基于MongoDB的地名信息管理

劉 亞，段麗娟，亢曉琛，孫 鎮(zhèn)，趙 捷

(1.北京中誠盛源技術(shù)發(fā)展有限公司，北京 100020；2.武漢大學(xué)，湖北武漢 430079；3.中國測繪科學(xué)研究院，北京 100830；4.國家組織機構(gòu)代碼管理中心，北京 100026）

基于MongoDB的地名信息管理

劉 亞1，段麗娟1，亢曉琛2，3，孫 鎮(zhèn)4，趙 捷4

(1.北京中誠盛源技術(shù)發(fā)展有限公司，北京 100020；2.武漢大學(xué)，湖北武漢 430079；3.中國測繪科學(xué)研究院，北京 100830；4.國家組織機構(gòu)代碼管理中心，北京 100026）

一、引 言

地名是人們對具有特定方位、地理范圍的地理實體賦予的專有名稱，其本質(zhì)屬性包括兩個方面：指位性與社會性。指位性指地名所代表的地理實體在地球表面上具有一定的空間位置；社會性是指地名的命名、更名、發(fā)展、演變始終受到社會因素制約。地名信息系統(tǒng)(geographic names information system，GNIS）是由美國地質(zhì)勘察局(U.S.Geological Survey）聯(lián)合地名委員會(U.S.Board on Geographic Names）建立的自然與文化中包含了地理位置與名稱的數(shù)據(jù)庫，其目的在于促進地名信息的標準化[1]。在地理信息系統(tǒng)中，實體的定位依據(jù)是實體所在的地理位置[2]。地理位置是一個抽象的概念，難以進行操作，因此在城市地名庫的建立過程中，地名成為人與計算機或者手持設(shè)備進行溝通的紐帶。Excite是全球領(lǐng)先的個性化門戶網(wǎng)站，提供頂級搜索功能、門戶網(wǎng)站，郵件服務(wù)，即時通信等服務(wù)，根據(jù)該網(wǎng)站統(tǒng)計，與地理位置相關(guān)的查詢約占所有查詢的1/5，而出現(xiàn)頻率最高的關(guān)鍵字是地名[3]。在二維空間與三維空間應(yīng)用中，地名數(shù)據(jù)可用于各類名稱檢索、空間范圍查詢，用于輔助空間信息可視化。在基于Web方式的地名標注應(yīng)用中，不同的地物點往往對應(yīng)不同類型、不同個數(shù)的字段。這種特殊的需求對傳統(tǒng)的模式化關(guān)系數(shù)據(jù)庫提出了極大的挑戰(zhàn)。在城市快速發(fā)展的背景下，城市地名表現(xiàn)出數(shù)量多、密度大、使用率極高等一系列特點[4]。因此，需要良好的數(shù)據(jù)組織模型與數(shù)據(jù)庫解決方案來支持地名的快速查詢。

MongoDB是一個基于分布式文件存儲的數(shù)據(jù)庫，能夠為Web應(yīng)用提供可擴展的高性能數(shù)據(jù)存儲解決方案，具有模式自由、支持二維地理空間索引、可存儲二進制數(shù)據(jù)對象、支持查詢和網(wǎng)絡(luò)訪問等一系列優(yōu)點[5]。MongoDB將關(guān)系型數(shù)據(jù)庫中“行”的概念轉(zhuǎn)換為“文檔”，支持文檔數(shù)據(jù)的內(nèi)嵌。由于無模式限制，MongoDB可為不同的地名提供多樣化的字段定義，而無須大量遷移數(shù)據(jù)，從而使得數(shù)據(jù)模型具備靈活變更的能力。此外，MongoDB默認的存儲引擎中使用了內(nèi)存映射文件，將內(nèi)存管理交付操作系統(tǒng)，其傳輸協(xié)議采用預(yù)分配策略，用空間換取性能穩(wěn)定，優(yōu)越的性能使其具備存儲管理大規(guī)模地名數(shù)據(jù)、應(yīng)對多樣化存儲需求的能力。

