Seminarraum 3

Modulbezeichnung:

Räumliche Datenbanken (IRDB)

ggf. Modulniveau:

 

ggf. Kürzel:

IRDB

ggf. Lehrveranstaltungen:

 

Studiensemester:

Ab 5. Semester Bachelor, ab 1. Semester Master

Modulverantwortliche(r):

Studiendekan/Studiendekanin der Informatik

Dozent(in):

Prof. Dr. Michael Gertz

Sprache:

Deutsch/Englisch nach Vereinbarung

Zuordnung zum Curriculum:

 

Lehrform/ SWS:

Vorlesung 4 SWS, Übungen 2 SWS

Arbeitsaufwand:

240 h; davon

90 h Präsenzstudium

15 h Prüfungsvorbereitung

135 h Selbststudium und Aufgabenbearbeitung (eventuell in Gruppen)

Kreditpunkte:

8 LP

Voraussetzungen nach Prüfungsordnung:

Keine

Empfohlene Vorkenntnisse:

Algorithmen und Datenstrukturen (IAD), Datenbanken 1 (IDB1)

Lernergebnisse:

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)

Studien-/ Prüfungsleistung:

Erfolgreiche Teilnahme an den Übungen (mehr als 50% der Punkte müssen erreicht werden) und erfolgreiche Teilnahme an einer schriftlichen Prüfung

Medienformen:

Folien/ Tafel/ E-Learning/ Lehrbuch

Literatur:

z. B.: 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

back to top