CC BY
44
• Для систем с низкоскоростными каналами связи из рассмотренных методов оказался эффективнее метод 3 - статический, со случайной выборкой. Для многопроцессорных систем с высокоскоростными каналами лучший результат дают методы с динамической
балансировкой загрузки процессоров - методы 2 и 4. Для каждого метода можно выбрать параметр 1 (дли-
Рис. 6. Результаты сравнения методов 1- 4 а) эффективность, б) время работы
на интервала развертки), обеспечивающий наибольшую эффективность.
• С ростом сложности сцены преимущество метода 4 перед методами 3 и 2 начинает проявляться уже на менее скоростных каналах связи.
• Используя полученные зависимости, можно указать оптимальное (с точки зрения прироста эффективности) число процессоров.
Исследования проводились при финансовой поддержке РФФИ (проект № 99-07-90473).
Список литературы
1. Бобков В.А., Роньшин Ю.И. Алгоритм визуализации с трассировкой лучей в октантных деревьях. // Информационные технологии. - 2001- №1.
2. Ван Рем Ф., Ламотэ В., Флеракерс Э. Методы ускорения трассировки лучей с использованием MIMD-архитектуры // Программирование. - 1992. -№4. - С.50-61.
3. Белов С.Б., Бобков В.А., Май В.П., Роньшин Ю.И. Параллельные вычисления в алгоритме визуализации пространственных объектов, построенных методом конструктивной геометрии // Программирование. - 1994. - №2. - С. 16-26.
4. Salmon J. A Mathematical analysis of the scattered decomposition. Proceedings of the Third Caltech Conference and Applications (Pasadena, January), ACM Press, 1988, pp. 239-240.
ОБРАБОТКА ЗАПРОСОВ СЕРВЕРОМ ГЕОИНФОРМАЦИОННОИ
СПРАВОЧНОЙ СИСТЕМЫ
С.Л. Беляков
Современные средства построения систем по технологии клиент/сервер [1] дают универсальный инструмент построения сетевых геоинформационных справочных систем (ГИСС). Централизация функций разграничения доступа и контроля целостности при обслуживании параллельных запросов сервером является важным свойством ГИСС. Вместе с тем эксплутационные показатели систем рассматриваемого типа зависят не только от распределения функций между клиентом и сервером, но и от поведения пользователей системы. Характерной особенностью использования электронных карт является их визуальный анализ пользователем. Этот процесс естественным образом порождает избыточность: запрашиваемые участки карты имеют гораздо большее информационное наполнение, чем реально необходимо пользователю. Примечательно, что результаты исследования поведения пользователя в сети Internet [2] показывают преобладание режима серфинга, то есть беглого просмотра информационных материалов Web-сайтов. Вероятно, подобный режим характерен для любых больших разнородных баз данных. Следствием режима серфинга является непроизводительный рост сетевого трафика. В данной работе исследуется один из путей решения проблемы, связанный с введением соответствующих режимов обработки запросов сервером.
Рассмотрим особенности формирования запросов, которые порождают избыточность ответов сер-
вера. В общем случае запрос задается предикатом, зависящим от пространственных (Ь), временных (Т), семантических (8) и прагматических (Р) параметров: <Ь, Т, 8, Р>.
Группа пространственных параметров Ь задает на карте границу исследуемой области. Явное задание границы имеет место в случае ее прямого указания пользователем, неявное - при построении оболочки множества объектов, зон и видовых экранов. В любом случае граница есть и она аппроксимирует некоторым образом воображаемую границу исследуемой области. На рисунке 1 показан фрагмент карты с объектом А, запрос на который может быть сформирован либо с помощью рамки 1, либо с помощью многоугольника 2. В первом случае доля из-
быточных примитивов выше, однако задание границы 2 более трудоемко. В некоторых случаях, как показывает практика, различие в числе примитивов может достигать более десятка раз. В общем случае можно утверждать, что пространственная граница является размытой, а степень ее нечеткости определяется решаемой задачей и субъективными особенностями пользователя.
Данный вывод следует отнести и к остальным группам параметров. Временные, семантические и прагматические границы на практике детально не определяются, для них устанавливаются лишь основополагающие граничные значения.