本文所設(shè)計的地名信息管理系統(tǒng)以MongoDB為底層存儲解決方案。在此基礎(chǔ)上，設(shè)計了基于K-means聚類算法的地名層次組織模型，并用文檔字段來表征不同地名之間的級別關(guān)系。為便于地名應(yīng)用訪問地名庫，設(shè)計與實現(xiàn)一系列地名文檔信息操作接口，用于支持地名入庫、建立空間索引、地名修改、地名查詢(范圍查詢、鄰近查詢及名稱查詢）等。

二、地名數(shù)據(jù)組織模型

地名數(shù)據(jù)組織模型描述了整個地名信息庫的層次組織結(jié)構(gòu)，而這種層次關(guān)系需要通過單個地名文檔的結(jié)構(gòu)字段來表達。具體定位一個位置時，還需要空間索引來輔助操作以提高地名檢索的效率。

1.基于K-means聚類算法的地名數(shù)據(jù)樹模型

在二維或三維可視化應(yīng)用中，為了確保顯示效率與地圖要素不過于擁擠，單次顯示地名不能過于密集。在城市地區(qū)，即使很小的地理范圍，對應(yīng)的地名數(shù)據(jù)可能較眾多。而在農(nóng)村偏遠地區(qū)，地名分布則可能較為稀疏。此外，地名具有行政歸屬，即不同地名節(jié)點之間可能具有從屬關(guān)系(如海淀區(qū)節(jié)點屬于北京市節(jié)點）。因此，必須采用分級的策略，同時兼顧地名密度。

K-means算法是經(jīng)典的基于劃分的聚類算法，其基本思想是：以空間中的k個點為中心進行聚類，對靠近他們的對象進行歸類。通過迭代方法，逐次更新聚類中心的值，直至得到理想的聚類結(jié)果。

為了同時兼顧地名行政歸屬與地名分布密度，首先將主要的地名按行政級別劃分為4個級別：0級(國家級）、1級(省、自治區(qū)、直轄市級）、2級(省會城市及地級市）、3級(區(qū)、縣、縣級市）。然后對從屬于3級的大量的低級地名進行聚類劃分，使得4級地名(聚類中心）與5級地名(村、鎮(zhèn)）均保持有相對平衡的節(jié)點數(shù)目。地名的層次結(jié)構(gòu)如圖1所示。

圖1 地名層次結(jié)構(gòu)圖

2.地名結(jié)構(gòu)描述

為了在數(shù)據(jù)庫中表達以上的層次關(guān)系，所有地名節(jié)點必須需具備最基本的一系列字段，用于反映上下級地名之間的關(guān)系。通過基本字段描述，整個地名數(shù)據(jù)庫的邏輯結(jié)構(gòu)可得到有效表達。其他可選字段則是可根據(jù)需求動態(tài)進行添加、刪除、編輯。地名節(jié)點的字段列舉如下：

1）地名標識(必選）：唯一值，不允許重復(fù)，用于標識唯一一個節(jié)點。

2）地名名稱(必選）：描述該節(jié)點的地理名稱。

3）地名位置(必選）：以經(jīng)緯度方式表達的獨立坐標位置。

4）地名級別(必選）：取0～5中的一個值。

5）子節(jié)點個數(shù)(必選）：從屬于當前節(jié)點的子節(jié)點個數(shù)。

6）父節(jié)點標識(必選）：所屬節(jié)點標識。

7）標注信息1(可選）：如文字信息。

8）標注信息2(可選）：如圖片信息。

9）標注信息3(可選）：如視頻信息。

10）……

對于任意一個地名(假設(shè)標識為N，父節(jié)點標識為M，級別位L），可以獲取它的父節(jié)點及子節(jié)點列表。由于每個地名記錄存儲了父節(jié)點標識，根據(jù)標識M可直接訪問父節(jié)點的地名信息。由于子節(jié)的地名與父節(jié)點地名的級別差為1，聯(lián)合查詢級別與父節(jié)點標識兩項字段即可返回當前地名的下級地名信息，即查詢級別為L-1，且父節(jié)點為N的所有地名文檔。為了加速索引過程，需要對標識、父節(jié)點標識及地名級別建立索引。

