路网时窗排序的回归模型树轨迹索引

最近，通过学习型索引取代传统索引以减少索引大小和提高查询效率受到广泛关注.轨迹点在路网和时间维度的连续性难以刻画，数据分布倾斜普遍存在，现存的学习型索引不能有效地支持其查询.提出一种基于路网时窗排序的回归模型树，以支持点和范围查询，含数据排序和模型训练两个阶段：首先，结合希尔伯特曲线和模拟退火寻找保持道路临近性的路段排序，进而采用两层划分获取轨迹点的一维排序，保证时空近邻点排序后彼此靠近；其次，引入回归模型树映射轨迹点和存储位置，提出批量加载和周期更新两种训练模式.真实和模拟数据集上的实验表明，在保证和传统索引可比的查询性能前提下，大幅度降低索引大小，有效地支持以读为主的历史轨迹数据查询.