УДК: 
DOI: 
10.22389/0016-7126-2022-988-10-9-19
1 Цветков В.Я.
2 Ознамец В.В.
Год: 
№: 
988
Страницы: 
9-19

Московский государственный университет геодезии и картографии (МИИГАиК)

1, 
2, 
Аннотация:
Исследована проблема больших данных применительно к геодезии и геодезическому обеспечению. Отмечено, что проблема существовала с момента начала космических исследований, но явно не озвучивалась, что она – условная и связана с уровнем развития вычислительной техники и вычислительных моделей. Проанализирована проблема появления больших данных. Как один из методов работы с большими данными предложены облачные вычисления. Доказано, что пространственные данные составляют большую часть больших данных. Показана связь проблемы больших данных с бизнес-аналитикой и методами анализа данных. Установлено, что потоковые методы обработки информации уступают место облачным вычислениям. Исследовано влияние больших данных на геодезическое обеспечение. Показано, что современное геодезическое обеспечение можно рассматривать как прикладное и фундаментальное. Прикладное направлено на решение прикладных задач и связано с технологическим обеспечением. Для прикладного геодезического обеспечения проблема больших данных важна, но она не такая значимая, как для фундаментального. Фундаментальный уровень исследований определяет геодезическое обеспечение как интегрированный комплекс технологий, для которого проблема больших данных является актуальной. Фундаментальное геодезическое обеспечение включает не только измерения, но и всесторонний анализ вычислений, и прогнозирование. Фундаментальное геодезическое обеспечение тесно связано с обработкой и анализом больших данных. Как перспективное направление обработки и анализа больших данных предлагается квантовое вычисление.

