面向移动对象范围的混合索引结构

许多时空应用(如火灾模拟等)需要高效地查询移动对象的变化范围,针对此需求提出了基于TPR-tree和GF索引方法的两种混合索引结构,以支持对移动对象当前和未来范围的预测时空查询.在代价模型分析的基础上,基于模拟数据集的实验结果表明,这种混合索引方法能够有效地支持对移动对象变化范围的预测查询.     

移动对象的建模和查询

本文提出一种离散时空轨迹模型来表示数据库系统中的移动对象的方法。这种模型不仅支持过去和现在位置信息的查询，而且支持未来查询。     

一种基于对象关系模型的时空查询代数stor-algebra

通过对目前已有的时空数据库技术在易于实现的时空查询代数方面进行的深入研究，提出了一种基于对象关系的时空查询代数stor-algebra，从数据结构和代数操作两方面进行了详细描述．stor-algebra兼容关系代数，并可在对象关系数据库管理系统上实现，可作为时空查询处理系统的代数基础．     

时空数据模型的初步设计

时空数据库用于模拟和查询位置或形状随时间改变的移动对象。提出了用于表示移动对象的时空数据类型和扩展数据类型。并在此基础上，对时空操作符也作了相应的概括。该数据模型便于实现，并能较好地支持时空查询。     

分布式网络中 CKNN 查询的 BORA 优化汇聚

针对时空数据库中,移动对象轨迹的连续K近邻查询(continuous K nearest neighbor query,CKNN)的查询效率较低的问题,以及在分布式的移动对象数据库(moving objects databases,MOD)环境下,提升对应查询结果的数据汇聚效率问题进行了研究.在CKNN查询中,设计优化了查询海滩线的更新算法,通过在轨迹数据结构中增加更新标志位,减少了轨迹线段参与的判定运算;同时在假设的类网格覆盖的分布式空间环境下,利用基于Bresenham覆盖的路由汇聚(Bresenham-based overlay for routing and aggregation,BORA)方法,进行查询结果的汇聚;并针对不同近邻参数、轨迹数目、移动对象速度、汇聚方式等对查询时间的影响进行了仿真实验;仿真结果表明,不同参数数值的增加延长了处理时间,基于BORA的汇聚方式比一般的汇聚方式节省了更多的处理时间,提高了系统查询及处理的效率.     

公路网上移动对象连续k近邻查询的一种方法

公路网上移动对象连续k近邻查询是最近时空数据库查询中的一个研究热点,它是在一个时间段内找到离查询点最近的K个移动对象.我们分析了现有查询方法,存在的问题主要是运动对象位置随时间而频繁变化以至于不能及时更新运动对象的信息而导致返回KNN结果不正确.为了解决这些问题,采用一种距离预计算方法,使计算量减少,从而为更新通讯获得更多时间.通过实验证明,我们提出的方法是有效的.     

时空网格(ST-GRID)移动对象数据库模型

有效的存储和查询数据库管理系统中的移动对象受到了大量的关注，有一些是针对管理移动对象动态改变信息的应用。在本文中，把时间和空间变换成时空网格模型(ST-GRID)，把移动对象的运动轨迹转换成时空网格上的折线，用这种存储结构来管理移动对象，并给出产生折线轨迹的RippleInsert算法及移动对象突然改变目的地的解决方案。     

时空数据模型的初步设计

时空数据库用于模拟和查询位置或形状随时间改变的移动对象。提出了用于表示移动对象的时空数据类型和扩展数据类型。并在此基础上,对时空操作符也作了相应的概括。该数据模型便于实现,并能较好地支持时空查询。     

一种基于对象快照模型的时空查询原子模型

基于对象快照模型, 在分析时空对象最基本时空特征的基础上, 定义时间范围、空间范围、时空范围、时间关系、空间关系和属性状态6 个基本查询元素。在此基础上, 以时间为主轴, 定义原子查询类型, 并提出基于原子类型构造新类型的方法。对基本元素和原子查询的定义不涉及应用级语义, 使其具有良好的系统性和适应性; 同时具有明确的GIS 表达, 使其具备可实现性。研究成果可以作为时态GIS 中时空查询接口实现的基础和依据。     