在MongoDB數(shù)據(jù)庫中，采用了JSON(javascript object notation）格式來表述。單個地名的文本表達方式如下(以最低級的村莊地名文檔為例）：

3.索 引

在進行空間檢索之前，需對空間范圍內(nèi)的地理要素構(gòu)建空間索引，以便于按范圍訪問。由于地名數(shù)據(jù)位置信息為空間點位置，對應(yīng)的空間索引也針對點集進行構(gòu)建。Mongodb將整個地理范圍劃分為坐標網(wǎng)格，并采用geohash方式對網(wǎng)格進行編碼，然后計算各個坐標位置對應(yīng)的geohash值。計算geohash需要將二維空間范圍迭代劃分為4個象限，然后為對每個象限進行雙位編碼。如圖2所示，一個4象限可以表達為4個兩位數(shù)字(如00，10，01，11）。每個兩位數(shù)對應(yīng)一個象限與所有位于對應(yīng)象限內(nèi)的坐標位置。這樣，所有位于左下角的點，均對應(yīng)的geohash值均為00，以此類推，左上為01，右下為10，右上為11。要提高檢索精度，可對每個象限作進一步劃分。這樣，每個坐標位置將對應(yīng)更長的檢索位。

圖2 空間劃分與空間索引

在將地名信息導(dǎo)入到數(shù)據(jù)庫后，選擇標識地理位置的字段(如經(jīng)度、緯度）創(chuàng)建空間索引。MongoDB已經(jīng)提供了空間范圍的默認劃分方式，并提供了對球面計算與平面幾何計算的支持，只需要調(diào)用相關(guān)命令創(chuàng)建即可。

三、地名庫接口設(shè)計與實現(xiàn)

地名數(shù)據(jù)管理系統(tǒng)需要實現(xiàn)基本的數(shù)據(jù)錄入、數(shù)據(jù)修改，空間索引建立、各種空間查詢接口，以便于外部應(yīng)用訪問。

數(shù)據(jù)錄入接口提供了按行讀取文本方式，字段的定義在首行。通過對首行文本的分析，可得到所有字段名稱及類型。其格式定義如下：

Field1(Type）Field2(Type）Field3(Type）……

讀取首行信息后，可得到基本的地名結(jié)構(gòu)描述定義，從而錄入各個字段。數(shù)據(jù)錄入接口的定義較為簡單，只需要提供文件路徑即可，其定義如下：

void ImportFromTxt(const char?filepathname）

空間索引是進行空間查詢的基礎(chǔ)，必須在查詢之前進行構(gòu)建。構(gòu)建空間索引時，需要指定坐標對的具體字段。本系統(tǒng)支持二維空間坐標索引，需提供標識橫坐標與縱坐標的兩個字段。接口定義如下：

數(shù)據(jù)修改針對某個具體記錄進行，需提供對應(yīng)的記錄標識。為了快速定位修改對象，需要對所有記錄預(yù)先按照標識字段構(gòu)建索引。其接口定義如下：

空間查詢包括了按照范圍、空間臨近及按字段名稱查詢。其定義為：

其中，f定義了被查詢的字段，value定義了被查詢值。

地名管理引擎的實現(xiàn)基于MongoDB所提供的C＋＋driver完成。通過封裝成動態(tài)鏈接庫或可執(zhí)行文件，以方便在二維與三維應(yīng)用中調(diào)用。在應(yīng)用中，往往需要組合調(diào)用多個接口來實現(xiàn)特定的數(shù)據(jù)更新需求。一般流程為：①選擇所需的查詢接口來定位需要更新的地名文檔；②根據(jù)定名標識逐個更新地名。

四、應(yīng) 用

本系統(tǒng)已成功應(yīng)用于基于Web方式的地名標注地理信息系統(tǒng)與三維地名可視化系統(tǒng)平臺。在地名標注地理信息系統(tǒng)中，用戶可在地圖背景下動態(tài)添加點或線類型的地名標注。對于不同的標注項，用戶可以個性化地增加標注內(nèi)容，如文字，圖片及上傳的其他相關(guān)文件。不同標注項對標注內(nèi)容的個數(shù)沒有限制。Web端所標注的信息可動態(tài)插入到對應(yīng)地名文檔中，各地名文檔均不受模式約束。

