信息工程大学郑景飚：面向矢量地图数据的时空对象生成工作流技术 | 《时空信息学报》2024年第1期

本文内容转载自： 时空信息学报。版权归原作者及刊载媒体所有，所刊载内容仅供交流参考使用，不代表本刊立场。

面向矢量地图数据的时空对象生成工作流技术

郑景飚^1,2，吉晓宇^1,3，曹一冰¹

1. 信息工程大学 地理空间信息学院，郑州 ；
2. 中国人民解放军96726部队，清远 ；
3. 郑州师范学院 信息科学与技术学院，郑州

摘 要：针对目前存在的由矢量地图数据生成时空对象的方法通用性、灵活性、可复用性不足等问题，本研究提出一种面向矢量地图数据生成时空对象的工作流技术框架。首先，将由矢量地图数据生成时空对象的流程划分为文件解析层、时空对象构建层和数据持久层三个层次；在文件解析层进行矢量地图数据的多要素解析以获取原始属性信息，在时空对象构建层将各几何要素进一步封装为时空对象，在数据持久层将时空对象及其关联的映射集进行批量入库，各层之间基于工作流引擎变量进行功能连接和信息传递；其次，在Camunda工作流引擎外部任务模式下实现了上述框架，在三个层次设计了五个功能节点和六个引擎变量，可分别针对不同任务需求进行功能节点的模块化拼接；最后，以重庆市大德镇6852份农田矢量数据和某出租车3306条轨迹数据为例，分别测试了各节点的独立功能、多节点拼接和全功能的时空对象批量生成任务。结果表明，研究成果可以在进行少量人工干预的情况下，实现从矢量地图数据生成时空对象的各项自定义任务，提高了时空对象生成的灵活性和复用性。

关键词：时空对象；工作流；矢量地图数据；功能节点；Camunda

引用格式：郑景飚, 吉晓宇, 曹一冰. 2024. 面向矢量地图数据的时空对象生成工作流技术. 时空信息学报, 31(1): 32-40
Zheng J B, Ji X Y, Cao Y B. 2024. Spatio-temporal object generation workflow technology for vector map data. Journal of Spatio-temporal Information, 31(1): 32-40, doi: 10.20117/j.jsti.

1 引 言

实体是现实世界的组成单元，对象是实体在计算机中的数字化描述，在地理信息科学领域，常在对象中增加时间和空间特征的描述形成时空对象，以描述实体随时空的动态演化。随着研究的深入，出现了由时空参照、空间形态、空间位置、组成结构、关联关系、行为能力、认知能力和属性特征共八元组特征组成的多粒度时空对象描述框架，使时空对象更加具体全面，为时空对象的生成奠定了坚实的理论基础（华一新和周成虎，2017；华一新等，2023）。

一方面，时空对象生成是将传统地理数据源进行解析、加工，并重新整合为时空对象数据结构进行存储的过程。常见的地理数据源包括矢量地图数据、栅格地图数据、数值数据、模型参数数据等（何小波等，2021；单卫东等，2023）。其中，矢量地图数据位置精度高、语义丰富及空间关系清晰明确，是应用最为广泛的数据源类型之一，面向矢量地图数据的时空对象生成方法是实体化建模技术的重要研究内容（张毅等，2021）。根据生成过程的自动化程度，可将现有方法归纳为基于可视化交互的手动生成方法和基于对象类模板与数据转换规则的批量生成方法两种（张江水等，2018）。其中，前者是用户通过可视化建模工具进行一系列特定的交互操作来逐个生成时空对象的方法；后者是通过分析数据源的共有特征归纳出匹配时空对象的模板或规则，并通过一定手段批量生成时空对象的方法。近年来，自动生成方法以其在大规模生产中的高效性成为研究的热点。如武玉国（2017a，2017b）将XML的标签与时空对象类的字段进行对应，实现了以XML文件为纽带的时空对象自动生成；李松和陈荣国（2019）通过分析不同数据源的时空对象生成流程，并将共有流程设计为转换规则融入建模工具，在解耦数据源、数据导入流程和数据库结构的基础上实现了较为灵活的时空对象自动生成；陈万鹏（2018）在时空对象生成流程中增加类模板匹配和数据转换规则应用环节，实现了以shp、osm、sms三种矢量地图文件格式为例在对象类模板的限定下匹配对应数据转换规则设计并实现了时空对象批量生成的流程。因此，目前研究取得了一定的成效，具备了一定的自动化程度。但仍存在以下三点不足：①通用性低，相关研究均要求实施者具备一定的专业基础，难以在非专业用户中进行推广；②灵活性差，未从业务需求视角进行层次化的流程分解，难以适应全方位的个性化定制需求；③可复用性欠缺，数据源解析、数据加工和数据存储环节的耦合度过高，未形成独立通用的微服务，难以实现细粒度的模块级复用。

