基于移动GIS的林区矢量数据快速可视化技术

刘斌彬　陈飞翔　刘佳星

摘要：为解决传统移动GIS在林区矢量数据可视化过程中数据请求效率低、内存资源占用高的问题，该文提出了一种适用于林区矢量数据的快速可视化策略。该策略在分析林分空间分布和外业调查人员的操作特征的基础上，采用林区多分辨率矢量瓦片数据，在移动端建立瓦片缓存策略，利用瓦片索引和要素索引，构建矢量瓦片热度指标，同时引入瓦片生命周期因素，最终实现缓存中瓦片置换。以云南省勐海县林业数据为例，利用多种可视化方法对比该文提出的矢量数据的可视化性能。实验结果表明，与传统矢量数据可视化策略相比，该文提出的策略数据请求效率高、内存资源占用少，为移动GIS中林业矢量数据的快速可视化提供了新的解决思路。

关键词：移动GIS;林区矢量数据;矢量瓦片;缓存策略;快速可视化

中图分类号：P208

DOI：10.16152/j.cnki.xdxbzr.2020－02－017

Rapid visualization technology of forest area vectordata based on mobile GIS

LIU Binbin， CHEN Feixiang， LIU Jiaxing

Abstract： The traditional method of mobile GIS， in the process of forest area vector data visualization， had the defect of low efficiency and high memory resource usage. To overcome this defect， a fast visualization strategy was proposed. The strategy was based on the analysis of the distribution characteristics of forest structures and the operational characteristics of investigators， using forest multi－resolution vector tile data and establishing a tile caching strategy on the mobile GIS. The strategy used the tile and feature indexes and defined the vector tile heat concept. The strategy combined the tile life cycle indicator， then finished the replacement strategy of the vector tile. Taking the forestry data of Menghai County of Yunnan Province as an example，  the performance of the visualization strategy proposed  is compared with other traditional visualization methods. Experiments showed that the strategy in this paper had higher efficiency of data request and less memory resource utilization， which provided a new solution for the rapid visualization of forestry vector data in mobile GIS.

Key words： mobile GIS; forest area vector data; vector tiles; caching strategy; fast visualization

随着全国林地“一张图”投入实际应用以及“智慧林业”概念的提出，移动GIS开始逐步应用于林业数据采集过程中［1］，同时也对移动GIS提出了更高的要求［2］。然而，由于移动终端CPU计算能力有限、可运行内存小，传统移动平台在渲染显示行政界线、林地图斑、林区专题图等矢量数据时，存在数据请求效率低、系统资源占用高等不足，难以满足实际的林业外业工作的要求［3-5］。为实现矢量数据的快速可视化，现有国内外研究主要采用构建矢量要素索引、数据渲染控制和多级缓存机制等方法。董晓光和汪洋分别选用RTree空间索引和四叉树层次网格索引方法［6-7］，请求屏幕空间范围矢量数据。陈志荣和Lina利用抽稀矢量要素构建方案，分别通过建立新坐标参考系和对矢量数据采取渐进渲染的方式，减少实时渲染的数据量［8-9］。王飞和Guo结合多级缓存和硬件加速等技术［10-11］，提出多缓存矢量数据并行绘制策略。以往研究虽然在一定程度上提高了矢量数据可视化效率，但随着实际应用中数据量的增长，构建索引结构复杂，限制了请求和检索效率;数据化简、渐进传输和多级缓存等方法也将导致更多的CPU和内存资源占用，传统方法对矢量数据的可视化性能提升有限，仍然影响基于移动GIS平台的外业工作效率。

