CN115952252A - 数据处理方法、装置、电子设备和介质 - Google Patents

Abstract

本公开涉及计算机技术领域，提供了数据处理方法、装置、电子设备和介质。该方法包括：基于预设处理规则，将至少一个第一级瓦片数据进行合并，确定模型数据；获取输入数据，并基于模型数据和输入数据生成瓦片渲染数据；基于瓦片渲染数据进行数据处理，确定数据处理结果。该实施方式可以基于预设处理规则，将至少一个第一级瓦片数据进行合并，确定模型数据；获取输入数据，并基于模型数据和输入数据生成瓦片渲染数据；基于瓦片渲染数据进行数据处理，确定数据处理结果，提高了数据处理的性能，节省了资源。

Description

数据处理方法、装置、电子设备和介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种数据处理方法、装置、电子设备和介质。

背景技术

在地理信息科学中，普遍采用了矢量数据模型与栅格数据模型对现实世界进行建模与表达。矢量数据模型，也称为离散对象模型，是采用离散对象来表示地球表面的空间要素的。从几何上来看，空间要素分为点、线和多边形，并用点及其x，y坐标来表示这些要素的位置和形状，并可以被访问、解释，并由计算机进行存储与处理。栅格数据模型也被称为格网（Grid）、栅格地图、表面覆盖（Surface Cover）或影像。格网由行、列、格网单元组成。行、列由格网左上角起始。在二维坐标***中，行作为y坐标、列作为x坐标。在这点上与纬度作为y坐标、经度作为x坐标有点类似。

目前，矢量数据模型或栅格数据模型作为支撑地理空间分析的主要数据模型与格式，主要存在以下三个方面问题：

（1）不适合超大范围地域的地理数据存储、处理与分析

矢量数据主要采用shp、gdb等主流格式对数据进行存储与处理，但当图斑规模达到十万或者更多时，数据处理与空间可视化的速度则显著下降，基本无法满足实时应用的需求。栅格数据的存储文件，如img，gtif，gdb等，同样存在该问题，当一次加载数GB乃至数十GB的栅格数据块时，主流的ArcGIS软件也会遇到操作后频繁等待的现象。

（2）不适合小范围局部要素数据的提取与分析处理

当从大数据存储体中提取单个要素时，往往需要遍历或者检索再根据命中条件提取要素，该过程难以满足快速定位与即时性分析的需求，特别是当存储管理全国数十亿规模的图斑或者数以万亿计的栅格像元时，基本无法实时性定位与分析处理。

（3）不适合精度可控的数据处理任务

对于一些在线应用服务，往往近似精度的数据处理结果就可以满足要求，此时对响应时间要求较高。传统的矢量或者栅格数据模型需要将任务提交至后台再基于原始数据进行计算，然后再将结果发送至本地。

发明内容

有鉴于此，本公开实施例提供了一种数据处理方法、装置、电子设备和介质。

本公开实施例的第一方面，提供了一种数据处理方法，包括：获取监测数据，根据上述监测数据确定至少一个第一级语义瓦片数据；基于预设处理规则，将上述至少一个第一级瓦片数据进行合并，确定模型数据；获取输入数据，并基于上述模型数据和上述输入数据生成瓦片渲染数据；基于上述瓦片渲染数据进行数据处理，确定数据处理结果。

本公开实施例的第二方面，提供了一种数据处理装置，包括：信息获取单元，被配置成获取监测数据，根据上述监测数据确定至少一个第一级语义瓦片数据；数据确定单元，被配置成基于预设处理规则，将上述至少一个第一级瓦片数据进行合并，确定模型数据；数据生成单元，被配置成获取输入数据，并基于上述模型数据和上述输入数据生成瓦片渲染数据；数据处理单元，被配置成基于上述瓦片渲染数据进行数据处理，确定数据处理结果。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取监测数据，根据上述监测数据确定至少一个第一级语义瓦片数据；然后，基于预设处理规则，将上述至少一个第一级瓦片数据进行合并，确定模型数据；之后，获取输入数据，并基于上述模型数据和上述输入数据生成瓦片渲染数据；最后，基于上述瓦片渲染数据进行数据处理，确定数据处理结果。该实施方式可以基于预设处理规则，将至少一个第一级瓦片数据进行合并，确定模型数据；获取输入数据，并基于模型数据和输入数据生成瓦片渲染数据；基于瓦片渲染数据进行数据处理，确定数据处理结果，提高了数据处理的性能，节省了资源。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是根据本公开的数据处理方法的一些实施例的流程图；