另一方面，为解决用户需求和程序执行环境频繁变化的问题，分布式可配置的服务组合方法被广泛应用到地理信息系统（geographic information system，GIS）中（Taylor等，2005；Oinn等，2006；Sun等，2019）。科学工作流作为一种灵活高效的分布式业务流程建模技术，近年来成为地理信息服务的研究热点。如熊伟等（2020）将复杂的地理计算任务与业务逻辑相结合，以科学工作流的方式实现与之对应的流程控制；余长锡等（2016）将工作流技术用于地理国情数据的生产管理，解决了数据生产过程中的任务分配、数据流转、进度监督等问题，提高了生产效率；曾翔（2016）在遥感图像预处理系统中依托工作流技术实现系统中各个功能模块的动态组合，在不对原有系统功能做调整的基础上快捷方便地实现了遥感图像预处理流程的灵活修改。

综上所述，本研究旨在通过引入工作流技术，构建一种面向矢量地图数据的时空对象生成工作流技术框架，以提高时空对象生成的通用性、灵活性和可复用性。首先，将面向矢量地图数据的时空对象生成进行了层次化的业务流程分解，分解为文件解析层、时空对象构建层和数据持久层。其次，针对不同层次，以工作流外部功能节点的方式进行了模块化设计；文件解析层包括shp文件解析器，时空对象构建层包括VectorFields映射集生成器、Vector对象生成器和STObject对象生成器，数据持久层包括时空对象写入器，各模块间通过设定的流程变量进行连接。最后，以重庆市大德镇农田矢量地图数据为例，进行了独立、拼接和全功能三项测试。

2 时空对象生成工作流技术框架

2.1 时空对象生成方法

1）基于可视化交互的时空对象手动生成方法

基于可视化交互的时空对象手动生成方法是用户通过与可视化建模工具，如OneGIS、OneSIS等，进行交互式操作来生成时空对象的方法，通过对时空对象八元组特征与源数据进行交互式编辑，实现时空对象的直接生成（张江水等，2018）。其基本流程如图1所示，首先，通过概念模型完成现实世界向时空对象的抽象过程；其次，在源数据囊括的时空实体中，按照实体间的相似性抽象为时空对象类，创建对象类模板；并根据时空对象描述八元组特征确定每一类时空对象的数据组织方式；最后，基于可视化建模工具对应完成时空对象创建。该方法在高精地图（訾璐等，2020）、高铁网络（刘慧等，2021）、作战实体（谢雨芮等，2021）的建模中得以应用，但手动生成方法在实际大规模生产中所耗费的人力和时间是巨大的。

2）基于类模板与数据转换规则的批量生成方法

针对手动生成方法人工成本高、生产效率低，无法应对大规模批量生产的问题，陈万鹏（2018）

图1 基于可视化交互的时空对象手动生成流程

Fig.1 Spatio-temporal objects manually generate flowcharts based on visual interaction

