CN103714185B - 主题事件更新方法库及城市多源时空信息并行更新方法 - Google Patents

Abstract

本发明公开了一种主题事件更新方法库及城市多源时空信息并行更新方法，所提出的时空信息更新与信息源、数据模型及尺度、更新方法、更新流程、质量控制和主题事件等多种因素有关，是在多源数据融合以及异常变化发现的基础上对时空数据库进行的更新。并在此基础之上建立突发事件的更新机制、基于主题事件联动更新机制以及GPU并行加速更新算法，从而针对时空信息更新内容、频率的需要，实现城市时空实体和时空事件的动态信息更新。本发明根据相应的主题事件的判断及触发，通过GPU并行更新算法对相应数据及传感器进行更新，使得用户的时空信息保持最新状态的同时能发现用户关心的重大突发事件，可以为智慧城市中的应急安全及交通疏导等提供技术支持。

Description

主题事件更新方法库及城市多源时空信息并行更新方法

技术领域

本发明属于智慧城市时空信息更新领域，涉及一种主题事件更新方法库及城市多源时空信息并行更新方法，特别涉及一种基于主题事件的智慧城市主题事件更新方法库及城市多源时空信息并行更新方法。

背景技术

各种航空、航天、近景测量和新型传感器获取的数据，以及物联网、移动互联网、位置服务网等多源时空信息是当前城市运行管理、建设规划、应急指挥和公共服务等应用的基础支撑，是构建“智慧城市”不可或缺的重要组成部分。随着天空地传感器网络建设的逐步完善，现场采集和历史积累的城市时空数据越来越多，出现了“数据海量、信息***、知识贫乏”的矛盾局面。目前国内外时空数据模型和时空数据库的应用研究主要集中在地籍历史变更数据的组织管理、智能交通和导航信息***、城市气候环境变化分析、城市发展和土地利用模拟等方面，但是建设中的示范数字城市依然是一种静态的信息化城市，仅有少量专题数据以离散时间点的全局空间快照或离散空间站点长时间序列来组织管理，尚难以进行时空数据高效存取和适应各种城市问题分析决策需要。海量城市时空数据为发展高效时空数据管理与更新技术提供了契机，因此研究基于异常变化发现的数据更新机制是保证数据的准确性和现势性、提高数据质量、支撑智慧城市运行的重要基础。同时随着GPU硬件的发展，基于GPU的并行高速计算也发展迅速，为解决更新中海量数据及提高实时更新效率提供了有力的支撑。

基于城市传感器网络中多源异构数据的异常发现与数据并行更新问题是一种基于地理信息与专家知识的大尺度、海量、时序、多源、高不确定性异构数据的分类与识别问题。对于如何自动分析城市传感器网络获取的海量无规则多源异构数据，并结合专家知识与数据库实现异常检测以及数据并行快速更新，是世界各国的地理时空信息数据库都面临着的“数据库更新”问题。

目前，多传感器数据空间异常探测方法大致可以分为：基于图形的方法(采用可视化的方法，如变量云与散点图，并从图形中寻找异常实体)、基于偏离的方法(采用非空间属性值与空间邻近域内实体非空间属性平均值的差值来度量实体的异常程度)、基于局部异常度量的方法(借助局部密度的方法定义局部偏离度)、基于聚类的方法(将空间聚类后获得的孤立点或小簇视为空间异常)等。例如：专利号为CN102081619A的发明专利《数据更新方法、分发节点及海量存储集群***》，专利号为CN101339570的发明专利《一种高效的海量遥感数据分布式组织管理方法》，专利号为CN102332004A的发明专利《用于海量数据管理的数据处理方法和***》。

现有更新方法针对面向主题的高效时空数据管理更新方面，海量时空数据的存储和管理对动态目标表达能力差、管理数据形式单一、灵活性不足、可扩展性有待提高，而且大量传感器获取的半结构、非结构性信息难以构建高效的索引结构和进行统一管理与实时调度，且当前的数据管理与更新主要集中于城市实体更新，缺乏面向主题事件的异常变化发现及更新机制，由于存在变化识别或定义准则的众多歧义，很难做到理论完备且独立，在逻辑层次，时间地理概念框架下的时空棱椎体模型和各种时空关系模型等具有较灵活的地理时空结构化表达能力，但是理论研究工作多于物理实现，基本结构特征表达能力仍有不足。