图2是根据本公开的数据处理方法的一些实施例的总体架构示意图；

图3是根据本公开的数据处理方法的一种异步流态瓦片输出方法的参考示意图；

图4是根据本公开的数据处理方法的破碎瓦片搜索与布尔运算的参考示意图；

图5是根据本公开的数据处理方法的归并方法的参考示意图；

图6是根据本公开的数据处理方法的多边形提取方法的参考示意图；

图7是根据本公开的数据处理装置的一些实施例的结构示意图；

图8是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1是根据本公开的数据处理方法的一些实施例的流程图。如图1所示，该数据处理方法包括：

步骤S101，获取监测数据，根据监测数据确定至少一个第一级语义瓦片数据。

在一些实施例中，数据处理方法的执行主体可以对监测数据进行编码，确定编码数据，对编码数据进行栅格化，确定至少一个第一级语义瓦片数据。

在实际应用中，场模型的语义化编码生成与快速切片：针对以分区形式存储的全覆盖调查监测数据，如国土变更调查数据、地表覆盖数据，选取若干关键属性字段列，为每列字段建立整形数值匹配关系表，并赋值至数据分区图层中，然后按照统一起算点利用多边形填充算法对分区图层进行栅格化处理（非专利保护），形成最精细的基态像元二维阵列。最后，按照标准分块大小依次读取像元阵列，经文件命名编码存储为第一级语义瓦片，即基态场模型。

具体的，参见图2，常规的矢量数据通过结构化存储矢量要素相匹配的属性表来记录语义信息，栅格数据多采用数值符号来表达该类似信息。为完整记录该类信息，采用“两级映射、编码拼接与降维表达”三个环节建立唯一性匹配关系表进行整体映射表达，确保全覆盖要素的所有关注语义信息得到涵盖。对于关注的多个语义属性，逐一建立一维的唯一性数字整型编码，形成数据列表，然后进行由左至右的代码合并，得到全属性长编码，最后再对长编码进行降维映射，即用较短的整型常量代替重复度有限但是长度超过32位甚至64位的长编码。反之，根据降维映射结果，可以逐步向左还原，得到多个语义属性信息。

以国土调查耕地、园地数据为例，建立如下配置关系表：

表1

进一步的，针对矢量数据，为图层的属性表动态增加降维编码字段（DimReduction），逐一遍历图斑，根据组合的语义属性为图斑动态赋编码值。利用成熟的栅格化工具，例如，采用内部点扩散、扫描线等算法，以0.00001°像元大小为基态分辨率，以格林威治（Greenwich）点为起算点，对数据进行统一起算点栅格化，确保不同分区的瓦片均可以实现坐标对齐。对于栅格数据而言，可直接选择0.00001°像元大小与格林威治（Greenwich）起算点进行从采样，实现标准化结果。

在栅格化数据基础上，采用多线程随机分配并行读写像元阵列，实现大规模语义场瓦片的高速输出。语义场瓦片设置包含五个外部信息：级别（g）、分辨率（res）、行编码（r）、列编码（c）、生产线程（t）。

 g={0, 1, 2, 3, …,17, 18}   (1)

res(g)=0.00001*2^18-g(2)

r=floor (pos.y/res(g)/256)   (3)

c=floor(pos.x/res(g)/256)     (4)

t=mod(c,pnum)  (5)

pos-数据某一位置的经纬度坐标，据此可以计算像元所属瓦片的行列编码，

floor-计算不大于参数的最大整数值，

pnum-计算机最大线程数，通过取模运算（mod），计算当前瓦片生产线程id。

为了提升数据写入速度，设计一种异步流态瓦片输出方法，避免磁盘输出竞争，为便于理解可参考图3，具体步骤如下：

1）根据计算机最大进程数设置参与线程数为pnum，其中数据读取线程数为1个，瓦片输出线程数为1，并行渲染线程数为pnum-2，

2）驱动1个读取线程读取横向条带，条带高度为256，宽度为256*（pnum-2）*n，n为大于1的正整数，推荐设置100、200等较大数值，代表一次可以读取可供并行处理的批次数，具体可根据内存空间进行设置，

