1        移动GIS

随着移动互联网的飞速发展和不断进步，人们对地理空间信息的4A(Anytime,Anywhere, Anybody, Anything)服务的需求日益显现。

移动GIS是一种应用服务系统,其定义有狭义与广义之分。狭义的移动GIS是指运行于移动终端如（PDA）并具有桌面GIS功能的GIS，它不存在与服务器的交互，是一种离线运行模式。广义的移动GIS是一种集成系统，是GIS,GNSS(卫星导航定位系统)、移动通信、互联网服务、多媒体技术等的集成。

1.1           关键技术

移动GIS集成了当前GIS领域和移动Internet领域的大量最新技术，其研究发展直接得益于以下这些技术的发展与进步。

• 移动接入技术

• 移动访问技术

• 移动定位技术

• 嵌入式技术

•  语音技术

1.2           体系结构

移动Internet是一种分布式系统，决定了移动GIS必然要采用网络中最为流行的客户/服务器体系。移动GIS体系结构主要由客户端、服务器、数据服务器三部分组成,分别承载于表示层、逻辑层和数据层。

1.3           移动GIS应用

•  实时信息的查询及快速及时救援、反馈。

• 方便的数据采集及执法办公。

• 移动办公。

2        云GIS

云计算技术是网格技术、分布式计算技术的进一步发展。云计算技术通过虚拟化和中间件等技术将网络上异构的各种信息资源集成起来，并通过服务的形式向用户提供按需的服务。云GIS技术正是结合了云计算技术、工作流技术、数据仓库、功能仓库等技术而产生的全新一代GIS技术。

2.1           云GIS服务层次模型

2.2           云GIS关键技术

不同领域的GIS应用，通常需要解决不同的类型的问题，比如，有些GIS应用需要访问大规模的数据，而有些需要实时的数据来进行近似实时的分析，还有一些GIS应用因为要进行复杂的空间运算而需要大量的计算资源。因此，异构资源的集成技术是云GIS关键技术。

主要包括三个方面

• 异构空间数据集成技术

• 异构功能资源的集成

• 异构功能资源的互操作与搭建式开发技术

2.3           云GIS部署模式

云GIS应用主要采用3种部署模式，分别是：共有云GIS，私有云GIS和混合云GIS部署模式。

共有云GIS（如下图共有云部署模式）即通过互联网来构建云GIS服务，特点是“共享”，动态变化。不同的用户接入云GIS环境后，提供资源或请求服务。云GIS服务商统一负责管理与维护。

许多传统的GIS软件商和用户由于种种原因无法将其自身的GIS应用部署到共有网络上提供服务。因此采用私有的云GIS部署模式（如图）。GIS与共有云最大的区别是“不共享”，相对静态和稳定。私有云GIS主要是为企业、政府、研究机构专业定制的具有高性能、高可靠性、高可扩展能力的云 GIS系统。私用云具备高安全性，通常提供的公有云GIS无法提供的服务。私有云GIS的硬件与软件都有托管服务商提供，用户只需要关注业务。私有云GIS将成为未来企业级GIS用户的主要部署模式。

混合云GIS部署模式兼有共有云GIS和私有云GIS的特征，部分对外业务采用为共有云GIS服务，而部门内部研发和企业管理等则采用私有云GIS服务。

2.4           安全云存储系统的一般架构

云存储的使用，必须考虑其安全性。

云存储按照其体系结构可分存储层、基础管理层、应用接口层和访问层。在具体的安全云存储系统中，由于应用场景和研究目标的不同，其系统架构也各不相同．下图总结归纳了现有安全云存储系统的通用架构，具体的安全云存储系统只需根据自身的特点实现部分或全部的功能。

2.5           ArcGIS云平台架构

云平台总体架构

Server10.1架构

3        大数据

3.1           前言

最近几年,数据仓库又成为数据管理研究的热点领域,主要原因是当前数据仓库系统面临的需求在数据源、需提供的数据服务和所处的硬件环境等方面发生了根本性的变化。

三个变化（1）数据量：由TB级升至PB级,并仍在持续爆炸式增长。（2）分析需求：由常规分析转向深度分析(DeepAnalytics)。（3）硬件平台：由高端服务器转向由中低端硬件构成的大规模机群平台。