提出了一种基于对象类模板和数据转换规则的时空对象批量生成方法。其基本流程如图2所示，将面向不同数据源的时空对象生成过程概括统一为数据读取、数据解析、数据拆分和实例化四个环节，并通过在数据拆分环节增加对象类模板和数据转换规则来规范具体的生成样式。

图2 基于类模板与数据转换规则的时空对象批量生成流程（陈万鹏，2018）

Fig.2 Batch generation workflow for spatio-temporal objects based on class templates and data conversion rules

该方法不仅可以实现时空对象的批量生成，而且顾及了数据源类型的差异，具有较高的灵活性，为本研究提供了重要参考。但对象类模板与数据转换规则的设计需要较为深入的专业知识，在实际应用中对普通用户并不友好，若要实现真正意义上的灵活通用，则需要从业务需求层面进行深入分析，以业务的视角进行流程划分，并针对不同的业务单元进行模块化设计。

2.2 面向矢量地图数据的层次化时空对象生成工作流技术框架

工作流技术的核心思想在于将业务进行流程化表达，并将流程分解为能够独立运行在不同环境下的分布式服务模块，各模块间通过一定的数据传递逻辑进行可定制的拼接，以实现用户对业务流程的实时跟踪与交互控制（程忠岗，2015）。

源数据类型与用户业务需求的多样化，对时空对象批量生成业务提出了分布式、可交互、可定制的新要求，这是传统生成方法无法满足的。利用工作流技术对时空对象生成业务流程进行细粒度建模，可将总体流程拆分为若干任务模块，各模块承担一定功能且独立运行，且可按照用户的业务需求组合为定制化的微流程，进行实时的进程跟踪与控制，最终实现灵活通用的分布式时空对象生成服务。本研究尝试从用户需求层面将面向矢量地图数据的时空对象生成业务划分为文件解析层、时空对象构建层和数据持久层三个层次，并在各层次设计相应的功能模块来实现特定业务，总体框架如图3所示。

图3 层次化时空对象生成工作流技术框架

Fig.3 Hierarchical spatio-temporal object generation workflow technology framework

技术框架中的各功能模块之间通过特定的流程变量进行连接，流程变量负责将功能模块生成的结果传递到工作流引擎的共享空间，不同流程变量蕴含的内容不同，各流程变量使用唯一标识进行区分，并可由任意模块按需获取，是工作流技术框架必不可少的一部分。

为了应对不同业务需求，本研究中共设定了六个流程变量，即用户名（userId）、文件路径（ownerPath）、文件数据（shpData）、矢量对象数据（vectorsData）、矢量对象属性数据（vectorFieldsData）和时空对象数据（stobjectsData）。其中，userId和ownerPath由用户提供；shpData由shp文件中提取的信息重构而成，是文件解析层的最终输出形式；vectorsData和stobjectsData分别由多个矢量对象和时空对象组成；vectorFields由每个矢量对象相应的属性数据组成。各流程变量与功能模块间的输入输出关系如表1所示。

表1 引擎变量与功能节点输入输出关系表

Tab.1 Input-output relationship table of engine variables and function nodes

1）文件解析层

文件解析层负责文件型数据源的解析业务，包括文件读取和信息提取功能。由于本研究以shp文件格式的矢量地图数据作为数据源，所以在文件解析层将shp文件读取和信息提取整合为一个shp文件解析器（ShpParser）模块，输入变量为userId和ownerPath，输出变量为shpData。

为了实现批量shp文件的时空对象生成，本研究中的shp文件解析器在重构shpData时按照文件、图层、要素的层次进行组织，在最外层为每个shp文件分配文件号，并进一步以单个shp文件内部的图层号和要素号来定位每个要素，提取要素的属性字段与属性值，并建立要素号与属性数据之间的映射关系。