本文旨在解决传统移动GIS林区矢量数据可视化速度慢、内存占用高等问题。选用多分辨率矢量瓦片数据格式，通过瓦片索引实现矢量瓦片的请求和检索。同时，在移动端建立适用于矢量瓦片的缓存策略，综合考虑林分的空间分布和移动GIS外业交互式操作特征，利用矢量瓦片的数据组织方式，提出矢量瓦片热度评价指标。进而，结合矢量瓦片热度和瓦片生命周期因素，将内存缓存中的瓦片置换过程抽象为0-1背包问题，采用贪婪算法快速求解，优先置换瓦片缓存效用价值较低的矢量瓦片。以云南省勐海县林业数据为例，比较了矢量瓦片应用于矢量数据可视化的性能优劣，在此基础上对比本文策略与传统瓦片缓存策略在处理林区矢量瓦片时的字节命中率和瓦片命中率的效率差异，进而得到更高效的矢量数据可视化策略，为林区矢量数据的快速可视化提供新的解決方案。

1 多分辨率矢量瓦片

多分辨率矢量瓦片借鉴构造栅格瓦片时所采用的多分辨率瓦片金字塔模型，将矢量数据按照固定的多级比例尺从0级开始递增分层。各层级对应的地理范围相同，分辨率越来越高，从瓦片层级Z左上角开始，从左至右、从上到下进行均匀格网划分，最终划分为4Z个正方形瓦片，再以特定的地理信息编码格式（如XML，JSON和GeoJSON等）存储对应多分辨率数据单元内矢量要素的索引和空间信息［12-13］。矢量瓦片作为矢量数据的载体，并不存储固定样式的图片，而是在客户端按照指定的矢量要素样式实时渲染［7］。矢量瓦片具有瓦片文件管理组织高效、请求快速等优势，兼具支持空间分析、交互操作等矢量数据的功能［14-15］。

矢量瓦片通过瓦片索引组织多分辨率矢量瓦片文件，矢量瓦片索引可按照瓦片金字塔模型中瓦片层级、行、列序号（Z，X，Y）设置唯一的瓦片索引：

TileID=（Z，X，Y）。 （1）

矢量数据按照基本要素类别分为点、线、面矢量要素，可通过FtID唯一编码，同时，瓦片内部存储有对应地理范围内的矢量要素，矢量要素则依赖要素索引FtID组织与管理，如图1所示，被规则格网分割的矢量要素既可以通过FtID索引实现拓扑链接和属性归并，也可以通过FtID索引与属性数据库属性关联。

2 基于矢量瓦片热度的内存缓存策略

2.1 矢量瓦片静态加载过程

矢量瓦片静态加载实现了视图范围矢量瓦片的请求和绘制。根据视图尺寸参数、视图中心点投影坐标和当前视图的缩放级别，计算屏幕请求区域在地理空间上的四至范围，遍历该层级四至范围内的瓦片，完成视图范围矢量瓦片的请求和绘制［16］。其中，根据瓦片请求参数（Xreq_min，Yreq_min），（Xreq_max，Yreq_max）计算多分辨率矢量瓦片中起始瓦片TileID（Z，Xmin，Ymin）和末尾瓦片TileID（Z，Xmax，Ymax）的瓦片索引检索公式如下：

为保证拖拽过程中矢量瓦片流畅显示，减少因频繁拖动所导致的瓦片重绘次数骤增，如图2所示。本文还采用虚屏绘制技术［17］，在视图范围参数基础上外向扩展。根据多次试验调整，扩展0.5倍的视图高度和宽度能取得较好的优化效果。

