クラウドプラットフォーム支援のリモートセンシングビッグデータオンライン処理システムは、リモートセンシング画像の多分野にわたる革新的な応用に対して効率的な支援を提供します。しかし、既存のデータベースシステムは、数百万件のリモートセンシング画像メタデータの時空間クエリ処理において応答が遅く、オンライン処理システムのリアルタイム処理要求を満たすことが難しいです。複雑な大規模時空間クエリはリモートセンシング画像解析の性能ボトルネックとなっています。本論文では、2次元および3次元グリッド分割を融合した効率的な時空間インデックスおよびクエリ最適化手法を提案します。本手法は、まず2次元グリッド分割に基づく初期クエリ範囲のマッチングを行い、時間条件を組み合わせて一部のグリッドセルを3次元セルに変換し、クエリ実行効率を向上させます。グローバルグリッドセルを再帰的に構築し、Zオーダー符号化を用いてグリッドセルを一次元整数インデックスにマッピングし、時空間クエリを符号範囲クエリに変換します。また、グリッドに基づく時空間局所性に基づくクエリ分割機構を設計し、クエリタスクの並列実行をサポートします。本手法はMongoDBおよびPostGISに実装され、システムのネイティブインデックスとの性能比較実験で、クエリ時間をそれぞれ93.11％および88.02％削減しました。現在、この技術は国際持続可能開発ビッグデータ研究センターが発表したSDGビッグデータプラットフォームEarthDataMinerシステムに統合され、サービスを提供しています。

リモートセンシングビッグデータ;リモートセンシング画像;時空間クエリ;時空間グリッド分割;クエリ最適化;インデックス最適化;リモートセンシングクラウドコンピューティングプラットフォーム;時空間データベース