2）时空对象构建层

时空对象构建层负责矢量地图数据时空对象相关数据的解析与重构，包括矢量对象和时空对象两个层面的数据结构构建业务。其中，矢量对象用于记录实际的矢量地图数据，由Vector对象生成器（VectorGenerator）和VectorFields映射集生成器（VectorFieldsGenerator）两个模块协同构建。时空对象用于记录由矢量地图数据生成的时空对象数据，由STObject对象生成器（STObjectGenerator）模块构建。

a）Vector对象生成器

Vector对象生成器的输入变量为shpData，输出变量为vectorsData，其作用是在shpData基础上进一步提取要素的元数据。元数据的内容包括唯一矢量标识（id）、用户名（userId）、文件路径（owner Path）、矢量名（vectorName）、更新时间（update Time）、几何边界（boundary）、属性字段（attributes）和子表名（childTable）等。其中，id由模块统一随机分配，userId和ownerPath与shpData一致，vectorName由shpData中的文件号、图层号和要素号拼接形成，几何边界以要素的外包矩形四至坐标进行描述，子表名由用户名与矢量标识拼接而成，指向Vector对象相应的属性值子表。

b）VectorFields映射集生成器

VectorFields映射集生成器的输入变量为shpData和vectorsData，输出变量为vectorFields Data，其作用是从vectorsData中提取矢量标识和矢量名，依据矢量名从shpData中提取要素的属性字段名称和属性值，建立矢量标识与属性数据之间的映射关系，并进一步整合为具有特定数据结构的vectorFieldsData变量。

vectorFieldsData的结构可描述为：{<id, {<attr1, value1>, <attr2, value2>, …, <attrN, valueN>}>}，其中，{}表示集合，<>表示映射，id为标识，attr为属性字段名，value为属性值。

c）STObject对象生成器

STObject对象生成器的输入变量为vectors Data，输出变量为stobjectsData，其作用是依据时空对象类批量生成时空对象。时空对象类的属性包括唯一标识、用户名（ownerId）、对象名称（name）、对象类型（type）和几何边界，这些属性的值均由vectorsData中的相同属性进行赋值。

3）数据持久层

数据持久层负责将vectorsData、vectorFields Data和stobjectsData批量写入数据库的正确位置。为保证矢量对象与时空对象的一致性写入，本研究设计了同步的时空对象写入器（STOWriter）模块，以实现矢量对象数据与时空对象数据的同步写入。

时空对象写入器模块同时以vectorsData、vectorFieldsData和stobjectsData为输入变量，实现时空对象的逐一级联写入。首先，从stobjectsData中逐一提取单个时空对象数据并写入时空对象主表；其次，使用当前时空对象的id对vectorsData和vectorFieldsData中的矢量对象及其属性特征id进行匹配查找，有且仅有一个匹配结果；最后，从匹配到的矢量对象及其属性特征中提取更新时间、时间参照、空间参照、空间位置、空间形态和属性特征信息，以更新时间为主键写入时空对象子表中。时空对象存储结构如图4所示。

图4 时空对象存储结构示意图

Fig.4 Spatio-temporal object storage structure diagram

3 实验与结果分析

3.1 实验数据

实验以重庆市大德镇农田矢量地图数据和某出租车在6 d15 min23 s的移动轨迹数据作为数据源。

（1）针对农田矢量地图数据，以划分行政区域或种植区域的方法进行分散式组织管理。将全球划分为若干区域，每个区域指定三位十进制全球区域编码，记为XXX；每个全球区域内部又分为多个国内行政区域，每个国内行政区域指定三位十进制编码，记为YYY；每个行政区域下进一步划分为若干种植区，每个种植区指定四位十进制编码，记为ZZZZ；每个种植区均包含多个田块，每个种植区的所有田块被整合在一张矢量地图上，以shp结构在文件系统上进行存储。将同一种植区的*.shp、*.shx、*.dbf、*.prj等系列文件进行打包压缩，并命名为xxx.zip，其中，xxx由全球区域号、行政区域号、种植区域号依次拼接组成，如中国重庆市第001号种植区的矢量地图数据对应的文件名为0.zip。