2.2 矢量瓦片热度指标

在移动端建立矢量瓦片缓存策略，在矢量瓦片静态加载时，利用读取内存缓存的方式替代原来从硬盘或网络请求瓦片，能有效提高瓦片的检索和获取性能［18］。但由于移动端内存空间有限，当缓存空间已满且有新的瓦片加载申请时，需要在内存缓存中置换出部分瓦片。在现有以瓦片缓存替换算法为核心的缓存调度策略中，主要根据瓦片的缓存效用价值作为缓存替换的决策因素［19］，如LRU策略通过优先替换最旧、最少使用的瓦片;LFU策略最先替换历史访问频率最低的瓦片［20］;TCLEPR策略将缓存存活寿命超出平均缓存寿命并且访问热度最低的瓦片置换出内存缓存［21］。而在实际调查过程中，受物理环境、树种特性、自然干扰、人为干扰等因素与林分的相互影响，林分空间分布如图3所示，呈现一定的聚集性，其属性空间分布也取决于林木的空间位置［22］，即具有高度空间异质性［23］。同时，通过分析外业人员在林区复杂环境下的步行路径和移动端的交互式操作行为特征［24］得知，用户使用矢量数据时，在一段时间内存在高频浏览的区域，并且其操作范围与林分的空间分布特征呈现一定相关性［25］。传统的缓存策略在应用于林区瓦片的可视化过程中，往往忽略林分本身的区域性、连续性、层级性等特性，无法体现林分空间分布特征和矢量瓦片的要素构成。因此，本文在综合考虑林分空间分布特征和用户的交互式操作特征等因素的基础上，借鉴数据访问热度的概念［26］，结合矢量瓦片的数据组织方式，提出基于矢量要素访问频数的矢量瓦片热度的指标。

假设在矢量瓦片静态加载过程中，命中的矢量瓦片集合为T，对于集合T内的任意瓦片t，均包含了矢量要素集合Ft，则当任意瓦片t被命中时，其包含的矢量要素集合Ft中的所有矢量要素都可称为被访问的矢量要素。矢量要素访问频数可反映一定时间内该矢量要素受外业人员的关注程度。为实现矢量要素FtID及其访问频次FtCnt的管理，在内存中建立矢量要素的访问频次缓存结构：

则当任意矢量瓦片t被访问时，其包含的矢量要素集合Ft中所有矢量要素的访问频数增加Vol，有

其中，Size（TileID）表示存储瓦片所占用的内存空间，k，b作为可调整的参数可通过实验设置进一步优化策略的应用效果。

在矢量瓦片集合T中，选择数量为N的矢量瓦片，应用固定大小的客户端内存空间V，使得内存缓存中存储的矢量瓦片的缓存效用总值最大，这一问题可抽象为典型的0－1背包问题。定义瓦片缓存状态变量State（TileID），当瓦片对象被选入缓存时，State（TileID）状态置为1，否则置为0。则内存中矢量瓦片的缓存效用总值为∑[DD（]N/i=0[DD）]Value（TileID（i））×State（i），

为解决矢量瓦片替换策略的背包问题抽象，可利用贪婪算法进行快速求解。贪婪算法在每一步的求解过程中采用局部最优解，最终实现整体结果的最优。首先，计算内存缓存中矢量瓦片的缓存价值密度

TileValueDensity=[Value（TileID）/Size（TileID）]。（9）

再将矢量瓦片按其价值密度从小到大排序，依次释放价值密度最小的矢量瓦片所占用的内存空间，直到剩余内存缓存空间能够容纳新申请的矢量瓦片为止。

2.4 瓦片缓存流程

以上述瓦片替换策略为核心，基于矢量瓦片热度的瓦片缓存策略的具体流程如下：

1）策略初始化。在内存中构造矢量瓦片缓存和矢量要素缓存。

2）请求新的矢量瓦片。判断请求的矢量瓦片是否已经缓存于内存中，若该瓦片可在内存缓存中检索到，则直接从内存缓存中获取瓦片数据，对应矢量瓦片的剩余瓦片生命周期TTL置为最大值TTLmax，同时根据构成矢量瓦片的要素FtID，增加请求命中的矢量要素的要素访问频数;若在内存缓存中检索不到对应的瓦片记录，则要通过硬盘地图包或在线获取等方式请求矢量瓦片。完成矢量瓦片的请求后，判断当前剩余内存缓存空间是否足够加载申请瓦片，若剩余内存缓存空间充足，转至步骤4），否則转至步骤3）。

