[发明专利]一种基于Spark大数据的多图层矢量数据叠加方法

权利要求书

1.一种基于Spark大数据的多图层矢量数据叠加方法，其特征在于，所述方法包括：

S1：将待处理的多图层矢量图形进行图层合并，在Spark中生成分布式数据集RDD1；

S2：建立最小包含矩形z，所述最小包含矩形z为包含所有RDD1矢量图形的矩形图层；

S3：遍历RDD1中所有图层，为每个图层根据以最小包含矩形z为边界生成一个最短四叉树，记录其编码最大长度len；

S4：选出S3中最大长度len中图层出现最多的长度，将该长度作为标准四叉树编码长度len1；

S5：根据标准四叉树编码长度len1对最小包含矩形z进行分割，生成网格结构，以四叉树编码为索引值生成RDD2；

S6：使用随机数对RDD2中的数据进行重分区，以重分区后的数据生成RDD3；

S7：将RDD3中的矢量图形的四叉树编码进行反编译，获取矢量图形的网格在矢量图形的具体位置并将网格裁切，以网格中的数据生成RDD4；

S8：将RDD4中的矢量图形根据四叉树编码的网格区域进行叠加和拆解，将拆解后的数据生成RDD5；

S9：将RDD5中的矢量图层数据进行融合，将融合后的数据生成RDD6。

2.根据权利要求1所述的一种基于Spark大数据的多图层矢量数据叠加方法，其特征在于，所述RDD1的数据格式为：(矢量图形要素ID，图层编码，图形WKT，最小坐标x，最大坐标x₁，最小坐标y，最大坐标y₁，原始要素json信息)。

3.根据权利要求2所述的一种基于Spark大数据的多图层矢量数据叠加方法，其特征在于，步骤S4中选取标准四叉树编码长度len1还包括：

当最大长度出现次数相同时，选取其中最长的作为标准四叉树编码长度len1。

4.根据权利要求1所述的一种基于Spark大数据的多图层矢量数据叠加方法，其特征在于，所述RDD2的数据格式为：(四叉树编码，(矢量图形要素ID，图层编码，图形WKT，原始要素json))。

5.根据权利要求4所述的一种基于Spark大数据的多图层矢量数据叠加方法，其特征在于，所述步骤6使用随机数对RDD2中的数据进行重分区，以重分区后的数据生成RDD3；具体为：

对所述RDD2进行遍历，为RDD2中的索引值增加随机数，生成新的索引值，根据所述索引值将RDD2进行重分区，生成RDD3；

所述RDD3的数据格式为：(四叉树编码加随机数，(矢量图层要素ID，图层编码，图形WKT，原始要素json信息))。

6.根据权利要求5所述的一种基于Spark大数据的多图层矢量数据叠加方法，其特征在于，所述步骤7将RDD3中的矢量图形的四叉树编码进行反编译，获取编码在矢量图形的位置，生成矢量图形的具体网格并裁切，生成RDD4，具体为：

遍历所述RDD3，将所述索引值去除随机数还原四叉树编码，将四叉树编码进行反编译，生成每个矢量图形的具体网格图形，将矢量图形的图形WKT根据网格裁切，形成每个网格的裁切图形WKT，以四叉树编码为索引值生成RDD4；

所述RDD4的数据格式为：(四叉树编码，(图层编码，矢量图形要素ID，裁切图形WKT，原始要素json信息))。

7.根据权利要求6任一项所述的一种基于Spark大数据的多图层矢量数据叠加方法，其特征在于，所述步骤8将RDD4中的矢量图形根据四叉树编码的网格区域进行叠加和拆解，将拆解后的数据生成RDD5，具体为：

将所述RDD4根据四叉树编码进行分组，将同一网格下的矢量图形进行叠加，将叠加后的矢量图形拆解，拆解成重叠部分和非重叠部分，生成融合要素编码，以拆解后的矢量图形生成RDD5；

所述RDD5的数据格式为(融合要素编码，裁切图形WKT，JSON信息)。