空间数据库的挑战

当提供本地信息时，基于位置的服务(LBS)利用用于访问该信息的移动设备的地理位置。大型空间数据数据库的管理需要关注数据的生产和质量控制，包括框架和lbs。最近在两个层次上取得了进展:系统架构和知识管理。标准是关键。

大众市场的lbs已经有了许多有前景的开端。然而，由于几个方面的不足，概念与现实之间存在着差距。有关合适手机的价格和定位能力的可用性的问题目前正在解决。基于位置的数据的适用性和质量，以前被硬件问题所掩盖，现在变得越来越明显。国家测绘和地籍局(NMCAs)提供的高质量框架数据在数据协同中越来越重要。大型数据聚合器、增值器和nmca在管理非常庞大、复杂和动态的数据以及提供及时、高质量的数据产品和服务方面都存在问题。挑战正在得到解决。

主流

近年来的一个关键变化是人们认识到地理空间产业不是独立的;行业特定标准组织(ISO TC211)和开放地理空间联盟(OGC)建立在主流IT行业实施的标准之上。这种方法的好处在企业体系结构和正式数据建模技术的越来越多的采用中尤为明显。系统层面的技术进步相互促进，知识管理层面也实现了类似的效益。

正式数据建模

使用通用建模语言(UML)的形式数据建模在地理空间领域已经很好地建立起来。最近关于特征/对象数据模型的EuroSDR(空间数据研究)研讨会记录了新一代数据模型及其特征的出现。UML被广泛用于定义和记录;它导致了概念级更好的沟通和定义，出现了从概念级UML模式自动生成实现级的工具，并能够以受控的方式管理数据模型的演变。这支持采用由概念或平台无关模型(PIM)控制的模型驱动体系结构(MDA)方法。存储或特定于平台的物理模型(PSM)以自动化或接近自动化的方式从PIM派生出来，从存储模型映射到传输模型(通常是地理标记语言(GML)应用程序模式)也是如此。因此，概念模型中的更改可以以协调和无错误的方式在整个系统中传播(参见图1)。

感知的软件

另一个关键的开发是模式感知软件组件。可扩展标记语言XML和XMLSchema，以及特定于领域的扩展(如GML)，已经得到了普遍的接受，并得到了一系列令人印象深刻的软件工具的支持。XMLSchema作为机器可读的数据模型手册的作用是强大的模式转换技术的基础。这进而支持关键功能，包括细化和数据收集，以及根据空间数据基础设施(sdi)的需要整合不同的数据源。在MDA中部署支持模式的软件组件允许整个系统自动适应数据模型的更改，而无需进行新的编程。

工作流技术

这些进步是由编排和工作流程技术的开发，标准化在Web服务业务流程执行语言OASIS中的标准化。标准WS-BPEL 2.0是用于编程的XML语法，并提供分布式组件的中央编排。业务流程和工作流程由两层系统实现。使用BPEL控制大规模过程实现来控制过程中的高级转换;小规模的业务逻辑实现使用规则处理引擎，如下所述。

总体框架

OASI定义了面向服务的体系结构（SOA），如：'...用于组织和利用可能在不同所有权域控制的分布式功能的范例。它提供了一种统一的方法，提供，发现，互动和使用功能，以产生与可衡量的前提和期望相一致的所需效果。SOA的关键元素如图2所示。它提供了总体框架，在该框架内，可能发生上述前进的集成。关键由此产生的特点包括与正式合同，可扩展性和可重用性的松散耦合，即未来的系统架构。

挖掘知识

信息技术知识管理的快速发展开始在地理空间领域产生效益。知识在历史上一直被隐藏在数据中，例如，通过数据组件或隐式关系的并置。它也可能隐藏在积分应用程序中，甚至隐藏在人们的头脑中。这在保持这些知识的最新方面造成了严重的问题。语义的严格化有助于消除歧义。知识/专业知识的可访问存储、可移植且独立于特定的数据集和系统同样重要。这里的一个关键组件是支持逻辑约束规范的规则语言。这样的语言必须是明确的、合乎逻辑的、可移植的、紧凑的、直观的、量化的、与网络兼容的、声明性的、易于精炼的。通过语义网社区等倡议，这一领域正在迅速取得进展。

定义规则

基于规则的处理遵循fact-pattern-action动态:如果给定的事实(已知的数据源)满足任何模式(数据源遵守的业务规则)，则它们执行定义的操作。来自1Spatial的“Radius Studio”是现代基于规则的处理环境的一个例子，它同时作为中间件和服务来实现。规则库是一组来自数据存储的对象应该满足的条件。规则是一棵谓词树，可以根据它测试对象。规则以独立于任何特定数据存储模式的形式表示，因此它们可以轻松地用于不同的数据源。提供了一个直观的基于web的界面，用于定义规则和构建规则库。它允许使用易于使用的树状结构的浏览器界面定义潜在的复杂规则。所使用的语法与英语非常相似，因此用户不需要有编程经验。处理是通过应用于对象的动作和过程来执行的。操作可以应用于数据存储中的所有对象，也可以以更有针对性的方式，使用操作映射。

测量质量

从测量数据与规则库的一致性程度的意义上来说，数据的质量可以使用“Radius Studio”来测量。可以处理文档或数据存储，并生成一个报告，给出摘要级和单个特性级的一致性测试结果。前者报告兼容对象的比例;后者列出了不合规的对象和被侵犯的规则。质量可以通过在动作图定义的允许公差或参数范围内自动应用“修复”来提高。或者，可以通过将不兼容的对象列表引用到交互式客户端来提高质量。当达到可接受的质量级别时，所有更改过的工作区对象都被提交回主数据存储区。

令人印象深刻的进步

虽然从未完全暴露过，但在上个世纪之交的洛博斯现象的挑战性需求被驱动的数据管理技术被系统架构师认可。在某些情况下，在解决这些问题和知识管理水平的解决方面取得了令人印象深刻的进展。这些进步是基于主流和地理空间行业标准的牢固。