3）当剩余内存缓存空间不足时，执行基于矢量瓦片热度的瓦片替换方法。通过矢量瓦片热度值和剩余瓦片生命周期TTL，计算内存缓存中各瓦片的缓存效用值Value（TileID），在此基础上计算各瓦片的缓存价值密度，应用贪心算法决策，依次释放瓦片缓存价值密度最低瓦片所占用的内存空间，直至内存缓存空间足够缓存新申请瓦片为止。

4）当内存缓存空间充足时，新申请的矢量瓦片可以直接保存至内存缓存中，并将其对应的剩余瓦片生命周期TTL置为TTLmax，并增加请求命中的矢量要素的要素访问频数值。

5）到此为止，一个完整的矢量瓦片请求和缓存周期结束，下面开始执行矢量瓦片的老化机制和矢量要素的访问次数衰减机制：即将缓存中所有未命中的矢量瓦片的剩余瓦片生命周期TTL减1，所有未命中的的矢量要素访问频数衰减Vol。

6）基于矢量瓦片热度的瓦片替换方法结束。

3 实验结果与分析

在基于Android端的应用开发中，为进一步提高矢量瓦片的可视化性能，系统采用多线程瓦片获取与异步更新技术。系统主线程负责交互式操作与响应事件的分发，矢量瓦片的获取通过独立的子线程完成，当任务完成后通知主线程更新绘制。此外，还引入了线程池技术实现子线程的复用，进一步减少维护子线程生命周期的系统开销。

为实现矢量瓦片的高效组织管理，原型系统遵循MBTiles瓦片存储标准，采用SQLite数据库作为二级数据缓存，相比多文件式的数据组织方式更加高效［28］。在磁盘缓存中，矢量瓦片地图包的字段设计如表1所示。

在表1中，zoom-level，tile-column和tile-row字段作为主键使用，tile-data字段以二进制的形式存储矢量瓦片［29］。

3.1 实验环境与数据

本试验以云南省勐海县为试验区，地理坐标为东经99°56′38″～100°37′32″、北纬21°44′16″～22°27′50″，总面积283.157 km2。试验数据包括行政界线、林地图斑和林地专题图等。为避免网络传输延迟影响，实验数据均采用存储于离线地图包中的矢量瓦片地图。实验还收集了多个林业外业人员的外业轨迹，采用不同的矢量可视化方法实时模拟移动端请求矢量数据的过程。为对比测试本研究提出移动平台的矢量数据可视化的效率，本文依次实现了矢量数据直接绘制方法、采用矢量瓦片绘制方法并分别应用LFU，LRU，FIFO和本文所提缓存策略的原型系统。在此基础上，首先分别对比矢量数据直接绘制和矢量瓦片绘制两种方法的性能优劣，同时，还利用采用LFU，LRU和FIFO缓存策略的参照系统，对比本文提出的矢量瓦片缓存策略可视化效率。采用的实验平台为红米3s手机，操作系统为Android 6.0，CPU为8核1.4GHz高通骁龙430（MSM8937），系统内存2GB，屏幕分辨率为1280×720像素。在每次性能测试前，清空缓存数据，冷启动软件，进行测试。

3.2 结果与分析

经过多次实验测试比较，在本研究提出的基于矢量瓦片热度的瓦片缓存策略中， 当瓦片最大生命周期TTLmax设置为50、 矢量要素访问频数衰减常数Vol设置为0.1、在缓存效用价值的计算公式中，设置k=0.6，b=0.4时，缓存策略取得最优效果，矢量瓦片的可视化效果如图5所示。

在不同数据量的条件下，实验分别对比了直接加载矢量数据和采用矢量瓦片的数据渲染时间和内存占用情况。如表2所示，在可视化相同数据量的林区数据时，与矢量数据直接可视化相比，采用矢量瓦片方式数据渲染速度更快、内存资源占用少。