与传统的异常探测及空间异常探测方法不同，时空异常探测需要顾及空间实体随时间的变化，更为复杂，虽然取得了一些零散的成果，但整体研究的深度和广度还很不足，发展的理论方法远不够成熟。除了事件的探测及发现外，基于GPU的快速并行更新算法也还没有被大规模的应用到时空数据更新中来。因此这些基础地理信息数据库建成后，在面向主题的应用过程中，必须对其进行动态维护和高效更新，以保证数据的准确性和现势性，提高数据的质量，更有效的服务于公众，这是智慧城市可持续运行的重要任务，也是本专利的主要目的。

发明内容

为了解决上述的技术问题，本发明针对时空信息的多源异构性，提出了一种基于主题事件的智慧城市主题事件更新方法库及城市多源时空信息并行更新方法。

本发明所采用的技术方案是：

一种主题事件更新方法库，其特征在于：包括事件判断规则、基础更新规则和联动更新规则；

所述的事件判断规则包括：主题事件的条件判断规则、主题事件分类知识库、数据源匹配与关联的规则；

所述的主题事件的条件判断规则为：首先通过相关专家知识，包括城市突发事件的内容、突发事件的具体分类及分类依据、城市突发事件行为标准及相关专业知识，将不同类型的突发事件进行分类和建模，建立各个不同突发事件的行为特征参数，并建立突发事件与传感器的匹配关联表，将不同类别的多传感器时空数据与城市突发事件分类***进行对应，以便在不同的时空数据中快速发现相应的城市突发事件以及将新类别的突发事件纳入已有的城市突发事件知识库，最后形成一个动态的城市突发事件规则库，提供诸如拥堵车流量阀值、烟雾浓度阀值类事件的判断依据，确定突发事件；

所述的数据源匹配与关联的规则为：提供诸如车流量对应交通拥堵、烟雾浓度对应火灾类事件的对应关联知识库，为后期的联动更新提供联动规则；

所述的基础更新规则包括：主题事件更新判断参数库、主题事件更新处理规则、主题事件更新检测及评价规则；

所述的主题事件更新处理规则为：更新主题事件更新方法库处理诸如交通拥堵对应有高亮拥堵路段、信息发布、拥堵路段监控视频提取类突发事件产生的相关更新操作，包括更新信息的显示、更新信息的传递、更新信息的统计；。

所述的主题事件更新检测及评价规则为：通过建立评价体系，为一致性、完备性检测及终止性分析提供检测数据时间标签及精度类函数和参数，主要是对更新信息进行相关的检测、保证更新信息的真实性和完备性；

所述的联动更新规则包括：主题事件插值联动更新规则、主题事件参数联动更新规则。

所述的主题事件插值联动更新规则为：针对网络化的传感器中某一个点或几个点的数据变化，通过克里金插值或自然邻点插值类方法来进行信息的联动更新；

所述的主题事件参数变化联动更新规则为：专门对传感器相关的参数进行的联动更新，随着参数的变化传感器自身的相关信息会出现改变，因此在出现对应的信息变化时，需要联动更新对应的传感器参数，调整传感器状态。

一种主题事件更新方法库的构成方法，其特征在于：根据城市历史突发事件获取初始海量城市突发事件集合，同时结合城市领域的专家知识和相关因素对城市突发事件信息进行***归纳和分类，并将各类突发事件的重要特征以及表现形式进行描述，最终将完成分类的城市异常事件集合纳入规则库，从而得到主题事件更新方法库。