由于区县和乡镇都要大于所划分的种植区域，因此，区县和乡镇往往全部或部分覆盖若干个种植区，如大德镇就覆盖了0、0、0、0、0和0六个种植区共计6852块农田。重庆市大德镇农田矢量地图数据编码构成方式，如图5所示。

图5 农田矢量地图数据编码构成示意图

Fig.5 Schematic diagram of encoding composition for farmland vector map data

在农田矢量地图数据中，每个田块几何要素都包含了该田块的属性特征，这对于时空对象生成是至关重要的，在本文提出的层次化工作流框架中，需要在文件解析层实现属性特征的提取并封装为引擎变量传递给后续节点或下一层，实验中采用的重庆农田矢量数据的属性特征涵盖了身份编码类、土壤属性类、空间属性类和种植作物属性类四大类共计30个字段。

（2）针对出租车的移动轨迹数据，实验对某出租车2008年2月2日15:36~8日15:51共计3306条移动轨迹数据进行转化，该数据包含采样时间和该出租车的经纬度信息，此外，以WKB（well-known binary）编码规则将该出租车表示为某一几何点，该数据历经文件解析模块、时空对象构建模块、数据写入模块。在工作流文件解析模块下进行信息的初始化和拆分，在时空对象构建模块通过时空对象描述特征对应添加描述字段，最后在时空对象写入模块完成数据库的录入，说明工作流技术框架在不同类型矢量数据中的适应性。

为更加充分表达实验数据属性特征随时间变化的特点，实验对源数据按采集时间分别存储来进行时间粒度的划分。同一种植区包含多份不同采集时刻的源数据，其命名编码规则均相同，分别存储至不同的时间文件夹下，同一时间文件夹中包含多份不同种植区的数据，如所有种植区在2021年采集的属性信息在同一文件夹进行存储，2022年采集的属性信息依托不同文件夹进行存储。源数据以编码和分类存储的方式分别对空间与时间进行划分。当源数据完整执行时空对象生成过程并入库后，空间特征随时间变化的特点由数据库的嵌套结构体现。

3.2 测试基准

为验证所提出方法的可复用性、灵活性，设计了三项层次递进的测试，即独立功能测试、模块拼接测试和全功能测试，以Camunda工作流引擎为测试平台，通过建立BPMN模型来调用相应的功能模块，以转化完成度来衡量测试效果。

独立功能测试可用于衡量时空对象生成流程的可复用性。以VectorFields映射集生成器节点的独立功能测试为例，由表1可知，映射集生成器节点所需的输入变量为shpData和vectorsData，输出变量为vectorFieldsData，BPMN模型如图6所示。

图6 映射集生成器独立功能测试BPMN模型

Fig.6 Independent functional testing BPMN model for mapping set generator

模块拼接测试可用于衡量时空对象生成流程的灵活性。以文件解析器和矢量对象生成器的拼接测试为例，该任务需要使用shp文件解析器和矢量对象生成器两个节点参与完成，其BPMN建模结果如图7所示。

全功能测试可用于衡量时空对象生成流程的通用性。为验证从矢量地图数据生成时空对象工作流的自动化批量处理能力，需要在独立功能和模块化拼接测试后进行全功能测试，全功能用于测试全部功能节点拼接在一起后是否可以自动调度执行，全功能可以认为是模块化拼接的一种特殊情况，即把所有节点全部进行拼接的结果，这只有一种情况，其BPMN建模结果如图8所示。

图7 文件解析器+矢量对象生成器拼接功能测试BPMN模型

Fig.7 Concatenation functional testing BPMN model for file parser + vector object generator

图8 BPMN模型全功能测试实验示意图

Fig.8 Experimental schematic diagram for full-function testing BPMN model

3.3 结果分析

为保证测试合理有效，分别对6852个农田田块数据和3306条出租车轨迹数据进行独立功能测试、模块拼接测试和工作流全功能测试。结果表明，农田田块数据和出租车轨迹数据均能保证完全转化。转化结果如表2所示。

