Na construção de uma área de influência, o método de dilatação baseada em rasterização inevitavelmente introduz erros, e o método de dupla linha paralela envolve uma série de operações complexas. Neste artigo, propõe-se um algoritmo de armazenamento paralelo baseado na fusão de área e MPI (Interface de transferência de Mensagem) para melhorar o desempenho de análise de armazenamento, no processamento de grandes conjuntos de dados. Os resultados experimentais revelam que há três grandes gargalos de desempenho que impactam significativamente a eficiência de construção de armazenamentos seriais e paralelos, incluindo a estratégia de fusão de área, a tarefa / método do balanceamento de carga e os MPI resultantes da estratégia de fusão. Para superar esses gargalos, são sugeridas abordagens de correspondência de otimização envolvendo a estratégia de fusão em árvore, um método orientado de partição do número de vértices em tarefas paralelas e uma estratégia de fusão dos inter-processos. Os experimentos foram realizados para examinar a eficiência do algoritmo paralelo de otimização. Os resultados estimados sugerem que as abordagens de otimização podem fornecer alto desempenho e capacidade de processamento para a construção de armazenamento em um ambiente paralelo agrupado. Esse método pode fornecer sugestões sobre a paralelização de algoritmos de análise espacial.

On buffer zone construction, the rasterization-based dilation method inevitably introduces errors, and the double-sided parallel line method involves a series of complex operations. In this paper, we proposed a parallel buffer algorithm based on area merging and MPI (Message Passing Interface) to improve the performances of buffer analyses on processing large datasets. Experimental results reveal that there are three major performance bottlenecks which significantly impact the serial and parallel buffer construction efficiencies, including the area merging strategy, the task load balance method and the MPI inter-process results merging strategy. Corresponding optimization approaches involving tree-like area merging strategy, the vertex number oriented parallel task partition method and the inter-process results merging strategy were suggested to overcome these bottlenecks. Experiments were carried out to examine the performance efficiency of the optimized parallel algorithm. The estimation results suggested that the optimization approaches could provide high performance and processing ability for buffer construction in a cluster parallel environment. Our method could provide insights into the parallelization of spatial analysis algorithm.

Um método de indexação de semeamento bidireccional (dual-way seeds indexing - DWSI), baseado em árvore-R e no modelo simples de característica de Consórcio Geoespacial Aberto (Open Geospatial Consortium - OGC), foi proposto para solucionar o problema de alastramento de intersecção de polígonos. O algoritmo de união paralela de polígono baseado no método DWSI melhorado e o modelo paralela de programação OpenMP foi desenvolvido para validar a usabilidade do método de partição de dados. Os resultados experimentais revelaram que o método DWSI melhorado pode implementar uma partição paralela de tarefas robustas, superando o problema de alastramento de intersecção de polígonos. O algoritmo de união paralela aplicado ao DWSI não apenas levou o processamento de dados a uma escala maior, como também acelerou a computação em comparação com a proposta serial, demonstrando uma maior eficiência computacional com referências de aceleração mais altas no tratamento de conjuntos de dados em larga-escala. Portanto, o método DWSI melhorado pode ser uma abordagem potencial para a paralelização e otimização dos algoritmos de sobreposição de dados de vetor baseados no modelo de dados simples OGC no nível de camada de característica.

A dual-way seeds indexing (DWSI) method based on R-tree and the Open Geospatial Consortium (OGC) simple feature model was proposed to solve the polygon intersection-spreading problem. The parallel polygon union algorithm based on the improved DWSI and the OpenMP parallel programming model was developed to validate the usability of the data partition method. The experimental results reveal that the improved DWSI method can implement a robust parallel task partition by overcoming the polygon intersection-spreading problem. The parallel union algorithm applied DWSI not only scaled up the data processing but also speeded up the computation compared with the serial proposal, and it showed a higher computational efficiency with higher speedup benchmarks in the treatment of larger-scale dataset. Therefore, the improved DWSI can be a potential approach to parallelizing the vector data overlay algorithms based on the OGC simple data model at the feature layer level.