基于瓦片请求日志解析得到矢量瓦片数据集，分别利用FIFO，LFU，LRU和本文提出的缓存策略共计4种算法，在不同的缓存容量下，统计各方法的字节命中率和瓦片命中率情况。图6和图7表示的是緩存大小递增的情况下，4种算法平均字节命中率与平均瓦片命中率的比较。在多组实验结果中，本文方法缓存命中率均高于其他3种算法，有效提高内存缓存效率。

为进一步分析本文提出的矢量瓦片缓存策略在实际应用中的效率提升，本文选用之前实验中表现较好的LFU缓存策略，分别比较两种方法在实际矢量瓦片可视化过程中的瓦片请求速度和内存占用情况。

表3通过多次实验比较了两种可视化方法在不同数据量条件下的瓦片请求总耗时。随着加载矢量瓦片的数据量增加，两种算法的瓦片平均请求时间也在增加，但在相同数据量的条件下，本文方法的瓦片请求耗时普遍低于传统LFU方法请求耗时，内存占用比传统LFU方法内存占用更少，本文方法具有较高的瓦片请求效率。

通过比较不同矢量数据可视化策略的测试结果，可以得出以下结论：在相同的数据集、多种缓存空间大小的情况下，本文提出的基于矢量瓦片热度的瓦片缓存策略与传统的瓦片缓存策略相比，具有较高的缓存命中率，能显著提高内存空间使用效率;在具体的应用中，具有较高的瓦片请求效率，同时能有效减少内存资源的占用。

4 结 语

本文针对林区外业矢量数据，在分析林分空间分布特征和外业人员移动端数据交互方式的基础上，提出了一套适用于林区矢量数据的可视化策略，策略选用多分辨率矢量瓦片，以基于矢量瓦片热度的瓦片替换方法为核心，实现了内存缓存中矢量瓦片的高效调度。实验结果表明，与传统的林业外业矢量数据可视化方法相比，本文提出的矢量瓦片可视化策略，不仅具有较好的可视化效果，并且基于矢量瓦片热度的瓦片缓存策略在字节命中率和瓦片命中率上均优于传统缓存策略，能有效提高矢量瓦片的请求效率，减少内存资源的占用，为林业外业调查中矢量数据的可视化提供了新的解决思路。

参考文献：

［1］FAN G P， CHEN F X， LI Y ， et al. Development and testing of a new ground measurement tool to assist in forest GIS surveys［J］.Forests， 2019， 10（8）： 643－661.

［2］马建浦. 通信技术在我国智慧林业建设中的应用［J］.世界林业研究， 2016， 29（4）： 72－76.

MA J P. The application of communication technology to smarter forestry program in China［J］.World Forestry Research， 2016， 29（4）： 72－76.

［3］宋磊， 霍亮， 方敏， 等. 矢量瓦片支持下的在线交互可视化工具设计与实现［J］.测绘通报， 2018， 64（4）： 125－130.

SONG L， HUO L， FANG M， et al. Design and implementation of online interactive visualization tool based on vector tiles［J］.Bulletin of Surveying and Mapping， 2018， 64（4）： 125－130.

［4］张海瑞， 吴学饶， 兰小机. 基于ArcGIS for Android野外实习数据采集与导航系统的实现［J］.测绘工程， 2015， 24（3）： 36－39.

ZHANG H R， WU X R， LAN X J. Realization of the field data collection and navigation system for internship based on ArcGIS for Android［J］.Engineering of Surveying and Mapping， 2015， 24（3）： 36－39.

［5］朱煜， 吴保国. 基于Android的小班外业调查系统研建［J］.东北林业大学学报， 2014， 42（8）： 133－137.

ZHU Y， WU B G. Development of subcompartment investigation system based on android system［J］.Journal of Northeast Forestry University， 2014， 42（8）： 133－137.

［6］董晓光， 李树军， 李改肖， 等. 移动平台下电子海图矢量数据访问优化方法［J］.海洋测绘， 2015， 35（4）： 57－59.

DONG X G， LI S J， LI G X， et al. Optimization methods of ECS vector data access based on the mobile platform［J］.Hydrographic Surveying and Charting， 2015， 35（4）： 57－59.

