GIS의 여러 주요 데이터 모델

두 가지 일반적인 GIS 데이터 모델

1. 위상 관계 데이터 모델

위상 관계 데이터 모델은 위상 관계를 기반으로 다양한 기하학적 요소를 구성하고 저장하는 특징이 있습니다. 점, 선, 면 간의 위상적 연결 관계를 중심으로 하며, 이들의 좌표 저장은 종속 관계를 갖는다는 점이다. 이 모델의 주요 장점은 컴팩트한 데이터 구조와 명확한 토폴로지 관계입니다. 시스템에 미리 저장된 토폴로지 관계는 토폴로지 쿼리 및 네트워크 분석에서 시스템의 효율성을 효과적으로 향상시킬 수 있지만 다음과 같은 단점도 있습니다.

단일 지리적 개체의 경우 운영 효율성이 높지 않습니다. 위상학적 데이터 모델은 전체 공간 영역을 지향하기 때문에 다양한 기하학적 요소 간의 연결 관계를 강조하는 반면, 완전하고 독립적인 의미를 지닌 지리적 개체가 개체로서 존재한다는 점에 대해서는 충분히 고려하지 않습니다. , 추가 및 삭제 , 특정 지리적 개체를 수정할 때 일련의 파일 및 관계형 데이터베이스 테이블이 관련되어 프로그램 관리가 복잡해질 뿐만 아니라 시스템의 실행 효율성도 저하됩니다.

복잡한 지리적 실체를 표현하는 것은 어렵다. 위상 관계 구성의 요구 사항으로 인해 완전한 단순 엔터티는 때때로 위상 관계 모델에서 여러 기하학적 요소로 분해되어야 합니다(예를 들어 도로는 완전한 엔터티이지만 위상적 인접 정보를 기록하려면 다른 고속도로 엔터티의 인접 영역이 분할되어 완전한 엔터티가 여러 기하학적 요소로 분할됩니다. 모든 엔터티는 이러한 방식으로 처리되므로 토폴로지 데이터 모델이 전체 영역을 지향한다고 말합니다. 사용자의 눈에 지리적 개체를 바라보기보다는 분할되지 않은 기하학적 요소. 복잡한 지리적 개체는 여러 개의 단순 개체로 구성되며 자연스럽게 분해되는 경우가 많습니다. 토폴로지 데이터 모델의 전반적인 조직적 특성으로 인해 이러한 여러 독립 개체의 유기적 집합을 효과적으로 표현하는 것이 불가능합니다.

빠른 쿼리와 복잡한 공간 분석을 구현하기가 어렵습니다. 토폴로지 데이터 모델에서는 지리적 개체가 점, 선, 평면으로 분해되고 기본 기하학적 요소가 서로 다른 파일 및 관계형 테이블에 저장되므로 독립적인 지리적 개체와 관련된 모든 작업, 쿼리 및 분석에는 CPU 시간이 더 많이 소요됩니다. 넓은 지역의 복잡한 공간 분석.

부분 업데이트가 어렵고, 시스템 유지 및 확장이 어렵습니다. 지리 공간 데이터는 기본 기하학적 요소(점, 호 세그먼트, 폴리곤)를 기반으로 구성되어 저장되므로 시스템에 저장된 복잡한 위상 관계는 일부 로컬 개체가 변경되면 전체 레이어 위상 관계가 GIS 작업의 데이터 기반이 됩니다. 이에 따라 재구축해야 할 시스템은 전체 시스템에 영향을 미치고 유지 관리 및 확장에 더 많은 에너지를 필요로 하며 오류가 발생하기 쉽습니다.

위상관계 데이터 모델도 객체지향으로 구현될 수 있다는 점은 언급할 만하지만, 이때의 객체지향 객체는 중간에 다른 것으로 나누어지지 않는 기하학적 요소이다. 요소이며, 완전하고 독립적인 지리적 개체가 아닌 독립적인 지리적 개체인 경우가 많습니다. 이는 다음 섹션에서 토폴로지 관계 데이터 모델과 엔터티 지향 데이터 모델 간의 본질적인 차이점을 보여주는 중요한 표현 중 하나입니다.

