QGrid:一种空间移动对象并行索引结构

为提高空间移动对象数据更新效率和查询准确率,提出了一种空间移动对象并行索引结构.利用主索引和辅助索引支持对空间对象进行基于范围的查询和基于对象标识的查询,还通过查询索引将更新操作和可能受其影响的查询操作相连接,在满足并行操作时间片语义的同时,避免了传统方法进行范围查询时对查询范围内相关对象及相关索引结构全部进行锁定的需求.实验结果表明:高负载环境下,该索引结构不但能保证查询准确率,其处理能力也明显优于传统索引结构.该索引通过提高系统并行度,使同一范围内的更新和查询操作可以并行执行,提升了系统整体运行效率.     

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.     

基于轨迹不确定的移动对象的预测处理

针对带有不确定性移动对象的预测查询处理可利用不确定轨迹模型来实现的问题,本文首先结合了移动对象具有自身运动的确定性及外界影响的不确定性建立了一个新的不确定轨迹模型;其次,设计了一种新的可用于对不确定性移动对象预测查询处理的索引结构B-TPR树,这种结构利用了本文模型中提到的不确定性移动对象的轨迹在未来一段时间内分布于某个角度范围的思想,对移动对象进行规则划分,从而达到更好的索引不确定性移动对象,实现预测查询处理.     

一种有效检索和更新移动对象的混合索引结构

由于无线通信技术持续不断的发展和基于定位服务的广泛应用,存储和处理移动对象数据变得尤为重要。提出了一种移动对象混合时空索引结构,即HTVKDB-tree,此索引结构在KDB-tree的基础上结合了直接存取移动对象位置的辅助索引结构。在结点中加入时间和速度参数,使其支持索引移动对象,并且索引结构能够支持未来的位置检索。此外,增加了一个指向中间结点访问表的主存结构以支持自底向上的更新算法以降低更新代价。     

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.     

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.     

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。     

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。     

一种基于交通路网的移动对象索引结构

以提高移动对象数据库中交通道路上的移动对象位置查询效率为目标,通过借鉴FNR-tree的思想并加以改进和综合运用hash表、动态数组、B树、单循环链表,设计了一种新的基于交通路网的移动对象索引结构(Dynamic and Efficient Index,DEI),并给出了操作算法.DEI索引结构由道路hash部分、时间信息结构和移动对象hash结构3部分组成.DEI支持对移动对象的过去、现在和将来位置的有效查询,可实现移动对象的快速定位.仿真实验结果验证了DEI的性能优势.     

移动对象流量查询方法研究

针对移动对象数据库中存储有移动对象运动状态信息的特点,提出了在移动对象数据库中实现基于道路网络的移动对象流量查询。首先,给出了利用直方图处理基于时间段的移动对象流量数据的方法;其次,基于FNR-Tree思想,提出了一个新的索引结构IFNR-Tree(Improved FNR-Tree),该索引结构增加了hash表和网格结构能够对移动对象数目进行统计,从而可以实现移动对象的流量查询。     

An index method for continuous moving objects

There are current, historical and future information about continuously moving spatio-temporal objects. And there are correspondingly spatio-temporal indexes for current, past and future querying. Among the various types of spatio-temporal access methods, no one can support historical and future information querying. The Time Parameterized R-tree(TPR-tree) employs the idea of parametric bounding rectangles in the R-tree. It can effectively support predictive querying to continuously moving objects.Unfortunately, TPR-tree can not used to historical querying. This paper presents a partial-persistence method in order to extend TPR-tree for querying past information of moving objects. In this method, several TPR-trees will be created for more effectively predictive querying, because TPR-tree has a time horizon limit for predictive querying.Further more, a B-tree will be used to index time dimension. Since the partial-persistence method brings about huge storage space using, this paper also discusses some methods on how to reduce storage space. Finally, this paper presents an extensive experimental study for the proposed method and gives some interesting directions for future work.     

An index method for continuous moving objects

There are current, historical and future information about continuously moving spatio-temporal objects. And there are correspondingly spatio-temporal indexes for current, past and future querying. Among the various types of spatio-temporal access methods, no one can support historical and future information querying. The Time Parameterized R-tree(TPR-tree) employs the idea of parametric bounding rectangles in the R-tree. It can effectively support predictive querying to continuously moving objects. Unfortunately, TPR-tree can not used to historical querying. This paper presents a partial-persistence method in order to extend TPR-tree for querying past information of moving objects. In this method, several TPR-trees will be created for more effectively predictive querying, because TPR-tree has a time horizon limit for predictive querying. Further more, a B-tree will be used to index time dimension. Since the partial-persistence method brings about huge storage space using, this paper also discusses some methods on how to reduce storage space. Finally, this paper presents an extensive experimental study for the proposed method and gives some interesting directions for future work.     

移动对象索引ST-tree

随着计算机网络和无限定位技术的发展,移动对象数据管理已经成为大数据时代新型数据库技术的重要组成部分.当前,移动对象数据库(MOD)研究重点之一是基于路网的移动对象数据索引技术.该文研究一种基于时空”对称”和”统一”处理的索引模式ST-tree.首先,根据路网移动对象特征,以空间间隔和时间期间组成的时空矩形为技术处理单元,讨论了一般区间元素集合上基于下右优先遍历序列的结构关系;其次,将时空矩形数据集合映射为空间间隔集合和时间期间集合,应用区间结构关系建立了路网移动对象数据集合数据结构;另外,由此研究了基于历史信息的移动对象索引ST-tree,它具有“一次一集合”的数据操作模式;最后,采用常规用例数据设计了基本仿真,通过与现有基本工作比较评估表明了ST-tree的可行性与有效性.     

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.     

分布式时态索引DTindex

研究基于线序划分（LOP）分布式时态索引技术DTindex．首先,建立DTindex所需数据结构和算法,并讨论分布式时态数据索引DTindex;其次,针对时间数据LOP结构提出基于查询期望的数据分布算,依据DTindex两层索引架构提出P2P部署以减少系统的通信开销．另外,完成仿真以表明索引可行性和有效性．     

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     

LDCQ的距离更新策略

提出了在LDCQ中保证满足误差限制的距离更新策略．移动对象和查询边界的距离远近不同，它们相交的可能性也不同，因而对查询结果的影响也不一样．依据它们之间距离的不同，给予移动对象不同的偏差限：使得越靠近查询边界，移动对象的偏差限越小；反之亦然．其好处是减少了大量的不必要的更新，减轻了系统负荷．