申金鑫，吴 烨，陈 荦，景 宁

(国防科技大学 电子科学与工程学院， 湖南 长沙 410073)

0 引 言

进入大数据时代，空间数据呈现“爆炸式”增长，对现有计算资源及分析方法造成了巨大挑战。OSM（OpenStreetMap）全球道路网数据已经达到了1亿条以上，且在不断完善更新。因此，传统分析计算和架构在应对这样日趋海量、日益复杂的空间数据时已经越来越“捉襟见肘”。相较之下，依托日益成熟的并行技术的高性能计算方法日益显露出优越性，得到广泛关注。

矢量缓冲区分析确定近邻度，是GIS空间分析中的一个重要的基本功能，应用广泛[1]。如计算通信基站覆盖范围、河流水患影响区域、公共交通服务保障面积等。

在矢量数据缓冲区生成算法研究方面，很多工作基于平行双线算法。文献[2-5]针对平行双线算法遇到的特定问题进行了改进。此外，文献[6-7]分别使用边约束三角网辅助法和缓冲区方程近似描述方法提高了缓冲区生成效率。但是，这些方法大多基于单机串行进行，应对更大规模的海量数据时性能提升有限。

并行计算方法研究方面。制定并行计算策略主要考虑数据划分和任务分解两方面问题，因而在并行缓冲区分析应用中，计算流程可以分为数据划分、任务分解、缓冲区计算、缓冲区合并等流程，且已有一些相关研究。

文献[8]主要聚焦数据划分以及空间聚集特性保持，提出了基于图层和地理空间区域的任务分解方法，在网格环境下实现了缓冲区的并行计算，但容易导致子任务间粒度差异大。……