摘要：大数据是指汇集了各种来源并以各种形式存在的大数据集，数据量大，增长迅速，结构多样化，大数据包含有关数据的信息，具有及时性。通过存储，检索，通信和处理大量数据，可以获得更权威的研究成果，并制定有针对性的发展战略。大数据逐渐接近人们的日常生活，可以存储人们日常空间行为的数据。空间行为是指人们日常生活中发生的行为，包括空间运动行为、社会行为、语言行为等。

关键词：互联网大数据；地理关联；大数据可视化

引言

长期研究表明，大数据的空间行为不足以直观地表示为数据来解决这个问题，相应的训练建议可视化大数据的空间行为，并将用户的空间行为表示为DAG图。可视化技术的实现过程需要使用软件代码，由于用户需求的不同，因此用户需要开发自己的代码，但这并不意味着用户需要开发源代码，而是将JAR包下载到工作空间中。

1基础地质数据模型可视化

1.1基础地质数据特点

为了实现对地质数据的多样化服务和决策支持，建立了三维地质模型，结合三维地质模型对数据精度和一致性的要求，按照一定的规则对钻孔、剖面图、地质图、地质勘探数据进行综合、组合，完成三维地质模型的构建、验证和展示。此外，3D地质建模支持许多地质数据源。主要包括地形、钻孔、地质剖面图、物化探解释资料和地层顶板等值线图等。地质或空间数据的可视化方法都要求将离散的测量数据映射（内插和/或外插）到某种类型的网格上。无论如何实现，这种可视化方法都包含由网格划分和插值过程引起的不确定性，因此最好的方法是通过图形对象（glyph）直接表示地质或空间数据。图形对象被用作标志来表示对象或某些测量数据。图形对象在空间中被正确定位，并根据相关属性值进行着色和调整大小。理论上，图形对象的类型没有限制，可以是简单的几何对象，例如三角形、球体、立方体或一个像素点。

1.2基础地质数据模型可视化空间差值方法

首先，考虑空间位置空间属性的可变分布，确定影响插入点值的距离范围，然后使用该范围内的采样点来估计插入点属性的值。该方法在数学上提供了所研究对象的最佳线性，非偏置估计（特定点处的特定值），并且在只有几个点时提供了更好的插值。天然邻居被用于许多领域。其基本原理是，对于一系列Tysen多边形，当一个新的数据点（目标）添加到数据集时，它会发生变化，并且插入点的权重由平均邻居权重确定，其中插入点的权重和目标Tysen多边形是成比例的。事实上，其中一些多边形会收缩，没有一个会增加。与此同时，自然邻居的插值将隔离（z。B. 不推断泰森多边形的轮廓到位置. 该方法在小样本点和分散的样本点上具有高度的一致性.

2大数据地理空间可视化

2.1 逻辑服务层

该层使用 Tomcat 服务器来安装 GeoServer.war 软件包以部署 GeoServer。GeoServer 可以将数据链接添加到 PostGIS，并将 PostGIS 作为数据源发布。该层负责发布和分析数据，在Web服务器段中，Tomcat服务器负责接收网页上的用户点击或其他操作事件，并将接收到的请求与执行内部匹配的特定主机的地址进行排序，然后将请求转发到GIS服务器;在逻辑服务层中，GeoServer 接收来自 Tomcat 服务器的请求，分析所需服务的类型，接收 GIS 请求服务的内容，并将其发送回 Tomcat 服务器以完成整个服务请求过程。整个过程是通过从Node.js分离接口来完成的。

2.2 前线的表现

该层主要由 FrameworkVue、FrameworkUI ElementUI、Leaflet、DataV 和 ECHARTS 组成，并在 Leaflet Framework 中实现基本的地图操作。使用 Map 类、Maker 类、TileLayer 类、弹出类、Control 类和 HeatLaye 插件 Leaflet.markercluster、Leaflet-meaure 插件，并集成 DataV 和 ECharts 的图形可视化，以便以模块化方式组织代码以便重用。通常使用地图显示功能（放大，缩小，平移），地图标记，加载地图，层管理，弹出窗口等。这些模块被划分为不同的组件，这些组件构成了大数据个性化的一组通用标准。

2.3展示应用层

这一层是地图显示界面，主要载体是网页浏览器，同时也支持IE、Chrome、Firefox等主流网页浏览器。为了实现图形与基于地图的可视化元素的有效结合，通过气泡、热图、光图、运动图、散射图、流场图、柱、饼图、树图等的空间可视化来显示丰富的点、线、区域等信息，构建了基于海量信息可视化功能的新型空间地图可视化引擎，可以补充大多数领域中现有的空间可视化框架。它支持终端之间的多平台信息显示，支持用户定义的配置功能，多维信息关联和几秒钟内动态渲染功能，实现大数据的动态连接和即时渲染，帮助不同领域的客户快速构建定制的空间显示系统。

3典型应用成果

3.1城市空间规划

通过可视化框架，借助网络大数据分析有效研究了N城市的人口空间分布现状，并探索了各区域职住通勤状况，对城市综合开发政策的制订以及对城市规划的制定、评价，提出了更为合理、科学的技术框架。该市居民活动变化能够直接呈现出该市的热力生活随时间推移变动的现象，比较了各个时期的居民热力活跃度；再整合周边POI公用设施数据，可为N市空间规划发展和质量升级提供依据。综合统计各区域职住比、居民偏好距离、通学程度等信息，对各区域的居民偏好联系做出了客观判断，直接体现出各区域发展的互动关系，将为地方的城市规划建设奠定科学基础。

3.2避免出现踩踏事件

在节假日等高人流量期间，通过居民流动行为大数据分析显示城市内各密集地区，特别是非常住居民以及游客迁入N市的状况，持续追踪每日各地入N市人员的变化，帮助预测人员流动方向，为避免踩踏、精准施策提供辅助保障，促进健康教育等公共服务方面的常态化信息监控，增强城市居民对重大公众突发事件的应对能力。

3.3交通网络管理

可视化框架能够与道路监控系统相结合，为我国交通网络管理提供详细的车流量与流向数据，这在提高我国交通安全系数的同时，也能够为后续的交通网络现代化改革提供关键数据。

结束语

我们用计算粒度来分析大数据空间的行为，研究大数据空间的相对基础和计算粒度，实现大数据空间行为的可视化处理，然后提出了基于计算粒度的大数据空间行为可视化技术，实现可视化技术可以应用到实际的研究工作中，在保证视觉质量的前提下， 它可以节省大量的处理时间，希望这种基于粒度的数据处理方法可以为研究提供一些有用的参考和帮助。

参考文献

[1]柳瑞雪.沉浸式学习环境促进中学生空间推理技能发展的实证研究[D].华东师范大学，2021

[2]黄炳，李荣欣，周松元.煤矿井下空间可视化钻孔投射定位技术[J].煤矿安全，2021，52（02）：93-97.

[3]尹言军，刘晖，叶琳，姚朝定，梁武卫，郑志宏.数据清洗和空间可视化在浮动车数据处理中的应用[J].地理空间信息，2019，17（05）：116-119+6.

[4]徐迪.基于空间可视化的大数据舆情研判体系建构研究[J].情报科学，2019，37（03）：22-26.