3）与2）同步驱动pnum-2个从内存中的横向条带纵向切割读取像元阵列进行色彩渲染，各线程读取宽度为256，当横向条带像元读取完成后，将pnum-2置于监测等待状态，同时将渲染后瓦片推送至输出队列，

4）与2）不同驱动1个瓦片输出线程，全程监控输出队列，当有瓦片渲染完毕时按先后顺序连续写入磁盘。

5）当1）、2）、3）、4）全部结束后，退出计算，完成基态瓦片生产任务。

步骤S102，基于预设处理规则，将至少一个第一级瓦片数据进行合并，确定模型数据。

在一些实施例中，上述执行主体可以确定至少一个第一级瓦片数据对应的至少一个边缘数据；然后，上述执行主体可以将至少一个边缘数据和至少一个第一级瓦片数据进行合并，确定第二级瓦片数据；最后，上述执行主体可以基于第二级瓦片数据生成模型数据。

在实际应用中，参见图2，非规则边线瓦片缝合与层级递归：由于不同分区往往具备非规则的外部边线，因此不同相邻分区之间会存在相同层级、相同编码但内容不同的语义瓦片，需进行二次或多次缝合。经识别后，采用一种布尔掩膜方法对同位语义瓦片进行合并，形成边缘瓦片，实现语义增量化。全部缝合完成后，第一级语义瓦片开始采用递归方式逐级合并，得到第二级，依次递归可得到所需全部层级，形成金字塔模型数据体，可直接用于大范围数据的实时在线浏览与快速分析处理。

针对分区数据边缘的破碎瓦片，采用边缘识别、掩膜处理与层级规约实现非规则瓦片的精确缝合与低层级瓦片的生成，破碎瓦片搜索与布尔运算（逻辑与运算）可以参考图4。

具体的，对于分区数据，以分区外部界线的各个线段为依据，沿逆时针方向循环判断。对于每个线段，按照公式（3）、（4）计算起点（x1，y1）与终点（x2，y2）的行列号得到{c1,c1 + 1, …， c2}，{r1, r1 + 1, …，r2}（c1<c2，r1<r2）。

按下式依次解算c1, c1 + 1, …， c2对应瓦片边线的经度坐标：

x=0.00001*256*ci（5）

将x代入（6）式，解算各边线y值。

(y-y1)* (x-x2)=(y-y2) *(x-x1)（6）

再利用（3）式，带入y值解算实际交叉的行编码。

进一步的，逆时针循环结束后，得到边缘瓦片列表，再解决不同分区之间相邻破碎瓦片的缝合问题。为3个分区的交叉边界。

1）依次读取多张交叉瓦片，形成对应数量的像元阵列256*256，

2）动态分配pnum线程进行循环式逻辑与运算（|），调度策略为dynamic，确保不同线程等待时间最小化：

V=V1 | V2 | V3 （7）

3）创建新的同尺寸瓦片像元阵列（256*256），将运算结果写入，

4）输出至磁盘，得到png格式文件。

进一步的，依次读取16张上下左右相邻瓦片（4*4），将中心4张瓦片合并为一个新瓦片方式，生成低一级瓦片，归并方法可以结合图5来理解。

1）依次提取16张相邻瓦片，读取中心4张（2*2）瓦片像元值（512*512）及***12张瓦片与中心4张瓦片相邻的1行和1列（2*2），形成1个综合像元阵列514*514。

2）按照从上至下、从左至右顺序，依次取4*4个像元值，然后按照面积占优法推断结果像元取值。

3）将2）的像元结果逐一写入结果瓦片，待完成1瓦片256*256计算后，输出最终结果瓦片。

4）低一级瓦片全部生成完毕后，以当前新生成的最低级瓦片为输入，执行后续层级瓦片生成。

步骤S103，获取输入数据，并基于模型数据和输入数据生成瓦片渲染数据。

在实际应用中，参见图2，层级可控的语义条件图斑提取与渲染：针对输入地理位置坐标或外部边界坐标序列，首先从空间判别提取语义瓦片列表，然后逐一瓦片进行扫描，判别像元阵列点是否归属为某一个（类）图斑，最后对提取到的图斑逐一计算椭球面积并进行分类汇总，得到语义地类的统计表信息。在此基础上，根据输入配置参数，动态设置语义颜色表，实现当前场景瓦片的动态换色。

