Модель распределенной обработки разнородных геопространственных данных на основе акторной сети с использованием технологии микросервисов
+7 (383) 343-12-55 vestnik@ssga.ru
Ru
En
Ru
En
Авторам публикаций
Вестник СГУГиТАрхив журнала Модель распределенной обработки разнородных геопространственных данных на основе акторной сети с использованием технологии микросервисов

Модель распределенной обработки разнородных геопространственных данных на основе акторной сети с использованием технологии микросервисов

Картография и геоинформатика
УДК: 528.94:[316.42:004.451]
DOI: 10.33764/2411-1759-2026-31-2-63-74
С. А. Карин 1
Год: 2026
Том: 31
№: 2
Страницы: 63 - 74
1 Военно-космическая академия имени А. Ф. Можайского, г. Санкт-Петербург, Российская Федерация

Финансирование: -

Аннотация:

В статье предложена модель распределенной обработки разнородных геопространственных данных на основе акторной сети с использованием технологии микросервисов и сетей массового обслуживания. В основе предложенной модели лежит подход, в соответствии с которым обработка разнородных пространственных данных представляется в виде сетевого графа веб-сервисов, называемых акторами, при этом каждый актор является узлом обработки в сети массового обслуживания. В статье представлено обоснование выбранного подхода, а также с использованием разработанной модели предложен пример решения типовой задачи, связанной с обработкой разнородных пространственных данных. Основываясь на полученных результатах, делается вывод о том, что предложенная модель может служить основой для разработки систем интерактивного составления и выполнения целенаправленных рабочих процессов обработки разнородных данных с поддержкой обоснованного выбора задействованных акторов, мониторинга выполнения и валидации результатов, а также формулируются направления дальнейших исследований.

Ключевые слова (RU):

обработка разнородных данных, микросервисная архитектура, сети массового обслуживания, пространственные данные, целенаправленные рабочие процессы

Ключевые слова (EN):

processing of heterogeneous data, microservices architecture, queueing networks, spatial data, purpose-driven workflows

Читать статью Скачать JATS XML

Библиографический список:

  1. Пространственные данные [электронный ресурс]. Университет МГИМО. URL: https://mgimo.ru/about/structure/ucheb-nauch/imi/geo/docs/spatial-data/ (дата обращения: 25.10.2024).
  2. Информационные ресурсы государственного кадастра недвижимости и территориального планирования в пространственном развитии государства : монография. колл. авторов; под ред. А. П. Сизова. М. : РУСАЙНС, 2021. – 86 с.
  3. Карпик А. П. Анализ состояния и проблемы геоинформационного обеспечения территорий. Изв. вузов. Геодезия и аэрофотосъемка. 2014. № 4. С. 3–7.
  4. Карпик А. П., Обиденко В. И. Исследование потребности федеральных органов исполни-тельной власти Российской Федерации в пространственных данных. Новосибирск, 2021. 216 с.
  5. Карпик А. П., Мусихин И. А., Ветошкин Д. Н. Интеллектуальные информационные модели территорий как эффективный инструмент пространственного и экономического развития. Вестник СГУГиТ. 2021. Т. 26, № 2. C. 155–163. DOI 10.33764/2411-1759-2021-26-2-155-163.
  6. Филиппов Д. В., Чурсин И. Н., Рулев Д. Д. Применение методов комплексной обработки данных дистанционного зондирования Земли для изучения процессов окарбоначивания почв с искусственным орошением. Вестник СГУГиТ. 2023. Т. 28, № 1. C. 80–91. DOI 10.33764/2411-1759-2023-28-1-80-91.
  7. Зулин К. А., Кулик Е. Н. Использование данных дистанционного зондирования SENTINEL-2B для мониторинга последствий разливов нефти. Вестник СГУГиТ. 2023. Т. 28, № 2. C. 60–66. DOI 10.33764/2411-1759-2023-28-2-60-66.
  8. Хлебникова Т. А., Арбузов А. С., Лисицкий Д. В., Оприпова О. А. Использование материалов БВС для выявления фактов нарушения земельного законодательства на территории г. Новосибирска. Вестник СГУГиТ. 2023. Т. 28, № 5. C. 33–40. DOI 10.33764/2411-1759-2023-28-5-33-40.
  9. Долгополов Д. В., Никонов Д. В., Полуянова А. В., Мелкий В. А. Возможности визуального дешифрирования магистральных трубопроводов и объектов инфраструктуры по спутниковым изображениям высокого и сверхвысокого пространственного разрешения. Вестник СГУГиТ. 2019. Т. 24, № 3. С. 65–81. DOI 10.33764/2411-1759-2019-24-3-65-81.
  10. Гордиенко А. С., Ткач А. В. Исследование состояния окружающей среды в районе нефтеразработок по космическим снимкам. Вестник СГУГиТ. 2022. Т. 27, № 6. C. 55–63. DOI:10.33764/2411-1759-2022-27-6-55-63.
  11. Опыт реализации проекта АПК «Безопасный город» на территории Вологодской области [Электронный ресурс]. Компания «Актив». URL: https://www.aktivsb.ru/stati-i/opyt_realizatsii_proekta_apk_quotbezopasnyy_gorodquot_na_territorii_vologodskoy_oblasti.html (дата обращения: 30.09.2025).
  12. О проблемных вопросах при построении АПК «Безопасный город» [Электронный ресурс]. Системы безопасности. URL: https://www.secuteck.ru/articles/o-problemnyh-voprosah-pri-postroenii-apk-bezopasnyj-gorod (дата обращения: 30.09.2025).
  13. Развитие «Безопасного города» требует интеграции коммуникационных и информационных технологий [Электронный ресурс]. МЧС России. URL: https://mchs.gov.ru/deyat-elnost/press-centr/novosti/5289121 (дата обращения: 30.09.2025).
  14. Алферов А. В., Карин А. И., Карин С. А., Октябрьский В. В. Метод адаптивного определения приоритетов информационно-расчетных задач в системах мониторинга потенциально-опасных процессов природного и техногенного характера в условиях ресурсной ограниченности. Труды Военно-космической академии. 2021. Вып. 676. С. 95–104.
  15. Карин А. И., Карин С. А., Октябрьский В. В. Модели адаптивного управления функционированием систем комплексной обработки геопространственных данных при решении задач мониторинга территориально-распределенных объектов. Труды Военно-космической академии. – 2019. – Вып. 671. – С. 314–325.
  16. I. H. Sarker, M. M. Hoque, M. K. Uddin, and T. Alsanoosy, “Mobile data science and intelligent APPs: concepts, AI-based modeling and research directions,” Mobile Networks and Applications, Vol. 26, No. 1, P. 285–303, 2021.
  17. D. Blazquez and J. Domenech, “Big data sources and methods for social and economic analyses,” Technological Forecasting and Social Change, vol. 130, P. 99–113, 2018.
  18. Standards [Электронный ресурс]. Open Geospatial Consortium. URL: https://www.ogc.org/standards/ (дата обращения: 25.10.2024).
  19. Common Workflow Language [Электронный ресурс]. Software Freedom Conservancy. URL: https://www.commonwl.org/ (дата обращения: 25.10.2024).
  20. Информационная модель – основа «умного города» [Электронный ресурс]. ISICAD. URL: http://isicad.ru/ru/articles.php?article_num=19940 (дата обращения: 25.10.2024).
  21. Вагизов М.Р., Заяц А.М. Концепция инфраструктуры единого геоинформационного центра управления лесным хозяйством (часть 1). Вестник СГУГиТ. 2022. Т. 27, № 3. C. 50–61. DOI 10.33764/2411-1759-2022-27-3-50-61.
  22. Wu J., Gan W., Chao H., and Yu P. S., "Geospatial Big Data: Survey and Challenges," IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 17, P. 17007-17020, 2024, doi: 10.48550/arXiv.2404.18428.
  23. Akter S. and Wamba S. F., “Big data and disaster management: a systematic review and agenda for future research,” Annals of Operations Research, vol. 283, P. 939–959, 2019.
  24. Lacroix P., Moser F., Benvenuti A., Piller T., Jensen D., Petersen I., Planque M., and Ray N., “MapX: An open geospatial platform to manage, analyze and visualize data on natural resources and the environment,” SoftwareX, vol. 9, P. 77–84, 2019.
  25. Карин С. А., Карин А. И. Способ повышения эффективности комплексной обработки данных дистанционного зондирования Земли при решении задач мониторинга пространственных объектов. Научно-технический вестник информационных технологий, механики и оп-тики. 2022. Т. 22, № 4. С. 691–698. DOI 10.17586/2226-1494-2022-22-4-691-698.

Образец цитирования:

Карин С. А. Методы сбора и актуализации многомерных данных для целей создания геоинфор-мационной системы доступности городской инфраструктуры. Вестник СГУГиТ. 2026. Т. 31, № 2. С. 63–74. https://doi.org/10.33764/2411-1759-2026-31-2-63-74