1） 多数空间数据挖掘算法是由一般的数据挖掘算法 移植而来，并没有考虑空间数据存储、处理及空间数据本 身的特点。空 间 数 据 不 同 于 关 系 数 据 库 中 的 数 据，它 有 其特有的空间 数 据 访 问 方 法，因 而 传 统 的 数 据 挖 掘 技 术 往往不能很好地分析复杂的空间现象和空间对象。
摘 要： 随着大数据时代的到来，数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题，
介绍了国内外研究中利用大数据处理工具和云计算技术，在空间数据的存储、管理和挖掘算法等方面的做法，并
指出了该类研究存在的不足。最后，探讨了空间数据挖掘的发展趋势。
关键词： 大数据； 空间数据挖掘； 云计算
图 2 空间数据挖掘的基本过程 Fig． 2 The basic process of spatial data mining
1． 1 空间挖掘理论和算法研究
经过近年来 的 研 究，空 间 数 据 挖 掘 继 承 和 发 展 相 关 的基础学科（ 如机器学习、统计学等） 已有成果，并探索出 独具特色的理论体系，但也存在一些问题，主要表现为以 下几点：
1 传统空间数据挖掘存在的问题
1989 年 8 月于美国底特律市召开的第一届国际联合 人工智能学术 会 议 上，首 次 出 现 了 从 数 据 库 中 发 现 知 识 （ Knowledge Discovery in Database，简称 KDD） 。空间数据 挖掘研究比一般的关系数据库或事务数据库的数据挖掘 研究晚。1994 年在渥太华举行的 GIS 国际会议上，李德 仁院士第一次提出了从 GIS 数据库中发现知识 （ Knowledge Discovery from GIS，简称 KDG） 的概念，并系统分析了 空间知识发现的特点和方法，认为它能够把 GIS 有限的数 据变成无限的知识，精炼和更新 GIS 数据，促使 GIS 成为 智能化的信 息 系 统。 从 此，空 间 数 据 挖 掘 就 成 为 数 据 库 和信息决策领 域 的 一 个 重 要 研 究 方 向，虽 然 取 得 了 一 定 的进展，但还 有 很 多 问 题 需 要 研 究。 空 间 数 据 挖 掘 的 基 本过程如图 2 所示。
2） 空间数据含有随机不确定性和模糊性，但目前的 空间数据挖掘方法对空间数据的不确定性处理还存在一
些问题。有的 方 法 根 本 没 有 考 虑 空 间 数 据 的 不 确 定 性； 有的方法考虑了随机不确定性； 有的方法考虑空间数据 的模糊性。还没有一种方法既能较好地考虑空间数据随 机不确定性又考虑空间数据模糊性。
3） 空间数据挖掘的智能化。目前空间数据挖掘已经 应用了人工神 经 网 络 等 智 能 算 法，但 现 有 的 空 间 数 据 挖 掘系统的智 能 化 程 度 比 较 低，还 需 要 进 一 步 提 高。 例 如 依据数据的特 点 自 动 选 择 合 适 的 挖 掘 算 法，在 此 过 程 中 不需要或者需要少量的人工干预。
2） 空间数据挖掘系统适用范围有限。国际上最著名 且有代 表 性 的 通 用 SDM 系 统 有： GeoMiner，Descartes 和 ArcViewGIS 的 S_PLUS 接口。以上 SDM 系统的共同优点 是可以把传统 DM 与地图可视化结合起来，提供聚类、分 类等多种挖掘 模 式，但 它 们 在 空 间 数 据 的 操 作 上 实 现 方 式不尽相同。Descartes 是专门的空间数据可视化工具， 它和 DM 工具 Kepler 两者联合在一起才能完成 SDM 任 务。GeoMiner 是在 MapInfo 平台上进行二次开发而成，系 统庞大，造成较大的资源浪费。S_PLUS 的局限在于，它 是一种解释性语言（ Script） ，功能的实现比用 C 和 C + + 直接实现要慢得多，所以只能在非常小的数据库中使用。
在这些数据 中，与 空 间 位 置 相 关 的 数 据 占 了 绝 大 多 数。传统的空间知识发现的科研模式在大数据情境下已 经不再适用，原 因 是 传 统 的 科 研 模 型 不 具 有 普 适 性 且 支 持的数据量受限，受到数据传输、存储及时效性需求的制 约等。为了从 存 储 在 分 布 方 式、虚 拟 化 的 数 据 中 心 获 取 信息或知识，这 就 需 要 利 用 强 有 力 的 数 据 分 析 工 具 来 将
以上各种获 取 手 段 和 途 径 的 汇 集，就 使 每 天 获 取 的
数据增长量达到 GB 级、TB 级乃至 PB 级。如中国遥感卫 星地面站现在保存的对地观测卫星数据资料达 260 TB， 并以 每 年 15 TB 的 数 据 量 增 长。比 如 2011 年 退 役 的 Landsat5 卫星在其 29 年的在轨工作期间，平均每年获取 8． 6 万景影像，每天获取 67 GB 的观测数据。而 2012 年 发射的资源三号（ ZY3） 卫星，每天的观测数据获取量可以 达到 10TB 以上。类似的传感器现在已经大量部署在卫 星、飞机等飞行平台上，未来 10 年，全球天空、地空间部署 的百万计传感器每天获取的观测数据将超过 10 PB。这 预示着一个 时 代 的 到 来，那 就 是 大 数 据 时 代。 大 数 据 具 有“4V”特性，即数据体量大（ Volume） 、数据来源和类型 繁多（ Variety） 、数据的真实性难以保证（ Veracity） 、数据增 加和变化的速度快 （ Velocity） 。对 地 观 测 的 系 统 如 图 1 所示。