［7］汪洋， 邬群勇， 刘先锋， 等. 移动终端下的森林小班矢量数据组织研究［J］.测绘与空间地理信息， 2016， 39（8）： 45－48.

WANG Y， WU Q Y， LIU X F， et al. The research of forest sub－compartment vector data organization under mobile［J］.Geomatics & Spatial Information Technology， 2016， 39（8）： 45－48.

［8］陈志荣， 尹天鹤， 徐财江， 等. 面向移动用户的矢量地图数据压缩方法［J］.浙江大学学报（理学版）， 2016， 43（1）： 45－50.

CHEN Z R， YIN T H， XU C J， et al. Vector data compression method for mobile users［J］.Journal of Zhejiang University（Science Edition）， 2016， 43（1）： 45－50.

［9］HUANG L， MEIJERS M， SUBA R， et al. Engineering Web maps with gradual content zoom based on streaming vector data［J］.ISPRS Journal of Photogrammetry and Remote Sensing， 2016， 114（4）：274－293.

［10］王飛， 蔡忠亮， 蒋子捷， 等. 移动环境下的矢量地图快速显示方法［J］.测绘地理信息， 2018， 43（4）： 111－115.

WANG F， CAI Z L， JAING Z J， et al. A method for fast display of vector maps in mobile environment［J］.Journal of Geomatics， 2018， 43（4）： 111－115.

［11］GUO M Q， WU L， XIE Z. An efficient parallel map visualization framework for large vector data［J］.Geomatica， 2015， 69（1）： 113－117.

［12］朱笑笑， 张丰， 杜震洪， 等. 顾及要素空间分布特征的稠疏矢量瓦片构建方法研究［J］.浙江大学学报（理学版）， 2017， 44（5）： 591－598.

ZHU X X， ZHANG F， DU Z H， et al. A method of the dense－sparse vector tile generation accounting for the spatial distribution of features［J］.Journal of Zhejiang University（Science Edition）， 2017， 44（5）： 591－598.

［13］陈举平， 丁建勋. 矢量瓦片地图关键技术研究［J］.地理空间信息， 2017， 15（8）： 44－47.

CHEN J P， DING J X. Research on key technologies of vector tiles map［J］.Geospatial Information， 2017， 15（8）： 44－47.

［14］ANTONIOU V， MORLEY J， HAKLAY M M. Tiled vectors： A method for vector transmission over the web［C］∥International Symposium on Web and Wireless Geographical Information Systems. Maynooth： Springer Berlin Heidelberg， 2009：56－71.

［15］孙晨龙， 霍亮， 高泽辉. 基于矢量瓦片的矢量数据组织方法研究［J］.测绘与空间地理信息， 2016， 39（4）： 122－124.

SUN C L， HUO L， GAO Z H. A method of vector data organization based on vector tile［J］.Geomatics & Spatial Information Technology， 2016， 39（4）： 122－124.

［16］欧阳峰， 杨春成， 谢鹏， 等. 通用瓦片生成引擎设计与性能优化［J］.测绘科学技术学报， 2014， 31（2）： 177－180.

OUYANG F， YANG C C， XIE P， et al. The design and optimization of a general tile creation engine［J］.Journal of Geomatics Science and Technology， 2014， 31（2）： 177－180.

［17］冯志红， 赵拥军， 李光茂. 消息调度模型下一种改进的双缓存地图漫游算法［J］.测绘科学， 2013， 38（4）： 86－90.

FENG Z H， ZHAO Y J， LI G M. An improved map roaming algorithm based on messages schedule model［J］.Science of Surveying and Mapping， 2013， 38（4）： 86－90.

［18］褚信， 蔡阳军， 杜震洪， 等. 用户行为选择参与的五层十五级瓦片缓存置换策略研究［J］.浙江大学学报（理学版）， 2016， 43（4）： 452－457.