独立功能测试结果中，每个节点都能够顺利完成各自的任务，成功率均为100%。因为各节点是依据时空对象生成过程的关键环节进行设计的，而各环节所需处理的任务具有不同复杂度，导致节点的执行效率不同。文件解析需要从文件系统读入大量矢量地图数据，并提取每个田块的属性信息，处理较为复杂，所以耗时较长。时空对象写入需要将矢量对象数据、映射集数据、时空对象数据均写入数据库，执行效率主要受数据库写入速度的影响较大。

表2 功能测试结果

Tab.2 Functional test results

多节点模块化拼接测试结果中，各节点的组合均能稳定完成相应的阶段性任务，且阶段性的任务并非必须以文件解析作为第一个节点，只需在阶段性任务以前提供相应的引擎变量即可，例如，给“矢量对象+时空对象生成”组合提供shpData变量，给“时空对象生成+写入”组合提供vectorsData、vectorFieldsData和stobjectsData三个变量。全功能测试中将所有节点按照顺序拼接在一起，采用与独立功能和模块化拼接相同的参数进行测试，最终的时空对象生成率是100%。

独立功能测试结果证明，各功能模块均可稳定完成各自的任务，同一项目的多次实验也验证了各功能模块的可复用性，且无须任何人工干预。多模块拼接测试结果证明，可由多个功能模块进行拼接来完成阶段性的任务，用户在应对相似的时空对象生成任务时，只需根据自己的需求进行节点的选择和连接，灵活且只需要简单少量的人工干预。全功能测试结果证明了提出的层次化工作流框架允许用户按照业务需求实现端到端的时空对象生成，具有较好的通用性。

4 结 论

针对矢量地图数据生成时空对象的任务，本研究提出了一种层次化分解的工作流技术框架。将从原始数据到时空对象的构建过程划分为文件解析层、时空对象构建层和数据持久层三个层次，并在每个层次设计了相应的功能模块，各节点之间通过特定的引擎变量进行连接和数据传递，可实现单节点的复用和多节点的模块化拼接定制；实验证明，本方法可在一定程度上改善面向矢量地图数据的时空对象生成过程的通用性、灵活性和可复用性。

本研究所提出的层次分解主要考虑了相同时间不同空间的时空对象生成任务，即时空对象的空间差异，但对于同一时空对象在不同时间的变化产生的矢量数据融合生成尚欠思考，期待在进一步的研究中能顾及时间差异因素，以适应时空对象的时序数据生成。

参考文献

陈万鹏. 2018. 基于矢量地图数据的多粒度时空对象生成技术. 硕士学位论文. 郑州:信息工程大学[Chen W P. 2018. Multi- granularity spatio-temporal object generation technology based on vector map. Master Dissertation. Zhengzhou:Information Engineering University(in Chinese)]

陈万鹏, 张晓楠, 陈达. 2018. 路网矢量地图数据生成实体对象的方法研究. 测绘与空间地理信息, 41(4): 43-46, 50[Chen W P, Zhang X N, Chen D. 2018. Study on entity object generating from road network on vector data. Geomatics & Spatial Information Technology, 41(4): 43-46, 50 (in Chinese)]

程忠岗. 2015. 基于SOA的工作流的研究. 硕士学位论文. 徐州: 中国矿业大学[Cheng Z G.2015. Research of workflow based on SOA. Master Dissertation. Xuzhou: China University of Mining and Technology (in Chinese)]

何小波, 罗跃, 金贤锋, 贾亚辉, 韩维喆. 2021. 基于互联网地图的矢量路况数据生成与应用方法研究. 地理信息世界, 28(6): 53-58[He X B, Luo Y, Jin X F, Jia Y H, Han W Z. 2021. Generation and application of vector traffic condition data based on Internet map. Geomatics World, 28(6): 53-58 (in Chinese)]