一种利用主题事件更新方法库的城市多源时空信息并行更新方法，其特征在于，包括以下步骤：

步骤1. 时空数据清洗：接收传感器传递过来的时空数据，对所述的时空数据的准确性及实时性进行判断，剔除错误信息；

步骤2. 主题事件发现：通过主题事件的条件判断规则利用城市主题事件分类***及语义分析技术对所述的时空数据里的主题事件进行发现判断；

步骤3. 主题事件识别：通过主题事件分类知识库结合语义分析技术对已发现的主题事件进行类型判断；

步骤4. 时空信息联动更新：确定了主题事件后，根据不同传感器数据特点，对所述的时空数据进行部分更新、版本更新或全部更新；

步骤5. 终止性分析：通过主题事件更新检测及评价规则对更新完的时空数据进行完备性及一致性判断，判断更新是否终止。

作为优选，步骤2中所述的主题事件发现，其具体实现包括以下子步骤：

步骤2.1. 时空数据分类：通过主题事件分类***，按照事先定义好的数据类型参照表，对时空数据进行分类，所述的对时空数据进行分类是对时空数据信息按照时空信息、空间信息、时间信息进行分类；所述的主题事件分类***主要是用户定义的时空数据信息类型判断规则，对于已有的传感器信息及数据格式按照时空、空间、时间的类型进行定义，判断时进行比对分类；

步骤2.2. 交叉检验：对已分类的时空数据，利用主题事件的条件判断规则对其空间信息通过其空间关系及语义信息对事件信息进行检测发现是否符合主题事件发生条件，其时间信息则通过时间序列关系对事件信息进行检测发现是否符合主题事件发生条件，其时空信息则分别进行以上检测并进行时空交叉检验，判断其是否符合主题事件发生条件；

步骤2.3. 主题事件发现：对检测后的时空数据信息进行精度检测去除异常数据及错误，若未发现主题事件则跳出检测，若发现主题事件则进入下一阶段进行主题事件的识别。

作为优选，步骤3中所述的主题事件识别，其具体实现包括以下子步骤：

步骤3.1. 主题事件分类：通过主题事件分类知识库对已发现的主题事件进行分类，分类根据触发信息的类型及属性进行分类；

步骤3.2. 主题事件特性分析：主题事件属性分为空间事件、时间事件或时空事件，根据主题事件属性的不同分别按照空间、语义关系或时间序列对其进行分析，获得其空间特性或时间特性，对于时空事件则还需进行时空交叉分析获取其时空特性；

步骤3.3. 主题事件识别：根据主题事件其时空特性，参照主题事件知识库，对主题事件进行识别，并对主题事件的特性进行时空验证排除错误特性及人为错误；所述的主题事件分类知识库是用户根据专家知识及分类***按照时空特性对主题事件进行描述的事件字典，主要用于主题事件的识别。

作为优选，步骤4中所述的时空信息联动更新，其具体实现包括以下子步骤：

步骤4.1. 数据准备：主题事件识别后，通过数据源匹配与关联规则将与已发生主题事件相关的数据进行收集，推送入特定存储位置准备进行处理，主题事件与其相关的数据的对照关系由用户自定义，存储在更新规则库中，其中所述的数据源匹配与关联规则，主要包含各种主要特定事件与相关的传感器信息的对应关系；

步骤4.2. 更新判断：根据更新判断参数库对需更新的时空数据进行判断，首先根据主题事件及需更新的时空数据的特点对照主题事件更新处理规则对其进行更新判断，选择参数联动更新或插值联动更新；对于只有参数属性的单一主题事件的更新，进行传感器的参数联动更新；对于有图像数据且有相互关联影响的主题事件的更新进行插值联动更新；所述的参数联动更新是根据参数联动更新规则库对信息来源的传感器的参数进行相关的更新，主要是通过参数联动规则库匹配对应传感器，然后进行参数更新；所述的插值联动更新是根据插值联动更新规则库对主题事件相关的时空数据进行插值，然后将插值后的时空数据进行更新处理，其中插值联动更新规则库包含对应主题事件所对应时空数据的插值更新方法，不同主题事件数据类型插值方法会有不同，有用户根据实际情况进行定义；