两个问题

a)       数据移动代价过高

b)       不能快速适应变化

一个鸿沟

在大数据时代，巨量数据与系统的数据处理能力之间将会产生一个鸿沟：一边是至少PB级的数据量，另一边是面向传统数据分析能力设计的数据仓库和各种BI工具。如果这些系统或工具发展缓慢，该鸿沟将会随着数据量的持续爆炸式增长而逐步拉大。

3.2           现有数据仓库系统实现方案

•  并行数据库

并行数据库起源于20世纪80年代，当前主流的并行数据库都同早期的 Gamma和Grace等并行数据库类似。这些数据库都支持标准SQL，并且实现了数据库界过去30年提出的许多先进技术。其主要采用shared-nothing结构，将关系表在节点间横向划分，并且利用优化器来对执行过程进行调度和管理。其目标是高性能和高可用性。

•  MapReduce

MapReduce是2004年由Google提出的面向大数据集处理的编程模型，起初主要用作互联网数据的处理，例如文档抓取、倒排索引的建立等。但由于其简单而强大的数据处理接口和对大规模并行执行、容错及负载均衡等实现细节的隐藏。该技术一经推出便迅速在机器学习、数据挖掘、数据分析等领域得到广泛应用。

•  并行数据库和MapReduce的混合架构

3种架构对比分析

3.3           大数据的可用性的挑战和研究问题

•  高质量大数据获取与整合的理论和技术。

• 完整的大数据可用性理论体系。

• 数据错误的自动检测与修复的理论和技术。

• 弱可用数据上近似计算的理论和技术。

• 弱可用数据上的知识挖掘与演化的机理。

4        移动GIS与云GIS、大数据

举例说明

（1）广州中海达卫星导航技术股份有限公司的基于SOA架构的移动GIS开发平台，提出“云+端”的移动GIS开发模式，其应用层、服务层、支撑层、核心层组成，其总体架构如图

（2）LBS曾经一度被业界寄予厚望，然而，最近其发展却离大家的预想有较大距离。大数据时代的来临，有可能使LBS重新焕发活力。

LBS与移动互联网联系紧密。移动互联网目前发展迅猛，过不了多久，使用移动互联网的用户数量将会超过使用个人电脑上网的用户。PPLive公司首席执行官，前微软虚拟地球创始人陶闯博士认为：“移动互联网+LBS”的商业模式未来将呈爆炸性增长。

数据与LBS结合，将给精准营销带来良好机遇。越来越多的用户通过手机上网看新闻、看视频、娱乐或者购物，通过对用户所在位置的周边信息进行多层次分类，如详细汇总餐饮、培训、娱乐、购物等信息，把有效的广告推送给用户，向不同需求的用户提供个性化的服务。这种商业模式下，LBS服务商需要和拥有大量用户信息的网站(如社交网站)进行合作，共同开发实用系统，同时要注意保护用户隐私。

最后，大数据的到来的同时也带来了爆炸式的创新，之前无论是移动GIS还是云GIS，为了适应大数据的到来势必会出现新的整合，形成一套更具活力、生命力的新一代GIS。

5        参考文献

[1]      李成名,王继周,刘勇.移动GIS的原理、方法与实践[J].武汉大学学报(信息科学版).2004(11)

[2]      王方雄,吴边,怡凯.移动GIS的体系结构与关键技术[J].测绘与空间地理信息. 2007(06)

[3]      康铭东,彭玉群.移动GIS的关键技术与应用[J].测绘通报.2008(09)

[4]      王崇倡,苏存英.基于移动GIS的公共设施巡查系统的设计与实现[J].测绘科学,2011,06:88-90

[5]      曾文华,鲍志雄,严太钟,陆永明,罗鲲.基于SOA架构的移动GIS快速开发平台[J].测绘报,2013,05:115-116

[6]      吴边,吴信才.Cloud GIS关键技术研究[J].计算机工程与设计.2011(04)

[7]      傅颖勋,罗圣美,舒继武.安全云存储系统与关键技术综述[J].计算机研究与发展,2013,01:136-145.

[8]      倪永,陈荣国.主流云GIS平台软件应用分析[J].测绘科学技术学报,2013,02:177-181.

[9]      王珊,王会举,覃雄派,周烜.架构大数据:挑战、现状与展望[J].计算机学报,2011,10:1741-1752.

[10]   孟小峰慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展. 2013(01)

[11]   李建中,刘显敏.大数据的一个重要方面：数据可用性[J].计算机研究与发展. 2013(06)

[12]   乔朝飞.大数据及其对测绘地理信息工作的启示[J].测绘通报,2013,01:107-109.