华一新, 赵鑫科, 张江水. 2023. 地理信息系统研究新范式. 地球信息科学学报, 25(1): 15-24[Hua Y X, Zhao X K, Zhang J S. 2023. New paradigm of geographic information systems research. Journal of Geo-Information Science, 25(1): 15-24 (in Chinese)]

华一新, 周成虎. 2017. 面向全空间信息系统的多粒度时空对象数据模型描述框架. 地球信息科学学报, 19(9): 1142-1149[Hua Y X, Zhou C H. 2017. Description frame of data model of multi-granularity Spatio-temporal object for pan-spatial information system. Journal of Geo-Information Science, 19(9): 1142-1149 (in Chinese)]

李松, 陈荣国. 2019. 多粒度时空对象数据入库方法初探. 测绘科学技术学报, 36(3): 304-310, 317[Li S, Chen R G. 2019. Study on data loading method for multi-granularity spatio-temporal object. Journal of Geomatics Science and Technology, 36(3): 304-310, 317 (in Chinese)]

刘慧, 崔虎平, 韦原原, 王明明, 曾梦熊. 2021. 基于时空对象的高铁网络建模方法. 测绘科学技术学报, 38(1): 104-110[Liu H, Cui H P, Wei Y Y, Wang M M, Zeng M X. 2021. High-speed network modeling method based on Spatio-temporal objects. Journal of Geomatics Science and Technology, 38(1): 104-110 (in Chinese)]

刘剑炜, 高崟, 赵文豪, 翟召坤, 吴晨琛. 2021. 自然资源时空数据模型构建方法研究. 地理信息世界, 28(5): 42-46[Liu J W, Gao Y, Zhao W H, Zhai Z K, Wu C C. 2021. Research on construction method of natural resources spatial-temporal data model. Geomatics World, 28(5): 42-46 (in Chinese)]

单卫东, 乔文怡, 谢森辉. 2023. 自然资源时空信息的自然系统基础. 时空信息学报, 30(1): 12-17[Shan W D, Qiao W Y, Xie S H. 2023. Natural system basis of natural resources spatio-temporal information. Journal of Spatio-Temporal Information, 30(1): 12-17 (in Chinese)]

武玉国. 2017a. 多粒度时空对象交换数据格式描述文件. 技术报告.信息工程大学[Wu Y G. 2017a. Multi Granularity Spatiotemporal Object Exchange Data Format Description File. Technical Report. Information Engineering University (in Chinese)]

武玉国. 2017b. 关于多粒度时空对象描述文件的说明. 技术报告.信息工程大学[Wu Y G. 2017b. Explanation on Multi granularity Spatiotemporal Object Description Files.Technical Report. Information Engineering University (in Chinese)]

谢雨芮, 江南, 赵文双, 郝睿. 2021. 基于多粒度时空对象的作战实体对象化建模研究. 地球信息科学学报, 23(1): 84-92[Xie Y R, Jiang N, Zhao W S, Hao R. 2021. Object modeling of combat entities based on multi-granularity Spatio-temporal objects. Journal of Geo-Information Science, 23(1): 84-92 (in Chinese)]

熊伟, 资文杰, 曹竞之. 2020. 科学工作流支持的复杂地理计算流程处理. 武汉大学学报(信息科学版), 45(12): 1903-1909[Xiong W, Zi W J, Cao J Z. 2020. Complicated geospatial flow processing with scientific workflow. Geomatics and Information Science of Wuhan University, 45(12): 1903-1909 (in Chinese)]

余长锡, 雷云鹏, 龚竞, 周尧, 杜超. 2016. Activiti工作流在地理国情数据生产管理中的应用研究与实现. 测绘与空间地理信息, 39(10): 118-121[Yu C X, Lei Y P, Gong J, Zhou Y, Du C. 2016. Application research and implementation of activiti workflow in geographic national condition data production management. Geomatics & Spatial Information Technology, 39(10): 118-121 (in Chinese)]