步骤4.3. 更新选择：然后根据主题事件更新判断参数库，根据更新时空数据量大小及数据类型选择进行整体更新或部分更新；当时空数据量大于阀值时，进行部分更新，当时空数据量小于阀值时，则进行整体更新；所述的整体更新是对时空数据进行完全替换更新，所述的部分更新只进行部分变换数据的更新；

步骤4.4. 加速判断：所述的时空数据若是图片或影像类大数据量图片信息，则触发GPU并行加速更新，否则进行终止性分析；

步骤4.5. 终止性分析：利用主题事件更新检测及评价规则对时空数据进行完备性及一致性检验，检验更新是否完成及完成的正确性。

作为优选，步骤4.4中所述的GPU并行加速更新，其具体实现包括以下子步骤：

步骤4.4.1：将更新时空数据加载***内存；

步骤4.4.2：根据时空数据大小将时空数据进行块状分割；

步骤4.4.3：将块状时空数据传入GPU内存；

步骤4.4.4：利用GPU的多核心进行并行计算，主要是对时空数据进行行列变换及矩阵计算；

步骤4.4.5：判断更新变换是否完成，若未完成计算则回转执行所述的步骤4.4.3，否则进入下一步骤；

步骤4.4.6：判断GPU并行计算是否结束，若未结束则回转执行所述的步骤4.4.2，若结束则进行下一步；

步骤4.4.7：时空数据完成计算返回***内存。

本发明所提出的时空信息更新与信息源、数据模型及尺度、更新方法、更新流程、质量控制和主题事件等多种因素有关，是在多源数据融合（包括影像类数据融合，影像与非影像数据融合）以及异常变化发现的基础上对时空数据库进行的更新。并在此基础之上建立突发事件的更新机制、基于主题事件联动更新机制以及GPU并行加速更新算法，从而针对时空信息更新内容、频率的需要，实现城市时空实体和时空事件的动态信息更新。

本发明所提出的面向主题的时空信息更新主要针对融合后的数据进行更新，为多源、多尺度、多时态、不同语义环境的事件联动协同更新：基于多源地理空间实体变化的特点、面向协同更新的操作算子，可实现（半）自动的数据库更新；针对城市信息的网格化管理，研究克里金插值等方法进行格网局部更新、以及基于网格的协同更新技术；利用GPU并行加速算法实现城市时空信息局部更新和整体更新方法；利用版本及主动数据库技术实现本地多源空间数据间的协同更新，满足更新过程中长事务和（准）实时需求，建立可持续的基于事件联动的协同更新机制。

本发明构建了一个适用于多源大数据量的时空数据的基于主题事件的更新，根据相应的主题事件的判断及触发，通过GPU并行更新算法对相应数据及传感器进行更新，使得用户的时空信息保持最新状态的同时能发现用户关心的重大突发事件，可以为智慧城市中的应急安全及交通疏导等提供技术支持。

附图说明

图1：为本发明实施例的主题事件更新方法库结构图。

图2：为本发明实施例的主题事件方法库构建方法流程图。

图3：为本发明实施例的城市多源时空信息并行更新方法流程图。

图4：为本发明实施例的时空事件发现流程图。

图5：为本发明实施例的主题时空事件识别流程图。

图6：为本发明实施例的基于事件的联动更新流程图。

图7：为本发明实施例的GPU并行计算算法流程图。

图8：为本发明实施例的主题时空事件一致性、完备性检测流程图。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步的阐述。

请见图1，本发明的一种主题事件更新方法库，包括事件判断规则、基础更新规则和联动更新规则；

事件判断规则包括：主题事件的条件判断规则、主题事件分类知识库、数据源匹配与关联的规则；

主题事件的条件判断规则为：首先通过相关专家知识，包括城市突发事件的内容、突发事件的具体分类及分类依据、城市突发事件行为标准及相关专业知识，将不同类型的突发事件进行分类和建模，建立各个不同突发事件的行为特征参数，并建立突发事件与传感器的匹配关联表，将不同类别的多传感器时空数据与城市突发事件分类***进行对应，以便在不同的时空数据中快速发现相应的城市突发事件以及将新类别的突发事件纳入已有的城市突发事件知识库，最后形成一个动态的城市突发事件规则库，提供诸如拥堵车流量阀值、烟雾浓度阀值类事件的判断依据，确定突发事件；

