Abstract:
A Big Data technológiák által kínált
megoldási lehetőségek a nagy tömegű
heterogén adatok feldolgozására a térinformatikai
és távérzékelési (beleértve
a fotogrammetriát is) alkalmazásokban
kiaknázatlan lehetőséget
jelentenek. Ahhoz, hogy a rendelkezésre
álló lehetőségeket kihasználva
értéknövelt termékeket, szolgáltatásokat
tudjunk előállítani és közzétenni,
értékesíteni, elkerülhetetlen az új technológiák
alkalmazása és adaptálása,
szakterület-specifikus megoldásokkal
történő kiegészítése.
A cikk első felében áttekintettem
a Big Data fogalmait és létrehoztam a
fogalmak közös elemeit, áttekintettem
az adatforrásait. Kitértem Térbeli Big
Data meghatározására, megfogalmaztam
annak komplex definícióját, valamint
meghatároztam a feldolgozására
alkalmas rendszer infrastrukturális és
algoritmikus elvárásait. Az alkalmazott
infrastrukturális megoldások közül
kiemelten ismertettem a felhőalapú
számítási környezetet. A cikk második
felében áttekintettem a Big Analitika
és a Térbeli Big Analitika eszközrendszerét
és különbségeit. Ismertettem
néhány Térbeli Big Analitika képfeldolgozó
eljárást, és felvázoltam párhuzamosíthatóságuk
nehézségi fokát.
Abstract:
This paper presents the Big Data
phenomenon, introduces the
importance of new processing
techniques to provide solutions to
handle Big Data and Geospatial Big
Data. Recently, volume and variety of
available data are evolving as never
before, exceeding the capabilities of
traditional algorithm performance
and hardware/software environment
in the aspect of data management
and computation (Manyika
et al., 2011; IDC, 2012; Evans and
Hagen, 2013). Hence, improved
efficiency is required to exploit the
available information derived from
Geospatial Big Data. Consequently,
geospatial analysis needs to be
reformed to exploit the capabilities
of current and emerging computing
environments via new data management
and processing concepts.
To understand the evaluation of the
techniques, the differences and the
requirements we need to go in deep
into the Big Data solutions (including
data, analytics and infrastructure,
computing background). Existing
Big Data definitions are provided
and summarized within a figure
to serve a complex perspective.
After giving summary of existing
Geospatial Big Data definitions
I have provided my complex,
synthetized version. Geospatial Big
Analytics are introduced focusing on
image processing algorithms (local,
focal, zonal, and global) and their
parallelization aspects.