CHU X， CAI Y J， DU Z H， et al. Research on the user preference based cache replacement algorithm of the five－layer fifteen－level tile［J］.Journal of Zhejiang University（Science Edition）， 2016， 43（4）： 452－457.

［19］TANWIR， HENDRANTORO G， AFFANDI A. Early result from adaptive combination of LRU， LFU and FIFO to improve cache server performance in telecommunication network［C］∥International Seminar on Intelligent Technology and Its Applications. IEEE， 2015.

［20］刘佳星， 陈飞翔， 陈星涵. 一种基于地理单元热度的瓦片缓存策略［J］.计算机工程与应用， 2017， 53（5）： 90－96.

LIU J X， CHEN F X， CHEN X H. Tile cache strategy based on geographic unit heat［J］.Computer Engineering and Applications， 2017， 53（5）： 90－96.

［21］王浩， 喻占武， 曾武， 等. 基于瓦片寿命和访问热度的海量空间数据缓存置换策略［J］.武汉大学学报（信息科学版）， 2009， 34（6）： 667－670.

WANG H， YU Z W， Z W， et al. Massive spatial data cache replacement policy based on tile lifetime and popularity［J］.Geomatics and Information Science of Wuhan University， 2009， 34（6）： 667－670.

［22］曹小玉， 李際平. 林分空间结构指标研究进展［J］.林业资源管理， 2016， 44（4）： 65－73.

CAO X Y， LI J P. Research progress on indicators of the stand spatial structure［J］.Forest Resources Management， 2016， 44（4）： 65－73.

［23］章皖秋， 岳彩荣， 袁华. 林木调查数据的随机、空间、时间特征的模型处理［J］.西北林学院学报， 2016， 31（5）： 230－237.

ZHANG W Q， YUE C R， YUAN H. Solutions for random effect，spatial and temporal correlation and heterogeneity in the observed forest data［J］.Journal of Northwest Forestry University， 2016， 31（5）： 230－237.

［24］陈玥璐， 赵天忠， 武刚， 等. 林区步行最优路径分析方法［J］.农业机械学报， 2018， 49（6）： 198－206.

CHEN Y L， ZHAO T Z， WU G， et al. Optimal walking path analysis method for forest region［J］.Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（6）： 198－206.

［25］LI R，WANG X，SHI X.A replacement strategy for a distributed caching system based on the spatiotemporal access pattern of geospatial data［J］.The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences， 2014， 40（4）： 133－137.

［26］丁尧， 郑烇， 郭晨， 等. 基于节点热度与缓存替换率的ICN协作缓存［J］.計算机工程， 2018， 44（2）： 56－60.

DING Y， ZHENG Q， GUO C， et al. Cooperative caching for ICN based on heat and cache replacement rate of node［J］.Computer Engineering， 2018， 44（2）： 56－60.

［27］PAN S M， CHONG Y W， ZHANG H， et al. A global user－driven model for tile prefetching in web geographical information systems［J］.Plos One， 2017， 12（1）： 0170195.

［28］罗智勇， 黎小东. 基于数据库存储方案的高性能瓦片地图服务研究［J］.地理与地理信息科学， 2013， 11（3）： 48－51.

LUO Z Y， LI X D. High performance tile map service based on database storage scheme［J］.Geography and Geo－Information Science， 2013， 11（3）： 48－51.

［29］朱秀丽， 周治武， 李静， 等. 网络矢量地图瓦片技术研究［J］.测绘通报， 2016， 62（11）： 106－109.

ZHU X L， ZHOU Z W， LI J， et al. Research for web map vector tiles technology［J］.Bulletin of Surveying and Mapping， 2016， 62（11）： 106－109.

（编 辑 李 静）

收稿日期：2019－08－09

基金项目：中央高校基本科研业务费专项资金资助项目（TD2014－02）

作者简介：刘斌彬，男，河北石家庄人，从事空间信息技术研究。

通信作者：陈飞翔，男，湖北荆门人，博士，教授，从事空间信息技术研究。