数据源匹配与关联的规则为：提供诸如车流量对应交通拥堵、烟雾浓度对应火灾类事件的对应关联知识库，为后期的联动更新提供联动规则；

基础更新规则包括：主题事件更新判断参数库、主题事件更新处理规则、主题事件更新检测及评价规则；

主题事件更新处理规则为：主题事件更新方法库处理诸如交通拥堵对应有高亮拥堵路段、信息发布、拥堵路段监控视频提取类突发事件产生的相关更新操作，包括更新信息的显示、更新信息的传递、更新信息的统计；

主题事件更新检测及评价规则为：通过建立评价体系，为一致性、完备性检测及终止性分析提供检测数据时间标签及精度类函数和参数，主要是对更新信息进行相关的检测、保证更新信息的真实性和完备性；

联动更新规则包括：主题事件插值联动更新规则、主题事件参数联动更新规则。

主题事件插值联动更新规则为：针对网络化的传感器中某一个点或几个点的数据变化，通过克里金插值或自然邻点插值类方法来进行信息的联动更新；如传感网获取的区域观测数据通常是在控制点数据的基础上插值获得，一旦采样点数据发生变化，相应的区域观测数据也要进行更新。

主题事件参数变化联动更新规则为：专门对传感器相关的参数进行的联动更新，随着参数的变化传感器自身的相关信息会出现改变，因此在出现对应的信息变化时，需要联动更新对应的传感器参数，调整传感器状态。

请见图2，本发明的主题事件更新方法库的构成方法，根据城市历史突发事件获取初始海量城市突发事件集合，同时结合城市领域的专家知识和相关因素对城市突发事件信息进行***归纳和分类，并将各类突发事件的重要特征以及表现形式进行描述，最终将完成分类的城市异常事件集合纳入规则库，从而得到主题事件更新方法库。

请见图3，本发明的利用主题事件更新方法库的城市多源时空信息并行更新方法，包括以下步骤：

步骤1. 时空数据清洗：接收传感器传递过来的时空数据，对时空数据的准确性及实时性进行判断，剔除错误信息。

步骤2. 主题事件发现：通过主题事件的条件判断规则利用城市主题事件分类***及语义分析技术对时空数据里的主题事件进行发现判断；请见图4，主题事件发现，其具体实现包括以下子步骤：

步骤2.1. 时空数据分类：通过主题事件分类***，按照事先定义好的数据类型参照表，对时空数据进行分类，对时空数据进行分类是对时空数据信息按照时空信息、空间信息、时间信息进行分类；主题事件分类***主要是用户定义的时空数据信息类型判断规则，对于已有的传感器信息及数据格式按照时空、空间、时间的类型进行定义，判断时进行比对分类；

步骤2.2. 交叉检验：对已分类的时空数据，利用主题事件的条件判断规则对其空间信息通过其空间关系及语义信息对事件信息进行检测发现是否符合主题事件发生条件，其时间信息则通过时间序列关系对事件信息进行检测发现是否符合主题事件发生条件，其时空信息则分别进行以上检测并进行时空交叉检验，判断其是否符合主题事件发生条件；

步骤2.3. 主题事件发现：对检测后的时空数据信息进行精度检测去除异常数据及错误，若未发现主题事件则跳出检测，若发现主题事件则进入下一阶段进行主题事件的识别。

步骤3. 主题事件识别：通过主题事件分类知识库结合语义分析技术对已发现的主题事件进行类型判断；请见图5，主题事件识别，其具体实现包括以下子步骤：

步骤3.1. 主题事件分类：通过主题事件分类知识库对已发现的主题事件进行分类，分类根据触发信息的类型及属性进行分类；

步骤3.2. 主题事件特性分析：主题事件属性分为空间事件、时间事件或时空事件，根据主题事件属性的不同分别按照空间、语义关系或时间序列对其进行分析，获得其空间特性或时间特性，对于时空事件则还需进行时空交叉分析获取其时空特性；