在三維應(yīng)用中，地名數(shù)據(jù)以獨立的顯示圖層加載到三維引擎中。為確保地名渲染速度及解決圖面地名擁擠問題，地名的展示應(yīng)依尺度進行變化，即隨著可視化尺度的變化，地名數(shù)據(jù)可動態(tài)顯示或隱藏，以確保顯示調(diào)度的效率。圖3與圖4為同一地區(qū)兩個不同尺度的地名顯示狀態(tài)。在圖3對應(yīng)的尺度下，僅顯示了地級市級別的地名(如長沙市、南昌市）。在此基礎(chǔ)上，經(jīng)過地圖放大，縣級市的地名則全部顯示出來(如圖4所示）。通過地名層次組織結(jié)構(gòu)，不同的層次細節(jié)信息得到調(diào)度顯示。

圖3 三維地名可視化―――尺度1

圖4 三維地名可視化―――尺度2

五、結(jié)束語

基于MongoDB的地名數(shù)據(jù)管理可支持大量地名信息存儲，查詢方式及自定義方式更新等需求。傳統(tǒng)關(guān)系型數(shù)據(jù)的模式化限制得到有效解決，從而支持多樣化地名標注。內(nèi)置的空間索引功能，使得基于關(guān)系數(shù)據(jù)庫開發(fā)地名信息系統(tǒng)的復(fù)雜度得到有效降低。通過在地名標注地理信息系統(tǒng)與三維地名可視化應(yīng)用中發(fā)現(xiàn)，基于MongoDB的地名信息管理是可行的技術(shù)方案。

[1]HILL L L，F(xiàn)REW J，ZHENG Q.Geographic Name[J]. D-Lib Magazine，1999，5(1）：17.

[2]江春發(fā).城市地名庫的建立[J].測繪通報，2000 (9）：23-24.

[3]SANDERSON M，KOHLER J.Analyzing Geographic Queries[C]∥SIGIR Workshop on Geographic Information Retrieval.[S.l.]：[s.n.]，2004，2.

[4]傅立憲.上海市地名管理信息系統(tǒng)設(shè)計思想[J].中國地名，1997(2）：29-30.

[5]MEMBREY P，PLUGGE E，HAWKINS T.The Definitive Guide to MongoDB：the noSQL Database for Cloud and Desktop Computing[M].[S.l.]：Apress，2010.

Geographic Names Management Based on MongoDB

LIU Ya，DUAN Lijuan，KANG Xiaochen，SUN Zhen，ZHAO Jie

地名數(shù)據(jù)具有數(shù)據(jù)量大、數(shù)據(jù)結(jié)構(gòu)復(fù)雜、查詢方式多樣等一系列特征。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫在存儲地名信息數(shù)據(jù)時，往往需要預(yù)先定義數(shù)據(jù)表結(jié)構(gòu)，難以實現(xiàn)動態(tài)增加多樣化地名屬性信息的功能。此外，復(fù)雜的地理查詢需求也難以得到滿足。本文提出一種基于非關(guān)系型數(shù)據(jù)庫MongoDB的地名數(shù)據(jù)存儲管理方式，可滿足地名存儲的各種需求。同時，屬性查詢、空間鄰近查詢、空間范圍查詢均能得到有效支持。

MongoDB；地名數(shù)據(jù)；地名存儲；地名查詢

P208

B

0494-0911(2014）10-0117-04

2013-10-08

國家科技支撐計劃(2012BAH24B 02；2013BAK07B03）

劉 亞(1977―），男，重慶巫山人，工程師，主要研究方向為信息系統(tǒng)架構(gòu)、商業(yè)智能及數(shù)據(jù)挖掘。

劉亞，段麗娟，亢曉琛.基于MongoDB的地名信息管理[J].測繪通報，2014(10）：117-120.

10.13474/j.cnki.11-2246.2014.0346