区域交通状态分析的时空分层模型

为了解决区域交通状态分析问题,提出了一种区域交通状态时空分层模型及其建立方法。根据区域交通状态分析需求,设定交通拥堵的不同截值,把路口状态划分为不同层次,建立了时空分层模型。该模型含盖了交通网络的微观、中观和宏观交通参数,包含交通网络时空信息和交通状态信息,得到路口可达性和路段连通性的分析结果,解决了目前区域交通状态自动分析中模型建立问题。仿真结果表明:分层模型能够把路网中不同交通状态的路口分离为具有不同可达性的层次,能够从中分析出路口可达性、路段连通性和路网交通状态的变化,并能够直接表示时空状态信息。该建模方法和分析方法可以直接用于交通状态的自动分析中,所提出分层模型也可用到交通诱导和交通控制中。     

考虑临近时空序列影响的城市交通状态判别方法

以营运车辆的GPS数据作为研究对象,根据路网连接的拓扑属性构建电子矢量地图,在离散化的时-空系统中,提出新的交通状态判别算法设计思路. 考虑路段交通状态的时空关联特性,采用当前路段速度、邻近时空序列速度综合计算进行路段交通状态判别.     

一种改进的移动对象时空数据模型

分析了MOST模型和离散模型各自存在的问题,给出一种改进的移动对象时空数据模型HCFMOST．模型采用三次Hermite插值函数模拟移动对象的历史单元的轨迹且利用线性函数模拟移动对象的当前单元的轨迹,对当前单元中的误差进行了处理．该模型能够对历史轨迹进行精确的查询,对当前和未来的轨迹进行带误差的查询．     

基于多机场终端区交通态势的航班延误预测

为了针对性地制定后续优化措施,以降低多机场终端区内航班延误所带来的不利影响,并提高多机场系统内各机场的运营效率,进行多机场终端区航班延误的预测研究。首先,考虑多机场终端区交通态势对航班延误的影响,在对多机场终端区交通态势进行分析的基础上,建立了6个描述终端区交通态势的指标。接着,构建反向传播（back propagation,BP）神经网络航班延误预测模型,将终端区交通态势指标、航班信息和天气环境数据等作为输入,航班延误时间作为输出,并利用粒子群优化算法（particle swarm optimization,PSO）优化BP神经网络进行训练。通过实例验证和分析,基于多机场终端区交通态势的航班延误预测能够有效提高预测准确率,同时,通过粒子群优化BP神经网络的预测模型预测准确率均高于一般的考虑交通态势的BP和遗传算法优化的BP神经网络模型（genetic algorithm and back propagation,GA-BP）。     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

一种新的运动点目标检测方法

常规运动目标检测中所用图像都是基于二维空间坐标的序列图,文中根据运动点目标与静态背景的特性,采用一种新的图像表示方法,以时间和空间为坐标,描述的时空图像能较直观地反映运动目标与静态背景的差异,易于实现目标与背景分离。通过实例处理表明,时空方法能更有效地从复杂背景中检测出低信噪比的运动点目标,抗噪声干扰能力强。     

现有时空数据模型的研究

阐述了时空数据建模的主要定义,分析了时空数据库领域的建模需求,包括时态语义、空间语义、时空语义和查询能力．通过对各模型在时空领域中实际应用的研究,重点比较了现有时空数据模型在这4个需求方面的能力表现,并对模型做出评价．结果表明,面向对象数据模型和移动对象数据模型在时空对象的表达上体现了较强的能力．     

联合时空特征的交通流参数预测综述

针对交通流参数预测在智能交通系统中的重要性,为寻求更实时准确的预测方法,对联合时空特征的交通流参数预测方法进行综述。以交通时空数据为研究对象,将交通流参数预测方法归纳为统计学习方法、深度学习方法和图神经网络方法。基于这3类方法分别从传统和联合时空特征角度概括了各种方法的研究现状和特点,分析了交通流参数预测的难点。结果表明,联合时空特征的交通流预测方法由于考虑了道路网络中复杂且动态的时空依赖性,相较于传统的同类方法,预测性能有较大提升。最后,从模型输入和模型设计角度,讨论了交通流参数预测未来研究方向。     

基态修正时空数据模型的进一步扩展

引入超图模型的部分理论，建立了基于基态修正的面向对象时空数据模型。很好地解决了时空对象的空间关系和时空对象之间的关系，提出了时空对象的索引结构。并引入基态距因子和等比系数，从而大大提高了查询效率。并缩短了查询时间。