步骤3.3. 主题事件识别：根据主题事件其时空特性，参照主题事件知识库，对主题事件进行识别，并对主题事件的特性进行时空验证排除错误特性及人为错误；主题事件分类知识库是用户根据专家知识及分类***按照时空特性对主题事件进行描述的事件字典，主要用于主题事件的识别。

步骤4. 时空信息联动更新：确定了主题事件后，根据不同传感器数据特点，对时空数据进行部分更新、版本更新或全部更新；请见图6，时空信息联动更新，其具体实现包括以下子步骤：

步骤4.1. 数据准备：主题事件识别后，通过数据源匹配与关联规则将与已发生主题事件相关的数据进行收集，推送入特定存储位置准备进行处理，主题事件与其相关的数据的对照关系由用户自定义，存储在更新规则库中，其中数据源匹配与关联规则，主要包含各种主要特定事件与相关的传感器信息的对应关系；

步骤4.2. 更新判断：根据更新判断参数库对需更新的时空数据进行判断，首先根据主题事件及需更新的时空数据的特点对照主题事件更新处理规则对其进行更新判断，选择参数联动更新或插值联动更新；对于只有参数属性的单一主题事件的更新，比如摄像头角度，进行传感器的参数联动更新；对于有图像数据且有相互关联影响的主题事件的更新，比如温度、PM2.5的变化等，进行插值联动更新；参数联动更新是根据参数联动更新规则库对信息来源的传感器的参数进行相关的更新，主要是通过参数联动规则库匹配对应传感器，然后进行参数更新；插值联动更新是根据插值联动更新规则库对主题事件相关的时空数据进行插值，比如克里金插值，然后将插值后的时空数据进行更新处理，其中插值联动更新规则库包含对应主题事件所对应时空数据的插值更新方法，不同主题事件数据类型插值方法会有不同，有用户根据实际情况进行定义；

步骤4.3. 更新选择：然后根据主题事件更新判断参数库，根据更新时空数据量大小及数据类型选择进行整体更新或部分更新；当时空数据量大于阀值时，进行部分更新，当时空数据量小于阀值时，则进行整体更新；整体更新是对时空数据进行完全替换更新，部分更新只进行部分变换数据的更新；

步骤4.4. 加速判断：时空数据若是图片或影像类大数据量图片信息，则触发GPU并行加速更新，否则进行终止性分析；请见图7，GPU并行加速更新，其具体实现包括以下子步骤：

步骤4.4.1：将更新时空数据加载***内存；

步骤4.4.2：根据时空数据大小将时空数据进行块状分割；

步骤4.4.3：将块状时空数据传入GPU内存；

步骤4.4.4：利用GPU的多核心进行并行计算，主要是对时空数据进行行列变换及矩阵计算；

步骤4.4.5：判断更新变换是否完成，若未完成计算则回转执行步骤4.4.3，否则进入下一步骤；

步骤4.4.6：判断GPU并行计算是否结束，若未结束则回转执行步骤4.4.2，若结束则进行下一步；

步骤4.4.7：时空数据完成计算返回***内存。

步骤4.5. 终止性分析：利用主题事件更新检测及评价规则对时空数据进行完备性及一致性检验，检验更新是否完成及完成的正确性。请见图8，通过检测数据的完备性及一致性评定，确定更新是否终止。即判断数据是否已经更新完毕，及更新后是否与之前的数据的类型及属性相同，避免更新错误。

步骤5. 终止性分析：利用主题事件更新检测及评价规则对时空数据进行完备性及一致性检验，判断更新是否终止。

以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，因此，凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种主题事件更新方法库的构成方法，其特征在于：所述主题事件更新方法库包括事件判断规则、基础更新规则和联动更新规则；