曾翔. 2016. 基于Activiti和Web Service的运行管理系统设计. 硕士学位论文. 南昌: 南昌大学[Zeng X.2016. Design of scheduling system based on Activity and Web Service. Master Dissertation. Nanchang: Nanchang University(in Chinese)]

张江水, 华一新, 李翔. 2018. 多粒度时空对象建模的基本内容与方法. 地理信息世界, 25(2): 12-16[Zhang J S, Hua Y X, Li X. 2018. The basic content and methods of multi-granularity Spatio-temporal object modeling. Geomatics World, 25(2): 12-16 (in Chinese)]

张毅, 杨振凯, 李滨, 王明明. 2021. 一种基于三维Arnold变换的矢量地理数据置乱加密方法. 地理信息世界, 28(5): 29-35[Zhang Y, Yang Z K, Li B, Wang M M. 2021. A scrambling encryption method for vector geospatial data based on 3-dimensional Arnold transformation. Geomatics World, 28(5): 29-35 (in Chinese)]

訾璐, 张江水, 杨振凯, 陈敏颉, 张永树. 2020. 高精地图交通要素对象化建模方法. 测绘科学技术学报, 37(6): 636-642[Zi L, Zhang J S, Yang Z K, Chen M J, Zhang Y S. 2020. Object modeling method of traffic elements in high-precision map. Journal of Geomatics Science and Technology, 37(6): 636-642 (in Chinese)]

Oinn T, Greenwood M, Addis M, Alpdemir M N, Ferris J, Glover K, Goble C, Goderis A, Hull D, Marvin D, Li P, Lord P, Pocock M R, Senger M, Stevens R, Wipat A, Wroe C. 2006. Taverna: Lessons in creating a workflow environment for the life sciences: Research Articles. Concurrency and Computation: Practice & Experience, 18(10): 1067-1100

Sun C G, Wang Z, Wang K, Xue T H, Aiello M. 2019. Adaptive BPEL service compositions via variability management: A methodology and supporting platform. International Journal of Web Services Research, 16(1): 37-69

Taylor I, Shields M, Wang I, Harrison A. 2005. Visual grid workflow in triana. Journal of Grid Computing, 3(3): 153-169

Spatio-temporal object generation workflow technology for vector map data

ZHENG Jingbiao^{1, 2}, JI Xiaoyu^{1, 3}, CAO Yibing¹

1. Institute of Geographic Space Information, Information Engineering
University, Zhengzhou , China;
2. 96726 Troops, Qingyuan , China;
3. School of Information Science and Technology, Zhengzhou Normal University, Zhengzhou , China

Abstract: To address the current challenges related to the insufficient universality, flexibility, and reusability of methods for generating spatiotemporal objects from vector map data, this study proposes a workflow technology framework. This framework aims to generate spatiotemporal objects effectively from vector map data. Firstly, the process of generating spatiotemporal objects from vector map data is divided into three levels: file parsing, spatiotemporal object construction, and data persistence. In the file parsing layer, multi-feature parsing of vector map data is performed to obtain original attribute information. In the spatiotemporal object construction layer, each geometric element is further encapsulated into spatiotemporal objects. In the data persistence layer, spatiotemporal objects and their associated mapping sets are batch-stored. Functional connections and information transmission between layers are based on workflow engine variables.

Secondly, the above framework is implemented in the external task mode of the Camunda workflow engine, with 5 functional nodes and 6 engine variables designed at three levels. This design allows for modularization to accommodate different task requirements.

Finally, using 6852 farmland vector data from Dade Town , Chongqing City, and 3306 trajectory records from a taxi as examples, the independent function, multi-node splicing, and full-function spatiotemporal object batch generation tasks of each node were tested. The results indicate that the research findings can achieve various custom tasks related to generating spatiotemporal objects from vector map data with minimal human intervention. This approach enhances the flexibility and reusability of spatiotemporal object generation.

Key words: spatio-temporal object; workflow; vector map data; function node; Camunda

Supported by National Key Research and Development Plan Key Project (2021YFB)