2. 개체 지향 데이터 모델

이 데이터 모델이 단일 공간적 지리적 개체를 데이터 구성의 기본 단위로 사용한다는 점을 강조하기 위해 "개체 지향"이라고 합니다. 그리고 저장.

위의 위상 모델과 달리 이 모델은 독립적이고 완전하며 지리적으로 중요한 개체를 기본 단위로 하는 지리적 공간을 표현합니다. 특정 조직 및 저장소에서는 엔터티의 좌표 데이터 및 속성 데이터(예: 부분 토폴로지가 설정되고 토폴로지 관계도 테이블에 저장됨)가 각각 파일 시스템 및 관계형 데이터베이스에 저장될 수 있습니다. 둘 다 관계형 데이터베이스에 균일하게 저장될 수 있습니다(좌표 데이터와 속성 데이터는 동일한 테이블에 배치되거나 두 개의 테이블로 나눌 수 있습니다. ESRI SDE의 저장 모드는 네 개의 테이블로 나누어지며 추가됩니다. Layers 테이블과 공간 인덱스 테이블은 서버 측에 위치하며 레이어 관리 및 유지 관리에 사용됩니다. 공간 인덱스 테이블(서버 측)은 빠른 엔터티 검색을 위해 그리드 인덱스를 사용합니다.

개체 지향 데이터 모델은 완전한 개체 지향 소프트웨어 개발 방법을 사용하여 구현됩니다. 각 개체(독립적인 지리적 개체)는 고유한 독립적인 속성(좌표 데이터 포함)을 가질 뿐만 아니라 자신의 동작도 갖습니다. (작업), 일부 작업을 스스로 완료할 수 있습니다. 엔터티 지향 데이터 모델의 내부 구성은 위상적 관계에 따라 수행될 수 있지만 여기서 저자가 언급한 모델은 객체의 좌표 저장(특히 면과 선의 좌표 저장) 간에 종속성이 없음을 강조합니다. 토폴로지 관계 모델과 본질적으로 다릅니다. 이 모델은 위상적 관계 데이터 모델의 여러 가지 단점을 잘 극복할 수 있으며, 개체 관리 및 수정이 쉽고, 쿼리 검색이 쉽고, 공간 분석이 쉽다는 장점이 있습니다. 더 중요한 것은 사용자가 필요로 하는 복잡한 지리적 개체를 쉽게 구성할 수 있다는 것입니다. 모델은 객관적인 세계를 바라보는 사람들의 사고 습관에 부합하며 사용자가 이해하고 수용하기 쉽습니다. 동시에 엔터티 지향 데이터 모델은 당연히 시스템 유지 관리 및 확장이 편리하다는 장점이 있습니다.

이 모델은 오늘날 널리 사용되는 GIS 소프트웨어에서 사용되는 최신 데이터 모델이지만 몇 가지 단점도 있습니다.

위상 관계를 임시로 구성해야 합니다.

개체지향 데이터 모델은 지리적 개체를 중심으로 지리적 개체를 구성 및 저장하고, 위상적 관계를 기반으로 지리적 공간을 표현하지 않으므로, 처음에는 위상적 관계가 존재하지 않고 필요할 때 일시적으로 도출되는 위상적 관계, 특정 시스템 리소스가 필요합니다. 어떤 사람들은 데이터를 엔터티 단위로 정리할 때, 토폴로지 관계가 처음부터 엔터티의 속성 테이블에 저장될 수도 있다고 생각할 수도 있습니다. 그러나 면밀한 분석을 통해 이 솔루션은 토폴로지 관계가 효과적이고 정확하게 기록될 수 없기 때문에 여러 기하학적 요소(예: 서로 다른 구성 요소가 있는 강)로 구성된 엔터티에 대해 실행 가능하지 않다는 것을 알 수 있습니다. 실제로 이 솔루션은 하나의 기하학적 요소로 구성된 엔터티에만 적용 가능하지만 여전히 본질적으로 토폴로지 관계 데이터 모델이며 그 단점은 위의 섹션 2.1에서 설명한 것과 정확히 동일하므로 진정한 엔터티 지향이 아닙니다. 데이터 모델.

