Räumliche Datenbanken [2017/18 WiSe] | ||
---|---|---|
Code IRDB |
Name Räumliche Datenbanken |
|
LP 8 LP |
Dauer ein Semester |
Angebotsturnus jedes 2. Wintersemester |
Format Vorlesung 4 SWS, Übungen 2 SWS |
Arbeitsaufwand 240 h; davon 90 h Präsenzstudium 15 h Prüfungsvorbereitung 135 h Selbststudium und Aufgabenbearbeitung (eventuell in Gruppen) |
Verwendbarkeit B.Sc. Angewandte Informatik, M.Sc. Angewandte Informatik, M.Sc. Scientific Computing |
Sprache |
Lehrende |
Prüfungsschema |
Lernziele | Die Studierenden kennen die Prinzipien von und Anforderungen an räumliche Daten und die Verwaltung solcher Daten in verschiedenen Anwendungsbereichen (z.B. in der Geographie, Kosmologie und Biologie) kennen die Konzepte und Anwendungen Geographischer Informationssysteme (GIS) sind in der Lage, Konzepte und Modelle für räumliche Daten und der Datenmodellierung anzuwenden sind vertraut mit der Unterstützung zur Verwaltung von und Anfrage an räumliche Datenbanken (z.B. PostGIS) kennen grundlegende Methoden der algorithmischen Geometrie und sind in der Lage, entsprechende Algorithmen und Techniken anzuwenden kennen die wichtigsten Vertreter von Indexstrukturen zu räumlichen Daten (Gridfile, kd-Tree, Quadtree, R-Tree) wissen, wie in existierenden räumlichen Datenbanksystemen (z.B. PostGIS) Datenbankschemata und Anwendungen erstellt werden |
|
Lerninhalte | Prinzipien und Anforderungen an die Verwaltung räumlicher Daten Anwendungsbereiche zur Verwaltung und Analyse räumlicher Daten Unterstützung zur Verwaltung räumlicher Daten in kommerziellen und Open-Source DBMS Konzepte und Modelle zur Repräsentation räumlicher Daten (2D, 3D); Tesselierung und Vektormodell; Gruppen von räumlichen Objekten Abstrakte Datentypen für räumliche Daten Grundlegende Techniken der algorithmischen Geometrie (z.B. Konvexe Hülle, Sweep-Line Methoden, Polygon-Partitionierung, Schnitte von Polygonen) Zugriffsstrukturen für räumliche Daten, insbesondere Grid-Files, kd-Tree, Quadtrees, R-Tree Algorithmen und Kostenmodelle für Zugriffsstrukturen zu räumlichen Daten Konzepte der Anfrageverarbeitung und -optimierung für räumliche Datenbanken, insb. Spatial Join Temporale Datenbanken und Indexstrukturen Moving Objects: Anwendungen, Anfragen, Indexstrukturen (B^x-Tree und TPR-Tree) Einführung in das Mining räumlicher Daten (Clustering, Entdecken von Ausreißern) Überblick über Unterstützung zur Verwaltung räumlicher Daten in kommerziellen und Open-Source DBMS (PosgreSQL, MySQL, Oracle Spatial, GRASS) |
|
Teilnahme- voraus- setzungen |
empfohlen sind: Algorithmen und Datenstrukturen (IAD), Datenbanken 1 (IDB1) | |
Vergabe der LP und Modulendnote | Bestehen der Modulprüfung | |
Nützliche Literatur | Spatial Databases – With Applications to GIS. Philippe Rigaux, Michel Scholl, Agnes Voisard. Morgan Kaufmann, 2001. Computational Geometry: Algorithms and Applications Mark de Berg, Otfried Cheong, Marc van Kreveld, und Mark Overmars, Springer, Berlin, 2008. Forschungsartikel aus Tagungsbänden und Journals |