Кроме нечеткости границ, избыточность порождают различные приемы картографического анализа, такие, как визуальный поиск аналогий между объектами, экспресс-анализ протяженных объектов, изучение коммуникаций между удаленными объектами.
При выполнении подобных операций рабочая область карты перегружается деталями объектов и областей, не имеющих непосредственного отношения к задаче, что в примитивах выражается числом от сотен до нескольких тысяч.
Приведенные примеры иллюстрируют важность учета поведенческого аспекта в функционировании ГИСС. Избыточность, порожденная высокой активностью клиента, должна компенсироваться адекватным поведением сервера.
Стратегии формирования ответов. Ответы на запросы пользователя в ГИСС предоставляются фрагментом карты. Важной особенностью такого представления является его многовариантность. Основной набор объектов, соответствующих предикату запроса, дополняется множеством второстепенных, но в ряде случаев не менее важных картографических объектов. В совокупности они дают присущий картам специфический эффект содержательности и информативности. Например, запрос о границе земельного участка требуемой стоимости в качестве ответа получает границу участка в виде замкнутой линии. Информация о ландшафте, подъездных путях, инженерных коммуникациях, сооружениях и т.д., несмотря на важность, включается как подчиненная компонента. Представим ответ сервера в виде
К = в и Е, (1)
где К - множество графических примитивов ответа; В - множество примитивов остова ответа, удовлетворяющих предикату запроса; Е - множество примитивов окружения, дополняющее смысловое содержание остова. Именно компонента Е определяет многовариантность ответа на запрос. Ее формирование представляет собой результат работы интеллектуальной по своей природе процедуры [3].
Можно предложить две основные стратегии формирования ответов сервером:
- стратегия полных ответов состоит в построении ответа в виде (1); трафик для передачи каждого ответа максимален;
- стратегия кратких ответов заключается в формировании ответа К'е В и Е ; трафик для пере-
дачи такого ответа меньше предыдущего из-за
К < к .
Использование стратегии кратких ответов позволяет снижать трафик для активных клиентов, оставляя результат в определенных смысловых рамках. Потенциально это ведет к серии уточняющих запросов, однако затраты на них могут быть значительно меньше полного ответа. По сути, диалог упорядочивается: вместо одного большого фрагмента карты предоставляется набор фрагментов меньшего размера по запросу.
Выбор стратегии может основываться на различных критериях.
• Число примитивов ответа: устанавливается пороговое значение К* такое, что при |В и Е| > К*
выбирается стратегия кратких ответов, в противном случае - стратегия полных ответов.
• Скорость анализа результата: если т - временной интервал между отправкой последнего ответа и получением нового запроса, то величина
|в и Е|
V = --- характеризует скорость анализа ответа. В
т
*
случае превышения ею заданного значения У>У используется стратегия кратких ответов, в противном случае - стратегия полных ответов.
• Случайный выбор: стратегия выбирается случайным образом с помощью датчика случайных чисел.
На основе указанных критериев могут быть построены более сложные выражения, использующие усреднение по времени и по сложности ответов, варьирование параметров распределений и т.д.
Таким образом, обработке запроса сервером предшествует процедура анализа поведения клиента и выбор стратегии формирования ответов.
Сокращение сложности ответов сервера. Реализация стратегии упрощенных ответов требует сокращения сложности (числа примитивов) ответа. Можно определить два направления сокращения -необратимое и обратимое.
Необратимое сокращение предусматривает удаление примитивов из картографического изображения без возможности их восстановления в этом же изображении. Удаленные примитивы могут быть получены самостоятельным запросом, но результатом его в общем случае является изображение, не эквивалентное исходному.
Обратимое сокращение заключается в замене удаляемых примитивов символическим именем или графическим изображением, по которому может быть выполнена обратная замена.
В обоих случаях в основе процедур сокращения лежат принципы картографической генерализации [4]. С позиций программной реализации более просто выполняется необратимое сокращение, поскольку не сохраняется информация о соответствии множеств удаленных примитивов и их имен. Кроме этого, обратимое сокращение требует создания библиотеки объектов-заменителей с соответствующими
процедурами замены. Это - первый фактор, который учитывается при выборе способа сокращения.
Вторым фактором является логическая непротиворечивость картографического изображения. Необратимое сокращение, выполняемое по любым правилам, неизбежно ослабляет целостность изображения. Генерализация при обратимом сокращении также может ухудшать качество карты, однако возможность восстановить любой участок изображения дает ему несомненное преимущество.
