基于双树双索引结构的移动查询方法

为实现对有限范围内海量移动对象的有效索引,构建通用的移动查询解决方案,针对移动对象在道路网格中的运动特点,提出了预测实时运动速度的速度积累模型和预测未来聚集位置的基于双树双索引结构的移动对象查询方法.双树双索引结构利用网格划分思想构建空间分割树,实现对现有GG TPR-tree查询结构的拓展,并结合GG TPR-tree索引及建立于内存中的Hash索引以满足各种类型的移动查询请求.仿真实验表明,在回答受限范围内海量移动对象的确定性查询和统计性查询时,与传统方法相比,双树双索引结构在查询结果准确率方面有明显的改善.     

基于道路网络的移动对象全时态索引与查询

基于固定网络的移动对象索引MON树采用两层R树和一个散列表结构,该索引能有效地实现了对网络环境下的移动对象过去信息的索引与查询,但却不能实现对当前和将来信息的索引,针对这一问题,本文对MON树进行了扩展,使其能实现对移动对象过去、当前和将来信息的全时态索引,并在此基础上实施了范围查询.     

空间移动对象历史查询的索引新方法

根据空间移动数据库历史查询的要求．本文构建了一种基于三角形外包的空间移动对象历史查询索引结构（TRL树）．并给出了TRL树的性质和相关更新算法，其中对分裂算法做了重点研究。     

移动对象位置的索引技术

在一维空间上采用B^n树索引结构、对移动对象位置进行索引，给出了该方案的实验结果，结果表明，对象的分类处理可以减少系统开销，提高移动查询结果的传输效率，并且可以扩展到特定的二维空间上。     

LBS大数据中基于固定网格划分四叉树索引的查询验证

基于位置的服务(LBS)进行数据发布时,数据拥有者委派第三方服务商来发布数据,服务提供商代表数据拥有者向用户提供服务。但是LBS中的服务提供商可能是不可信的,这样会在LBS大数据的查询中形成由于商业目的而篡改的不准确的结果。LBS大数据中移动对象的位置随时间而变化,因此数据的动态性导致了索引结构大量的更新操作。该文提出了一种基于固定网格划分四叉树索引机制的空间范围查询验证技术,该技术采用网格划分的方法对空间数据进行划分,并采用四叉树对划分后的网格进行索引。该空间索引结构更新代价低,方便了数据的管理,缩短了检索的时间,四叉树索引对于范围查询具有较高的查询验证效率。该方法确保了用户查询结果的真实性、完整性和正确性。通过实验验证了该方法是有效的。     

一种基于R树空间索引技术的GIS数据索引方法

地理信息数据库的查询效率作为GIS系统效率的关键,传统的查询和索引技术不能有效地实现地理信息数据库的高速查找和信息提取.提出了GIS中高效信息查询和提取的一种优化方法——一种基于R 树的空间索引技术的方法,介绍通过该方法建立记录地图信息的shape文件对应的索引文件的基本思路和方法并提出了基于此方法的GIS最邻近查询算法. 通过实验表明,该方法能有效提高GIS系统的响应速度和数据提取效率.     

基于固定网络的移动对象轨迹查询

在基于固定网络的移动对象轨迹查询方面.现有的索引模型只能管理移动对象当前和过去或将来轨迹的查询,它们都不能同时实现移动对象的现在,过去和将来轨迹查询.本文在IMORS的索引结构基础上进行改进并提出了一种新的索引结构.它能实现基于固定网络的移动对象的全时态索引.     

考虑运动对象位置不确定性的位置管理策略

以传统轨道模型为基础,观测构造运动对象历史信息统计样本并分析其特征,设计了基于样本统计的位置预测模型,更好地考虑了运动对象运动随机性的特点,提高了位置预测的准确性;然后在该模型的基础上设计了一种为管理运动对象位置不确定性而设定最佳阈值的方法,这种方法相对于传统的静态阈值策略减少了位置更新的信息代价开销;最后,采用一种基于时间和空间划分的Grid模型构造索引结构,给出了管理运动对象位置信息进行区域查询和kNN（k-Nearest Neighbor）查询的实现过程和算法,是一种进行运动对象位置相关查询的可行性方案.     

GICDBS:一种支持动态图结构数据更新的索引方式

提出一种基于CDBS编码的索引方式-GICDBS,并详细阐述了其对图结构数据动态更新的支持.实验证明,GICDBS索引结构不仅可以实现线性的可达性查询时间效率和索引空间复杂度,而且能够有效地支持数据的动态更新.     