语义场瓦片的应用主要通过图斑提取与统计计算得到体现，涉及了要素动态渲染与要素提取两个环节。

具体的，上述步骤完成了瓦片数据的层级递归，形成了金字塔模式的数据体。在此基础上，可进行动态配置与渲染，满足用户多样化显示需求。

具体的，瓦片中每个像元存储了丰富的属性信息，用户可以根据要求提取其中的信息进行解码，进而选择其中一个或多个属性进行渲染设色。具体的，建立一个匹配表，分别标定

表2

例如，可以将表1中集体权属的水田与国有权属的水田分别用深黄色与浅黄色进行配置，这样当用户看到地图时，可清晰的区分出土地的权属特性。

进一步的，基于上述自定义语义配置表，为当前视图范围的显示瓦片逐一更新像元。该过程仅更新内存中瓦片的像元阵列，不对磁盘上已存储数据进行更新。由于不同瓦片的渲染过程相对独立，可选用多线程技术进行加速。

进一步的，在地图渲染界面，通过鼠标点击兴趣位置，可获得当前所在瓦片。从该位置出发，通过蔓延式搜索，构建封闭区域多边形，多边形提取方法可以参考图6来理解。

1）由用户通过交互方式明确所在瓦片（行编码、列编码）及其像元位置（相对于瓦片左上角的位置，均为1~256），

2）从像元位置开始向外（8个方向，依次为：左、左上、上、右上、右、右下、下、左下）逐一遍历像元，每遍历一个像元则对其进行标记，当遇到不同取值或搜索到的像元值已被标记过则停止该方向搜索，该过程至全部方向遍历完成结束搜索，

3）在2）中搜索过程中如遇到瓦片边界，则需要访问该相邻瓦片，并以边界像元为起始位置进行搜索，

4）搜索完成后结果像元已构成封闭多边形，可直接用于统计与分析。

步骤S104，基于瓦片渲染数据进行数据处理，确定数据处理结果。

在一些实施例中，上述执行主体可以响应于数据查询指令，生成数据查询任务，根据数据查询任务和瓦片渲染数据进行数据处理，确定数据处理结果。

在实际应用中，多时序维度下自定义范围的语义转移矩阵生成：利用同语义图斑提取技术，选取计算层级并从起始维度语义瓦片层提取语义瓦片列表和精确像元位置，然后针对全部同位瓦片计算语义变换类型及数值，得到复合键值对列表，再按照需求拆解为任意所需两年度的二维矩阵表，实现自定义范围、自定义时间的国土变更调查或地表覆盖分类的完整语义地类转移矩阵。

本说明书实施例以长序列自然资源调查监测形成的全覆盖、高精度、多版本地理空间大数据为基础，针对数据管理、快速分发、实时分析与在线查询服务等需求，突破了场模型的语义化编码生成与快速切片、非规则边线瓦片合并与层级递归、层级可控的同语义图斑提取与统计、多时序维度下自定义范围的语义转移矩阵生成等关键技术，形成完整的数据模型与技术方法。

基于提取得到的多边形范围，参见图2，可开展以下4类专题分析。

（1）面积统计

具体的，根据数据查询任务和瓦片渲染数据进行数据处理，确定数据处理结果，包括：根据数据查询任务确定查询时间，基于瓦片渲染数据，生成查询时间对应的瓦片渲染数据信息。统计单一年度的地类现状信息，过程如下：

1）每一像元均具有相同的高度与宽度，而同一行像元对应的纬度范围完全相同，因而可知同一行像元具有相同的地类面积。采用预先计算方式，完成一列完整像元的面积计算，存储为：

<层级(int),<行编码(int),面积(double)> >哈希表（结构1）

面积计算方式可借助ArcGIS构建一整列垂直分布的正方形（特殊的多边形），进而完成面积计算，再将计算结果存储至哈希表。

2）完成上述环节基础上，按照用户输入查询条件（位置或范围）汇总统计不同行编码条件下的各类属性编码的像元个数，存储格式为：

<行编码(int),<属性编码(string),像元个数(int)> >哈希表（结构2）

3）根据用户输入的查询条件所在的层级，查询对应结构2中各行编码的像元面积，与对应结构2中各属性编码的像元个数相乘，得到行编码、属性编码条件下的地类面积，存储格式为：

