一种索引移动对象过去、现在以及未来位置的方法

时空数据库的索引技术是时空数据库研究的主要问题之一.本文给出了一种采用B 树森林的形式索引线性运动的移动对象位置的索引结构,有效地对移动对象过去、现在以及未来位置的信息进行索引,并给出了基于此索引结构范围查询的算法.     

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。     

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。     

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。     

UTR*-Tree:受限网络中移动对象不确定轨迹索引模型

受限网络中移动对象不确定轨迹的有效索引是移动对象数据库中的研究重点.针对现有方法的不足,提出了一种新的不确定轨迹索引结构UTR~*-Tree.该索引结构采用静态和动态相结合存储管理移动对象,将变化极小的受限道路网络作为静态部分使用2维空间R~*-Tree进行管理;将移动对象位置则作为动态信息采用R~*-Tree和Hash数组协同管理.借助该结构,移动对象数据库不仅可以快速地处理对移动对象过去可能位置的查询,而且能够对其现在及将来的可能位置进行高效的查询处理.实验结果表明同目前有代表性的轨迹索引结构UTR-Tree相比,该索引结构在维护性能上提高了一个数量级,在查询性能上平均提高了约25%.     

面向动态环境的移动对象自适应索引方法

为适应动态变化的应用环境,提高索引的综合性能,提出一种自适应的移动对象索引--STBx树.给出了STBx树的索引结构、更新算法和查询算法,并且在性能分析的基础上给出了STBx树进行自适应调节的方法.STBx树以自学习和自适应的运行,在不打断服务的情况下对自身的更新性能和查询性能进行调节,从而达到最佳的平稳的综合性能,以适应更新操作和查询操作的比例以及性能需求动态变化的环境.实验表明：STBx树在动态应用环境下能够实现自适应的调节,并提供优秀的综合性能,优于传统的TPR*树和Bx树.     

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。     

交通网络中移动对象定点CRNN查询算法

目的在交通网络中实现移动对象的定点CRNN查询监控,确定受到定点影响的移动对象集合.方法根据交通网络的特征,定义网络中RNN的概念,采用PMR四叉树来索引交通网络结构,利用监控树来简化对网络上移动对象的计算判断和监控.结果测试显示该算法能够针对现实交通网络,实现定点CRNN的查询监控.结论实验表明,在移动对象和查询数量增大时,该算法显示出较好的伸缩性.     

一种基于概率模型的运动趋势查询处理

运动趋势的准确预测是实现移动对象数据库中各种预测性时空查询处理的基础.提出了一种基于概率模型的运动趋势查询及处理方法.该方法将移动对象未来可能出现的位置定义为一种随机变量.运动趋势查询的处理就是检索随机变量的概率密度函数集合并进行概率计算的过程.为了获得较为准确的概率密度函数集合,提出一种通过对大量历史轨迹随机抽样来估计概率密度函数的方法.还设计了一种能够有效存储概率密度函数和提高运动趋势查询处理效率的索引结构.实验结果表明,提出的方法能够有效支持运动趋势查询的处理并提高对移动对象运动趋势预测的准确性.     

处理移动对象的频繁更新

提出了基于磁盘的移动对象索引结构LGU策略.LGU策略包含两个附加的关键结构基于磁盘的插入算法和基于内存的删除算法描述,它们联合起来能够执行整个树的频繁更新.     

基于V~＋图的移动K近邻查询研究

移动K近邻查询（MkNN）找到一个移动查询点的K个连续最近邻。目前解决此类查询的方法有两种：利用采样的方法和基于安全区域的方法。在传统的安全区域方法基础上提出一种基于安全区域的技术来计算MkNN,称为V＋图。此方法除了数据对象外还利用查询点和查询空间的信息,给出基于V＋图的MkNN查询算法和相应定理及其证明。     

时空数据库中基于TPR-树的反向最近邻查询

为研究动态环境下解决反向最近邻查询的算法,采用TPR-树索引结构给出了解决动态环境下的最近邻查询算法,并提出反向最近邻查询算法.该算法可有效解决平面上连续移动点的反向最近邻查询.     

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。     

基于网格索引的Top-k偏好查询算法

目的设计基于网格索引的Top-k偏好查询算法,提高Top-k偏好查询问题的解决效率.方法利用网格索引,采用概念划分的方法,实现基于范围查询和NN查询两种方式的Top-k偏好查询算法.结果通过真实数据集测试结果表明算法能够结合网格索引的优点,与基于R树索引的传统算法相比,在k值不断增加的情况下,查询效率提高了50%,能适应多种空间特征数据对象集合.结论网格索引可以有效处理Top-k偏好查询.