[IRDB] - [de] - [Räumliche Datenbanken]


Räumliche Datenbanken [2017 Sommer]
Code
IRDB
Name
Räumliche Datenbanken
Leistungspunkte
8 LP
Dauer
ein Semester
Turnus
jedes 2. Wintersemester
Lehrform
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
Lernziel 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
Inhalt 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)
Voraussetzungen empfohlen sind: Algorithmen und Datenstrukturen (IAD), Datenbanken 1 (IDB1)
Prüfungs
modalitäten
Erfolgreiche Teilnahme an den Übungen (mehr als 50% der Punkte müssen erreicht werden) und erfolgreiche Teilnahme an einer schriftlichen Prüfung
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