Выражение (1) позволяет описать последовательное упрощение картографического изображения в целом. На рисунке 2 показана схема упрощения изображения, где приняты следующие обозначения: с индексом о -обратимо упрощенная компонента, с индексом н - необратимо упрощенная компонента. Например, выражение Во иЕн соответствует обратимо упрощенному остову и необратимо упрощенному окружению.
Очевидно, что общее число вариантов упрощения достаточно велико, но на рисунке 2 приведены всего три. Каждому из них соответствует путь в схеме, начинающийся с вершины ВиЕ и заканчивающийся в вершине Вн. Показанные варианты соответствуют возможному представлению проектировщика ГИСС о плавном снижении информативности изображения по мере его упрощения.
Реализация процедуры упрощения. Адекватной реализацией процедуры упрощения следует считать экспертную систему. Субъективизм оценки информативности, необходимость настройки на решаемую задачу и особенности пользовательского восприятия, переменчивость представлений о простоте и сложности картографических изображений затрудняют применение детерминированных методов. Учесть перечисленные факторы позволит использование базы знаний об упрощении и применение логического вывода.
В общем виде процедура упрощения А может описываться следующим образом: КХ=А(К, 8), где К - заданное картографическое изображение; 8 -степень упрощения; К - упрощенное картографическое изображение. Здесь К=ВиЕ, К1=В1иЕ1, |К1|=8*|К|, 0<8<1.
Таким образом, результатом работы процедуры является новое картографическое изображение с меньшим числом примитивов, чем у исходного.
Правила базы знаний целесообразно разбить на три типа. Правила первого типа определяют вид ис-
комого решения (рис. 2). Условная часть правил связывает степень упрощения, параметры решаемой задачи и характеристики картографического изображения. Например:
ЕСЛИ 8 = «мало» И СложностьОстова = «велика» И ТипЗадачи = «анализ теплотрассы» ТО Вид-Решения = «В0».
В приведенном продукционном правиле 8, СложностьОстова, ТипЗадачи, ВидРешения - переменные, в кавычках - их значения.
Правила второго типа связывают описание свойств удаляемых объектов с порядком их удаления. Например:
ЕСЛИ ВидРешения= «ВиЕ„» ТО Последова-тельностьУдаления = (группа 1, группа2,..., груп-rnN).
Элементы списка "группа!" являются списками экземпляров или классов объектов с заданными свойствами.
Правила третьего типа предназначены для ограничения числа удаляемых объектов, выбранных правилами второго типа. Они связывают один из алгоритмов прореживания множества объектов с их типом и решаемой задачей. Например:
ЕСЛИ ТипОбъекта=«зеленые насаждения» ТО ПРИМЕНИТЬ АлгоритмСлучайногоПрорежива-ния(8).
В данном случае 8 является параметром алгоритма случайного прореживания.
Логический вывод целесообразно строить как интерпретацию правил в виде нечеткой импликации [5]. Анализ показывает, что использование нечетких категорий в рассматриваемой задаче упрощает процесс извлечения знаний у экспертов. Для этого база знаний должна содержать формализованные описания пространственно-временных категорий и качественных оценок.
Учет поведения клиента в ГИСС, построенной по технологии клиент/сервер, позволяет устанавливать адекватный режим обработки запросов сервером. С этой целью в качестве серверной компоненты вводится процедура упрощения картографических изображений. Реализация процедуры представляет собой экспертную систему, выполняющую логический вывод над базой нечетких правил. Использование описанного в работе подхода позволяет снизить сетевой трафик ГИСС.
Список литературы
1. Барфилд Э., Уолтерс Б. Программирование «клиент-сервер» в локальных вычислительных сетях / Пер. с англ.- М.: ИИД «Филинъ», - 1997.
2. Воген Т. Мультимедиа / Пер. с англ.- М.: ООО «Попурри», 1997.
3. Беляков С.Л. Картографические образы в информационно-управляющих системах. // Приборы и системы. Управ-ленне, контроль, диагностика. - №°5. - 2000.
4. Берлянт А.М. Картографический метод исследования. - М.: - Изд-во МГУ, 1988.
5. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. - М.: Энергоатом-издат, 1991. - 288с.