所述的事件判断规则包括：主题事件的条件判断规则、主题事件分类知识库、数据源匹配与关联的规则；

所述的主题事件的条件判断规则为：首先通过相关专家知识，包括城市突发事件的内容、突发事件的具体分类及分类依据、城市突发事件行为标准及相关专业知识，将不同类型的突发事件进行分类和建模，建立各个不同突发事件的行为特征参数，并建立突发事件与传感器的匹配关联表，将不同类别的多传感器时空数据与城市突发事件分类***进行对应，以便在不同的时空数据中快速发现相应的城市突发事件以及将新类别的突发事件纳入已有的城市突发事件知识库，最后形成一个动态的城市突发事件规则库，提供突发事件的判断依据，确定突发事件；所述突发事件的判断依据包括拥堵车流量阀值、烟雾浓度阀值；

所述的数据源匹配与关联的规则为：提供对应关联知识库，为后期的联动更新提供联动规则；所述对应关联知识库内容包括车流量对应交通拥堵事件、烟雾浓度对应火灾事件；

所述的基础更新规则包括：主题事件更新判断参数库、主题事件更新处理规则、主题事件更新检测及评价规则；

所述的主题事件更新处理规则为：主题事件更新方法库处理突发事件产生的相关更新操作，包括更新信息的显示、更新信息的传递、更新信息的统计；

所述的主题事件更新检测及评价规则为：通过建立评价体系，为一致性、完备性检测及终止性分析提供检测数据时间标签及精度类函数和参数，对更新信息进行相关的检测、保证更新信息的真实性和完备性；

所述的联动更新规则包括：主题事件插值联动更新规则、主题事件参数联动更新规则；

所述的主题事件插值联动更新规则为：针对网络化的传感器中某一个点或几个点的数据变化，通过克里金插值或自然邻点插值类方法来进行信息的联动更新；

所述的主题事件参数联动更新规则为：专门对传感器相关的参数进行的联动更新，随着参数的变化传感器自身的相关信息会出现改变，因此在出现对应的信息变化时，需要联动更新对应的传感器参数，调整传感器状态；

所述主题事件更新方法库的构成方法是根据城市历史突发事件获取初始海量城市突发事件集合，同时结合城市领域的专家知识对城市突发事件信息进行***归纳和分类，并将各类突发事件的重要特征以及表现形式进行描述，最终将完成分类的城市异常事件集合纳入规则库，从而得到主题事件更新方法库。

2.一种利用权利要求1所述的主题事件更新方法库的城市多源时空信息并行更新方法，其特征在于，包括以下步骤：

步骤1. 时空数据清洗：接收传感器传递过来的时空数据，对所述的时空数据的准确性及实时性进行判断，剔除错误信息；

步骤2. 主题事件发现：通过主题事件的条件判断规则利用城市主题事件分类***及语义分析技术对所述的时空数据里的主题事件进行发现判断；

步骤3. 主题事件识别：通过主题事件分类知识库结合语义分析技术对已发现的主题事件进行类型判断；

步骤4. 时空信息联动更新：确定了主题事件后，根据不同传感器数据特点，对所述的时空数据进行部分更新、版本更新或全部更新；

步骤5. 终止性分析：利用主题事件更新检测及评价规则对时空数据进行完备性及一致性检验，判断更新是否终止。

3.根据权利要求2所述的方法，其特征在于：步骤2中所述的主题事件发现，其具体实现包括以下子步骤：

步骤2.1. 时空数据分类：通过主题事件分类***，按照事先定义好的数据类型参照表，对时空数据进行分类，所述的对时空数据进行分类是对时空数据信息按照时空信息、空间信息、时间信息进行分类；所述的主题事件分类***是用户定义的时空数据信息类型判断规则，对于已有的传感器信息及数据格式按照时空、空间、时间的类型进行定义，判断时进行比对分类；

步骤2.2. 交叉检验：对已分类的时空数据，利用主题事件的条件判断规则对其空间信息通过其空间关系及语义信息对事件信息进行检测发现是否符合主题事件发生条件，其时间信息则通过时间序列关系对事件信息进行检测发现是否符合主题事件发生条件，其时空信息则分别进行以上检测并进行时空交叉检验，判断其是否符合主题事件发生条件；