동적 분할 및 네트워크 분석 효율성이 저하됩니다. 노드---호 세그먼트---폴리곤 토폴로지 관계 체인에는 4개의 명시적인 토폴로지 테이블이 있습니다. 노드---호 세그먼트 테이블, 호 세그먼트---노드 테이블, 호 세그먼트---폴리곤 테이블 및 폴리곤-- -호 세그먼트 테이블. 이 4개의 관계 테이블을 사용하면 모든 노드, 호 세그먼트 및 다각형의 위상학적 속성을 직접 검색할 수 있으므로 위상학적 데이터 모델을 기반으로 하는 GIS와 관련된 동적 분할 및 네트워크 분석이 매우 편리해집니다. 이 작업을 수행. 그러나 4개의 토폴로지 테이블을 모두 저장하면 시스템의 공간 오버헤드가 두 배로 늘어나므로 일부 소프트웨어는 그 중 2개만 저장하거나(예: 초기 System 9 버전) 호 세그먼트-노드 테이블과 호 세그먼트-다각형 테이블을 하나로 결합하여 분리합니다. (8.0 이전의 Arc/Info 버전), 억제된 테이블은 명시적으로 존재하는 테이블에서 내보낼 수 있습니다. 그럼에도 불구하고, 위상학적 데이터 모델 기반 GIS는 여전히 위상학적 관계를 포함하는 쿼리 및 분석에서 높은 효율성을 갖는 반면, 개체 지향 데이터 모델은 필요에 따라 일시적으로 위상학적 관계를 구축해야 하기 때문에 자연스럽게 위상학적 쿼리 및 분석의 효율성을 감소시킵니다. 물론 구성된 토폴로지 관계는 나중에 사용하기 위해 저장할 수 있습니다.

엔티티 간의 공통점과 공통점이 반복적으로 저장됩니다. 개체지향 데이터 모델은 지리적 개체를 데이터 구성 및 공간 표현의 기본 단위로 사용하므로 각 지리적 개체는 완전히 저장(포인트 수준으로 저장)되며, 좌표를 저장할 경우 각 개체가 독립적으로 저장됩니다. 더 이상 다른 개체에 의존하지 않으므로 필연적으로 개체 간의 모든 공통점과 공통 가장자리가 반복적으로 저장됩니다.

기하학적 요소 수준에서는 관리, 분석, 처리를 찾기가 어렵습니다. 기하학적 요소는 점, 호 세그먼트, 다각형과 같은 단순한 그래픽을 의미합니다. 동일한 개체를 구성하는 각 기하학적 요소의 속성이 상당히 다른 경우도 있습니다(예: 구획을 구성하는 각 측면의 면적이 다르며, 폐쇄된 교통 루프를 구성하는 도로 유형 등), 이는 지리적 엔터티의 다음 단계인 기하학적 요소 수준에서 처리되어야 하며, 토폴로지 데이터 모델은 직접 처리될 수 있습니다. 지향적인 데이터 모델은 먼저 관련 지리적 개체를 찾아 분해해야 하므로 이 영역에서 시스템 성능이 저하됩니다. 본질적인 분석에 따르면, 이 모델은 동일한 개체를 구성하는 기하학적 요소의 속성을 동일하다고 간주하기 때문에 기하학적 요소 간의 속성 차이를 무시하므로 위치를 찾는 것이 어렵다는 결론을 내리는 것은 어렵지 않습니다. 레벨 1의 시스템 저장 및 처리 메커니즘의 기하학적 요소.

크로스 레이어 토폴로지 쿼리 및 분석을 구현하기가 어렵습니다. 이 문제를 위상적 관계 모델에 놓으면 각 요소의 인접 요소가 이미 계층적으로 존재하고 있을 뿐 아니라 실제 지리적 속성도 갖고 있기 때문에 해결하기가 더 쉽습니다. 인접한 요소를 찾아 지리적 속성을 얻는 것이 전부입니다. 그러나 개체 지향 데이터 모델의 경우 임시 위상 관계의 기하학적 요소가 일반적으로 동일한 레이어에 속하기 때문에 효과적으로 해결할 수 없으며, 레이어 간 지리적 속성을 자동으로 생성하는 것이 불가능하기 때문에 추가 처리가 수행되어야 합니다. 해결될 수 있습니다. 분명히 이 방법은 효율적이지 않습니다.