(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211113903.1 (22)申请日 2022.09.14 (71)申请人 联通 （广东） 产业互联网有限公司 地址 510000 广东省广州市黄埔区(中新广 州知识城)亿创街1号 406房之555 (72)发明人 陈涌嘉　邹一荣　 (74)专利代理 机构 广州润禾知识产权代理事务 所(普通合伙) 44446 专利代理师 郑永泉 (51)Int.Cl. G06F 16/22(2019.01) G06F 16/29(2019.01) G06F 16/27(2019.01) G06F 8/41(2018.01) G06F 8/53(2018.01)G06V 10/80(2022.01) (54)发明名称 一种基于Spark大数据的多图层矢量数据叠 加方法 (57)摘要 本发明提供一种基于Spar k大数据的多图层 矢量数据叠加方法， 所述方法为对每一个图层经 过四叉树编码， 选择其中最优的四叉树作为所有 图层的标准四叉树， 并以该四叉树对图层进行切 割， 将切割后的图层分布到Spark的执行器上进 行叠加计算， 最后将图形进行融合。 与现有技术 比较， 本发明方法通过使用Spark的分布式计算 的特点， 结合四叉树来优化Spark的分布方式， 能 够高效的对 多图层矢量数据进行叠加。 权利要求书2页 说明书6页 附图2页 CN 115391351 A 2022.11.25 CN 115391351 A 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RD D1； S2： 建立最小包含矩形z， 所述 最小包含矩形z为包 含所有RD D1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RD D2中的数据进行重分区， 以重分区后的数据生成RD D3； 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RD D4； 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RD D5； S9： 将RDD5中的矢量图层数据进行融合， 将融合后的数据生成RD D6。 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jso n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RD D3； 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jso n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RD D4， 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jso n信息))。权　利　要　求　书 1/2 页 2 CN 115391351 A 27.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RD D5， 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)。 8.根据权利要求7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， 所述叠加 和拆解的具体步骤为： 将同一网格下的矢量图形根据图层编码进行分组； 当只出现一个分组时， 不进行操作； 当出现多个分组时， 遍历该网格下所有对象， 根据图层编码进行排序， 两两进行排列组 合并对其中有重叠的矢量图形进 行叠加， 将叠加部 分裁切出来， 然后 将其图层编 码合并， 并 将获得的结果重复进行 此步骤操作， 直到所有图层编码相同。 9.根据权利要求7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， 所述融合要素编码为分为重 叠部分编码和非重 叠部分编码； 所述重叠部分编码为所有重 叠部分的矢量图形要素ID连接组合； 所述非重 叠部分编码为单个非重 叠部分的矢量图形要素ID； JSON信息为多个重 叠原始要素jso n信息组合或单个非重 叠原始要素jso n信息。 10.根据权利要求9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S9将RD D5中的矢量图层数据进行融合， 将融合后的数据生成RD D6， 具体为： 遍历所述RDD5中的矢量图层数据， 根据所述融合要素编码进行分组， 判断分组内的数 据是否相连， 如果相连则将矢量图层数据进行融合， 生成融合图形WKT和融合JSON信息， 将 融合后的数据生成RD D6； 所述RDD6的数据格式为(融合要素编码， 融合图形WKT， 融合JSON信息)。权　利　要　求　书 2/2 页 3 CN 115391351 A 3