1． 2 空间数据挖掘技术研究
目前，在 空 间 数 据 挖 掘 系 统 研 究 过 程 中 存 在 以 下 问题：
1） 空间数据集成问题。许多空间数据集中包含着复 杂的数据类型，如 关 系 型 数 据、半 结 构 化 数 据、非 结 构 化 数据、复杂的 空 间 数 据 对 象、超 文 本 数 据 和 多 媒 体 数 据、 时空数据、视频数据、声音数据等，局域网和广域网、国际 互联网上更是连接了更多的空间数据源并形成了巨大、 变化、分布式、分 层、异 构 的 空 间 数 据 仓 库。 具 有 不 同 数 据语义，来自不同的数据源，随时都有可能改变的空间数 据集，对空间数据挖掘提出了新的挑战，目前并不存在一 个强有力的空间能使数据挖掘系统有效地处理这些复杂 的数据类型。
5） 私有性、安全性与空间数据挖掘问题。知识发现 可能导致对于 私 有 权 的 入 侵，研 究 采 取 哪 些 措 施 防 止 暴 露敏感信息是十分重要的。当从不同角度和不同抽象级 上观察空间 数 据 时，数 据 安 全 性 将 受 到 严 重 威 胁。 这 时 空间数据 保 护 和 空 间 数 据 挖 掘 可 能 会 造 成 一 些 矛 盾 的 结果。
第 37 卷 第 7 期 2014 年 7 月
测绘与空间地理信息
GEOMATICS ＆ SPATIAL INFOＲMATION TECHNOLOGY
Vol． 37，No． 7 Jul． ，2014
大数据时代的空间数据挖掘综述
马宏斌1 ，王 柯1 ，马团学2
（ 1． 信息工程大学 地理空间信息学院，河南 郑州 450000； 2． 空降兵研究所，湖北 孝感 432000）
第7 期
马宏斌等： 大数据时代的空间数据挖掘综述
21
系统不够成熟，属于实验阶段，并未投入实际应用和后续 开发。
4） 空间挖掘方法和用户交互问题。由于不同的用户 可能对不同类 型 的 知 识 感 兴 趣，空 间 数 据 系 统 应 该 覆 盖 范围很广的数 据 分 析 和 知 识 发 现 任 务，在 相 同 的 空 间 数 据上发现不同的知识，有必要提供交互式手段，开发不同 的空间数据 挖 掘 技 术。 而 目 前，空 间 数 据 挖 掘 知 识 发 现 系统普遍交互 性 不 强，在 知 识 发 现 过 程 中 很 难 充 分 有 效 地利用领域专 家 知 识，用 户 不 能 很 好 地 掌 控 空 间 数 据 挖 掘过程。
收稿日期： 2014 － 01 － 22 作者简介： 马宏斌（ 1982 － ） ，男，甘肃天水人，作战环境学专业博士研究生，主要研究方向为地理空间信息服务。20ຫໍສະໝຸດ 测绘与空间地理信息2014 年
图 1 对地观测系统 Fig． 1 Earth observation system
数据“坟墓”变成“知识金块”。这一需求使得数据挖掘在 大数据时代 再 度 受 到 人 们 的 重 视。 同 时，大 数 据 时 代 的 研究方法和数据处理技术也给空间数据挖掘研究的发展 带来了新的机遇。
4） 空间数据挖掘质量评价。空间数据挖掘的知识很 多，但挖掘的程度如何、挖掘的效益如何等这些问题目前 还没有进行研究。空间数据挖掘结果可能会发现数以千 计的模式，其中 有 些 模 式 是 错 误 的，对 于 给 定 的 用 户，许 多模式未必是 感 兴 趣 的，因 此，如 何 提 供 给 用 户 有 用 的、 确定的和可表示性的知识是一个需要研究的课题。
0引言
随着地理空 间 信 息 技 术 的 飞 速 发 展，获 取 数 据 的 手 段和途径都得 到 极 大 丰 富，传 感 器 的 精 度 得 到 提 高 和 时 空覆盖范围 得 以 扩 大，数 据 量 也 随 之 激 增。 用 于 采 集 空 间数据的可能 是 雷 达、红 外、光 电、卫 星、多 光 谱 仪、数 码 相机、成像光谱 仪、全 站 仪、天 文 望 远 镜、电 视 摄 像、电 子 显微镜、CT 成像等各种宏观与微观传感器或设备，也可能 是常规的野外测量、人口普查、土地资源调查、地图扫描、 地图数字化、统计图表等空间数据获取手段，还可能是来 自计算机、网络、GPS，ＲS 和 GIS 等技术应用和分析空间 数据。特别是近些年来，个人使用的、携带的各种传感器 （ 重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、 温度传感器、红外线传感器等） ，具备定位功能电子设备 的普及，如 智 能 手 机、平 板 电 脑、可 穿 戴 设 备 （ GOOGLE GLASS 和智能手表等） ，使人们在日常生活中产生了大量 具有位置信息的数据。随着志愿者地理信息 （ Volunteer Geographic Information） 的出现，使这些普通民众也加入到 了提供数据者的行列。