<属性编码(string),地类面积(double) >哈希表（结构3）

结构3结果可直接作为输出提供。

（2）地类变化

统计任意两个年度的地类变化信息，过程如下：

1）按照面积统计方法分别统计相同范围内的地类现状，得到如结构3的两套结果，

2）以属性编码为对齐关键字，计算地类面积差异，得两个年度之间各地类的面积变化量，

3）按照“属性编码、地类面积（年份1）、地类面积（年份2），变化量”形式输出地类变化结果。

（3）地类转移

统计任意两个年度的地类转移详情，过程如下：

1）按照面积统计方法中第1步，得到结构1存储的统计结果，

2）完成上述环节基础上，按照用户输入查询条件（位置或范围）进行联合统计，提取两个年度数据各行编码条件下的各类属性编码的像元个数，存储格式为：

<行编码(int),<属性编码1(string)#属性编码2(string),像元个数(int)> >哈希表（结构4）

结构4中，属性编码1与属性编码2分别来自两个数据层相同位置的像元值，经过组合形成关键字。

3）根据用户输入的查询条件所在的层级，查询对应结构2中各行编码的像元面积，与结构4中各属性编码的像元个数相乘，得到行编码、属性编码条件下的地类面积，存储格式为：

<属性编码1(string)#属性编码2(string),地类面积(double) >哈希表（结构5）

结构5结果可直接作为输出提供。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取监测数据，根据上述监测数据确定至少一个第一级语义瓦片数据；然后，基于预设处理规则，将上述至少一个第一级瓦片数据进行合并，确定模型数据；之后，获取输入数据，并基于上述模型数据和上述输入数据生成瓦片渲染数据；最后，基于上述瓦片渲染数据进行数据处理，确定数据处理结果。该实施方式可以基于预设处理规则，将至少一个第一级瓦片数据进行合并，确定模型数据；获取输入数据，并基于模型数据和输入数据生成瓦片渲染数据；基于瓦片渲染数据进行数据处理，确定数据处理结果，提高了数据处理的性能，节省了资源。另外，本公开设计了一种面向大范围、全覆盖国土调查监测或地表覆盖数据的快速渲染与分析模型，解决了语义场瓦片生产、自定义动态渲染、多条件分析等实用化需求。本公开部分耗时环节可通过CPU多核线程进行并行优化，从而大幅提高***性能。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图7是根据本公开的数据处理装置的一些实施例的结构示意图。如图7所示，该数据处理装置包括：信息获取单元701、数据确定单元702，数据生成单元703和数据处理单元704。其中，信息获取单元701，被配置成获取监测数据，根据监测数据确定至少一个第一级语义瓦片数据，数据确定单元702，被配置成基于预设处理规则，将至少一个第一级瓦片数据进行合并，确定模型数据，数据生成单元703，数据生成单元，被配置成获取输入数据，并基于模型数据和输入数据生成瓦片渲染数据，数据处理单元704，被配置成基于瓦片渲染数据进行数据处理，确定数据处理结果。

在一些实施例的一些可选的实现方式中，数据处理装置的信息获取单元701被进一步配置成：根据监测数据确定至少一个第一级语义瓦片数据，包括：对监测数据进行编码，确定编码数据，对编码数据进行栅格化，确定至少一个第一级语义瓦片数据。

在一些实施例的一些可选的实现方式中，数据处理装置的数据确定单元702被进一步配置成：基于预设处理规则，将至少一个第一级瓦片数据进行合并，确定模型数据，包括：确定至少一个第一级瓦片数据对应的至少一个边缘数据，将至少一个边缘数据和至少一个第一级瓦片数据进行合并，确定第二级瓦片数据，基于第二级瓦片数据生成模型数据。

在一些实施例的一些可选的实现方式中，数据处理装置的数据生成单元703被进一步配置成：基于模型数据和输入数据生成瓦片渲染数据，包括：根据输入数据从模型数据提取目标属性信息，对目标属性信息进行解码，并对解码后的目标属性信息进行渲染。

在一些实施例的一些可选的实现方式中，数据处理装置的数据生成单元703被进一步配置成：响应于数据选择指令，从瓦片渲染数据中确定目标瓦片渲染数据，基于目标瓦片渲染数据确定多边形数据。

