合并装置包括：
111.获取模块10，用于获取空间数据集，基于四叉树对所述空间数据集进行划分，其中，所述四叉树的各叶子节点分别存储有所述空间数据集划分后的各子空间数据集。
112.确定模块20，用于根据各叶子节点对应的最小外包围盒创建基底空间数据。
113.叠加交叉分析模块30，用于将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果；
114.所述叠加交叉分析模块30，还用于对所述各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果，其中，所述目标叶子节点存储有所述目标子空间数据集，所述目标基底空间数据与所述目标叶子节点对应。
115.叠加合并分析模块40，用于将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。
116.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
117.本实施例通过获取空间数据集，基于四叉树对空间数据集进行划分，其中，四叉树的各叶子节点分别存储有空间数据集划分后的各子空间数据集；根据各叶子节点对应的最小外包围盒创建基底空间数据；将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果；对各空间要素对应的叠加交叉结果进行合并，得到叠加交叉结果的并集为目标叶子节点对应的叠加交叉分析结果，其中，目标叶子节点存储有目标子空间数据集，目标基底空间数据与目标叶子节点对应；将各叶子节点对应的叠加交叉分析结果进行合并，得到叠加交叉分析结果的并集为叠加合并分析结果。通过上述方式，引入了基底空间数据，在子空间中将叠加合并分析转化为叠加交叉分析，简化了合并逻辑的判定流程，各划分范围内的空间数据与其对应的基底空间数据进行迭代裁切，避免了数据重复计算，节约了计算资源，提升了叠加合并分析的效率。
118.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
119.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的多图层空间大数据叠加合并方法，此处不再赘述。
120.在一实施例中，所述叠加交叉分析模块30，还用于对目标子空间数据集进行遍历，确定目标基底空间数据与遍历到的空间要素之间的交集数据以及差集数据；将所述交集数
据作为遍历到的空间要素对应的叠加交叉结果；将所述差集数据作为更新后的基底空间数据；根据所述更新后的基底空间数据对下一遍历到的空间要素进行叠加交叉分析，依此类推，得到各空间要素对应的叠加交叉结果。
121.在一实施例中，所述叠加合并分析模块40，还用于在获取到目标空间要素时，获取已与先前空间数据集进行叠加交叉分析后对应的剩余基底空间数据；确定所述剩余基底空间数据与所述目标空间要素之间的当前交集数据；将所述当前交集数据作为所述目标空间要素对应的叠加交叉结果；将所述目标空间要素对应的叠加交叉结果合并至所述叠加合并分析结果中，得到更新后的叠加合并分析结果。
122.在一实施例中，所述叠加交叉分析模块30，还用于确定各叶子节点对应的计算节点；在目标叶子节点对应的计算节点中将目标子空间数据集中的各空间要素依次与目标基底空间数据进行叠加交叉分析，得到各空间要素对应的叠加交叉结果。
123.在一实施例中，所述获取模块10，还用于获取空间数据集，从所述空间数据集中随机获取若干样本数据，生成样本数据集；根据所述空间数据集的空间范围创建四叉树结构；确定所述样本数据集中各样本数据对应的计算量强度；根据所述计算量强度将所述样本数据集中各样本数据插入所述四叉树结构中，生成初始四叉树；清除所述初始四叉树中各叶子节点存储的空间要素，得到空间树形结构；将所述空间数据集插入至所述空间树形结构中，实现基于四叉树对所述空间数据集进行划分。
124.在一实施例中，所述获取模块10，还用于根据所述样本数据集中各样本数据的信息量确定对应的计算量强度。
125.在一实施例中，所述获取模块10，还用于将所述样本数据集中各样本数据对应的最小包围盒作为约束条件；将所述样本数据集中各样本数据对应的所述计算量强度作为节点分裂判断条件；根据所述约束条件和节点分裂判断条件将各样本数据插入所述四叉树结构中，生成初始四叉树。
126.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
127.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
128.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
129.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。