步骤2.3. 主题事件发现：对检测后的时空数据信息进行精度检测去除异常数据及错误，若未发现主题事件则跳出检测，若发现主题事件则进入下一阶段进行主题事件的识别。

4.根据权利要求2所述的方法，其特征在于：步骤3中所述的主题事件识别，其具体实现包括以下子步骤：

步骤3.1. 主题事件分类：通过主题事件分类知识库对已发现的主题事件进行分类，分类根据触发信息的类型及属性进行分类；

步骤3.2. 主题事件特性分析：主题事件属性分为空间事件、时间事件或时空事件，根据主题事件属性的不同分别按照空间、语义关系或时间序列对其进行分析，获得其空间特性或时间特性，对于时空事件则还需进行时空交叉分析获取其时空特性；

步骤3.3. 主题事件识别：根据主题事件其时空特性，参照主题事件知识库，对主题事件进行识别，并对主题事件的特性进行时空验证排除错误特性及人为错误；所述的主题事件分类知识库是用户根据专家知识及分类***按照时空特性对主题事件进行描述的事件字典，主要用于主题事件的识别。

5.根据权利要求2所述的方法，其特征在于：步骤4中所述的时空信息联动更新，其具体实现包括以下子步骤：

步骤4.1. 数据准备：主题事件识别后，通过数据源匹配与关联规则将与已发生主题事件相关的数据进行收集，推送入特定存储位置准备进行处理，主题事件与其相关的数据的对照关系由用户自定义，存储在更新规则库中，其中所述的数据源匹配与关联规则，主要包含各种主要特定事件与相关的传感器信息的对应关系；

步骤4.2. 更新判断：根据更新判断参数库对需更新的时空数据进行判断，首先根据主题事件及需更新的时空数据的特点对照主题事件更新处理规则对其进行更新判断，选择参数联动更新或插值联动更新；对于只有参数属性的单一主题事件的更新，进行传感器的参数联动更新；对于有图像数据且有相互关联影响的主题事件的更新进行插值联动更新；所述的参数联动更新是根据参数联动更新规则库对信息来源的传感器的参数进行相关的更新，是通过参数联动规则库匹配对应传感器，然后进行参数更新；所述的插值联动更新是根据插值联动更新规则库对主题事件相关的时空数据进行插值，然后将插值后的时空数据进行更新处理，其中插值联动更新规则库包含对应主题事件所对应时空数据的插值更新方法，不同主题事件数据类型插值方法会有不同，有用户根据实际情况进行定义；

步骤4.3. 更新选择：然后根据主题事件更新判断参数库，根据更新时空数据量大小及数据类型选择进行整体更新或部分更新；当时空数据量大于阀值时，进行部分更新，当时空数据量小于阀值时，则进行整体更新；所述的整体更新是对时空数据进行完全替换更新，所述的部分更新只进行部分变换数据的更新；

步骤4.4. 加速判断：所述的时空数据若是图片或影像类大数据量图片信息，则触发GPU并行加速更新，否则进行终止性分析；

步骤4.5. 终止性分析：利用主题事件更新检测及评价规则对时空数据进行完备性及一致性检验，检验更新是否完成及完成的正确性。

6.根据权利要求5所述的方法，其特征在于：步骤4.4中所述的GPU并行加速更新，其具体实现包括以下子步骤：

步骤4.4.1：将更新时空数据加载***内存；

步骤4.4.2：根据时空数据大小将时空数据进行块状分割；

步骤4.4.3：将块状时空数据传入GPU内存；

步骤4.4.4：利用GPU的多核心进行并行计算，对时空数据进行行列变换及矩阵计算；

步骤4.4.5：判断更新变换是否完成，若未完成计算则回转执行所述的步骤4.4.3，否则进入下一步骤；

步骤4.4.6：判断GPU并行计算是否结束，若未结束则回转执行所述的步骤4.4.2，若结束则进行下一步；

步骤4.4.7：时空数据完成计算返回***内存。