在一些实施例的一些可选的实现方式中，数据处理装置的数据处理单元704被进一步配置成：响应于数据查询指令，生成数据查询任务，根据数据查询任务和瓦片渲染数据进行数据处理，确定数据处理结果。

在一些实施例的一些可选的实现方式中，数据处理装置的数据处理单元704被进一步配置成：根据数据查询任务和瓦片渲染数据进行数据处理，确定数据处理结果，包括：根据数据查询任务确定查询时间，基于瓦片渲染数据，生成查询时间对应的瓦片渲染数据信息。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。

图8是本公开实施例提供的计算机设备8的示意图。如图8所示，该实施例的计算机设备8包括：处理器801、存储器802以及存储在该存储器802中并且可以在处理器801上运行的计算机程序803。处理器801执行计算机程序803时实现上述各个方法实施例中的步骤。或者，处理器801执行计算机程序803时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序803可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器802中，并由处理器801执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序803在计算机设备8中的执行过程。

计算机设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备8可以包括但不仅限于处理器801和存储器802。本领域技术人员可以理解，图8仅仅是计算机设备8的示例，并不构成对计算机设备8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。

处理器801可以是中央处理单元（Central Processing Unit，CPU），也可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器802可以是计算机设备8的内部存储单元，例如，计算机设备8的硬盘或内存。存储器802也可以是计算机设备8的外部存储设备，例如，计算机设备8上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器802还可以既包括计算机设备8的内部存储单元也包括外部存储设备。存储器802用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器802还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

获取监测数据，根据所述监测数据确定至少一个第一级语义瓦片数据；

基于预设处理规则，将所述至少一个第一级瓦片数据进行合并，确定模型数据；

获取输入数据，并基于所述模型数据和所述输入数据生成瓦片渲染数据；

基于所述瓦片渲染数据进行数据处理，确定数据处理结果。

2.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述监测数据确定至少一个第一级语义瓦片数据，包括：

对所述监测数据进行编码，确定编码数据；

对所述编码数据进行栅格化，确定至少一个第一级语义瓦片数据。

3.根据权利要求1所述的数据处理方法，其特征在于，所述基于预设处理规则，将所述至少一个第一级瓦片数据进行合并，确定模型数据，包括：

确定所述至少一个第一级瓦片数据对应的至少一个边缘数据；

将所述至少一个边缘数据和所述至少一个第一级瓦片数据进行合并，确定第二级瓦片数据；

基于所述第二级瓦片数据生成所述模型数据。

4.根据权利要求3所述的数据处理方法，其特征在于，所述基于所述模型数据和所述输入数据生成瓦片渲染数据，包括：

根据所述输入数据从所述模型数据提取目标属性信息；

对所述目标属性信息进行解码，并对解码后的目标属性信息进行渲染。

5.根据权利要求1所述的方法，其特征在于，在所述基于所述模型数据和所述输入数据生成瓦片渲染数据之后，还包括：

响应于数据选择指令，从所述瓦片渲染数据中确定目标瓦片渲染数据；

基于所述目标瓦片渲染数据确定多边形数据。

6.根据权利要求1所述的方法，其特征在于，所述基于所述瓦片渲染数据进行数据处理，确定数据处理结果，包括：

响应于数据查询指令，生成数据查询任务；

根据所述数据查询任务和所述瓦片渲染数据进行数据处理，确定数据处理结果。

7.根据权利要求6所述的方法，其特征在于，所述根据所述数据查询任务和所述瓦片渲染数据进行数据处理，确定数据处理结果，包括：

根据所述数据查询任务确定查询时间；

基于所述瓦片渲染数据，生成所述查询时间对应的瓦片渲染数据信息。

8.一种数据处理装置，其特征在于，包括：

信息获取单元，被配置成获取监测数据，根据所述监测数据确定至少一个第一级语义瓦片数据；

数据确定单元，被配置成基于预设处理规则，将所述至少一个第一级瓦片数据进行合并，确定模型数据；

数据生成单元，被配置成获取输入数据，并基于所述模型数据和所述输入数据生成瓦片渲染数据；

数据处理单元，被配置成基于所述瓦片渲染数据进行数据处理，确定数据处理结果。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

Images