空间网络数据库关键字查询的高效空中索引

研究无线广播环境下空间网络数据库关键字查询问题,提出一种包含路网加权四叉树、各关键字四叉树和路网距离矩阵的空中索引结构(KSSN).讨论了kNN查询处理问题,提出了高效的查询处理算法.所提出的算法能综合利用路网距离信息和关键字信息高效地消减不存在查询结果对象的路网空间,提高查询处理的效率.KSSN索引结构可推广至其他类型的查询,比如范围查询、Rank查询.在一个真实路网上进行了仿真实验,验证了基于KSSN索引结构的查询处理算法的性能.实验结果表明:所提出算法的访问时间和调谐时间分别为参照的IRRDA算法的25.13%和12.31%.     

移动对象数据库中的索引机制

无线通信技术和定位技术以其显著的实用性和先进性成为近年来的热门研究课题 ,同时各种应用中对移动对象的定位和跟踪能力的要求也越来越高。在 R*树的基础上提出一种多维空间索引结构 TPR树 ,以实现对活动在 (或可能活动在 )某区域内的移动对象的快速查询。分析和解决了 TPR树在查询、插入、删除和适时更新等处理中存在的问题。最后通过综合实验测试对所提方案进行性能评价     

空间多样化约束下的移动k近邻查询

考虑为移动中的查询对象连续返回k个距离近并且满足空间多样化约束的对象，提出了空间多样化约束下的移动k近邻(SDC-MkNN)查询.在此，满足空间多样化约束代表对象之间的相互距离大于距离阈值.为了高效处理SDC-MkNN查询问题，提出了两种基于安全区域技术的算法.算法均通过减少重新计算查询结果的次数来提高查询效率.其中一种为精确算法EA，可连续返回精确的查询结果；另一种为近似算法ρAA，可连续返回具有近似率保障的近似查询结果.采用真实数据集验证了所提出算法的有效性.     

基于地理标识语言的空间数据查询模式与实现

提出了基于地理标识语言（GML）的地籍和房产空间对象模型,并以此探讨了基于可扩展标识语言（XML）的地籍空间对象及其关系的查询模式,给出了基于XQuery的查询实现方法．开发了一个采用JAVA、文档对象模型（DOM）、简单应用程序接口（SAX）和XQuery的空间数据管理应用平台,验证了本文提出的基于GML的空间对象模型和基于XQuery实现查询XML地籍空间数据与空间关系的可行性．     

MapReduce模型下基于R树索引的Skyline查询算法

提出一种MapReduce并行计算模型下基于R树索引的Skyline查询算法, 解决了海量空间数据集下执行Skyline查询效率低的问题. 通过建立R树索引实现空间数据不同粒度的范围剪枝, 有效降低了分布式Skyline查询需扫描的数据规模, 提高了在MapReduce模型下Skyline查询的执行效率. 在不同数据分布下进行对比实验的结果表明, 该方法比已有算法在执行效率上更具优势.     

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.     

Indexing large moving objects from past to future with PCFI

In moving object database, the moving objects' current position must be kept in memory, also to the trajectory, in some case, as same as the future. But the current existing indexes such as SEB tree, SETI tree, 2+3R tree, 2 3RT tree and etc. can only provide the capability for past and current query, and the TPR Tree, TPR * Tree and etc. can only provide the capability for current and future query. None of them can provide a strategy for indexing the past, current and also the future information of moving objects. In this paper, we propose the past current future Index (PCFI Index) to index the past, current & future information of the moving objects. It is the combination of SETI tree and TPR * tree, the SETI liking index is used for indexing the historical trajectory segments except the front line structure, and the moving objects' current positions, velocities are indexed via the in memory frontline structure which mainly implemented with TPR * tree. Considering the large update operations on TPR tree of large population, a hash table considering cache sensitivity is also introduced. It works with the frontline part, leading a bottom up update of the tree. The performance analysis proves that the PCFI index can handle most of the query efficiently and provides a uniform solution for the trajectory query, time slice query, internal query and moving query.     

Indexing large moving objects from past to future with PCFI

In moving object database, the moving objects' current position must be kept in memory, also to the trajectory, in some case, as same as the future. But the current existing indexes such as SEB-tree, SETI-tree, 2+3R-tree, 2-3RT-tree and etc. can only provide the capability for past and current query, and the TPR-Tree, TPR*-Tree and etc.can only provide the capability for current and future query. None of them can provide a strategy for indexing the past, current and also the future information of moving objects.In this paper, we propose the past-current-future Index (PCFI-Index) to index the past,current & future information of the moving objects. It is the combination of SETI-tree and TPR*-tree, the SETI liking index is used for indexing the historical trajectory segments except the front line structure, and the moving objects' current positions, velocities are indexed via the in-memory frontline structure which mainly implemented with TPR*-tree.Considering the large update operations on TPR-tree of large population, a hash table considering cache sensitivity is also introduced. It works with the frontline part, leading a bottom-up update of the tree. The performance analysis proves that the PCFI-index can handle most of the query efficiently and provides a uniform solution for the trajectory query, time-slice query, internal query and moving query.     

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.