Список литературы: 
1.   Андреева О. А. Геоинформационное моделирование с использованием МЛС // Славянский форум. – 2019. – № 3 (25). – С. 7–18.
2.   Андреева О. А. Применение мобильного лазерного сканирования для мониторинга объектов транспортной инфраструктуры // Наука и технологии железных дорог. – 2019. – Т. 3. – № 3 (11). – С. 61–74.
3.   Буравцев А. В. Цифровая железная дорога как сложная организационно-техническая система // Наука и технологии железных дорог. – 2018. – Т. 2. – № 1 (5). – С. 69–79.
4.   Буравцев А. В., Цветков В. Я. Облачные вычисления для больших геопространственных данных // Информация и космос. – 2019. – № 3. – С. 110–115.
5.   Космические исследования земных ресурсов: Методы и средства измерений и обработки информации (Материалы школы-семинара) – М.: Наука, – 1976. – 384 c.
6.   Ознамец В. В. Геодезическое обеспечение мобильного лазерного сканирования железных дорог // Наука и технологии железных дорог. – 2019. – Т. 3. – № 2 (10). – С. 64–76.
7.   Павлов А. И. Большие данные в фотограмметрии и геодезии // Образовательные ресурсы и технологии. – 2015. – № 4 (12). – С. 96–100.
8.   Alam S., Albareti F. D., Prieto C. A., Anders F., Anderson S. F., Andrews B. H.,. Armengaud E et al. (2015) The Eleventh and Twelfth Data Releases of the Sloan Digital Sky Survey: Final Data from SDSS-III // The Astrophysical Journal Supplement Series. 219 (1), pp. 1–27.
9.   Bryant R.Е., Katz R.H., Lazowska E.D. Big-data Computing: Creating revolutionary breakthroughs in commerce, science and society
10.   Chen M., Mao S., Zhang Y., Leung V. C. (2014) Big Data: Related Technologies, Challenges and Future Prospects Springer, Heidelberg, 100 p. DOI: 10.1007/978-3-319-06245-7.
11.   Chi M., Plaza A., Benediktsson J. A., Sun Z., Shen J., Zhu Y. (2016) Big Data for Remote Sensing: Challenges and Opportunities // Proceedings of the IEEE. 104 (11), pp. 2207–2219. DOI: 10.1109/JPROC.2016.2598228.
12.   Corbane C., Pesaresi ћ., Politis P. et al. (2017) Big earth data analytics on Sentinel-1 and Landsat imagery in support to global human settlements mapping // Big Earth Data. 1:1-2, pp. 118–144. DOI: 10.1080/20964471.2017.1397899.
13.   Dillon M. (2015) Big universe, big data, astronomical opportunity URL: www.theguardian.com/science/across-the-universe/2015/jun/25/big-universe-big-data- astronomical-opportunity (дата обращения: 05.05.2022).
14.   Doukas I. D. (2019) Re-Discovering “Big Data” and “Data Science” in Geodesy and Geomatics. 4th Joint International Symposium on Deformation Monitoring (JISDM). Aristotle University of Thessaloniki, Athens, Greece, No. IKEECONF-2019-447
15.   Evans M. R., Oliver D., Yang K., Zhou X., Ali R. Y., Shekhar S. (2019) Enabling Spatial Big Data via CyberGIS: Challenges and Opportunities. CyberGIS for Geospatial Discovery and Innovation // GeoJournal Library. 118, pp. 143–170.
16.   Fact Sheet: Big Data Across the Federal Government URL: https://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sheet_final_1.pdf (дата обращения: 05.05.2022).
17.   Fortunato M., Ravanelli M., Mazzoni A. (2020) Ionosphere Monitoring with Multi-Frequency and Multi-GNSS Android Smartphone: A Feasibility Study Towards GNSS Big Data Applications for Geosciences. EGU General Assembly Conference Abstracts DOI: 10.5194/egusphere-egu2020-9450.
18.   Gore A. (1999) The Digital Earth: Understanding our planet in the 21st Century // Photogrammetric Engineering and Remote Sensing. 65 (5), pp. 528–530. URL: http://www.digitalearthisde.org/userfiles/The_Digital_Earth_Understanding_our_planet_in_the_21st_Century.doc
19.   Guo H., Wang L., Liang D. (2016) Big Earth Data from Space: A new engine for earth science // Chinese Science Bulletin. 61 (7), pp. 505–513. DOI: 10.1007/s11434-016-1041-y.
20.   Guo H., Wang L., Chen F., Liang D. (2014) Scientific Big Data and Digital Earth // Chinese Science Bulletin. 59 (35), pp. 5066–5073. DOI: 10.1007/s11434-014-0645-3.
21.   (2009) 2009 Beijing Declaration on Digital Earth // International Journal of Digital Earth. 2 (4), pp. 397–399. DOI: 10.1080/17538940903444380.
22.   Li Q., Li D. (2014) Big Data GIS // Geomatics and Information Science of Wuhan University. 39 (6), pp. 641–644. DOI: 10.13203/j.whugis20140150.
23.   Li Z., Hu F., Schnase J. L., Duffy D. Q., Lee T. J., Bowen M., Yang C. (2016) A spatiotemporal indexing approach for efficient process of big array-based climate data with MapReduce // International Journal of Geographic Information Science. 31 (1), pp. 1–19. DOI: 10.1080/13658816.2015.1131830.
24.   Lynch C. ј. (2008) Big Data: How do your data grow? // Nature. 455, pp. 28–29. DOI: 10.1038/455028a.
25.   Müller J., Pail R. (2022) Geodesy 2030 pp. 1–12. DOI: 10.12902/zfv-0392-2022.
26.   Oguntimilehin A., Ademola O. (2014) A Review of Big Data Management, Benefits and Challenges // Journal of Emerging Trends in Computing and Information Sciences. 5, 6, pp. 433–438.
27.   Wang C., Zhao Z., Zhang J., Huo J. (2021) Research of Big Data Storage System Based on Underground Space Information // Proceedings of the 2021 ACM International Conference on Intelligent Computing and its Emerging Applications. pp. 234–239. DOI: 10.1145/3491396.3506516.
28.   Xia J., Yang C., Liu K., Li Z., Sun M., Yu M. (2015) Forming a global monitoring mechanism and a spatiotemporal performance model for geospatial services // International Journal of Geographical Information Science. 29 (3), pp. 375–396. DOI: 10.1080/13658816.2014.968783.
29.   Yan M., Wu H., Wang L., Huang B., Ranjan R., Zomaya A. Y., Jie W. (2015) Remote sensing Big Data computing: Challenges and Opportunities // Future Generation Computer Systems. 51, pp. 47–60. DOI: 10.1016/j.future.2014.10.029.
Образец цитирования:
Цветков В.Я., 
Ознамец В.В., 
Большие данные в геодезическом обеспечении // Геодезия и картография. – 2022. – № 10. – С. 9-19. DOI: 10.22389/0016-7126-2022-988-10-9-19