公路网上移动对象连续k近邻查询的一种方法
基于路网的移动对象k近邻查询方法
问次 数 明 显 少 于 原 方 法 。
关健词 ：路 网；Ｉｌ ｄ算法 ；交通堵塞探测 ；ｋ近邻 ｓｎ ａ
ｋＮｅ ｒｓ Ｎ ｉｈ ｏ ｅｉｓ ｆ ｖｎ ｊｃｓ ａｅ ｎＮｅｗ ｒ ｓ ａ ｅｔ ｅｇ ｂ ｒ Ｑｕ ｒｅ ｉｇ ０ Ｍｏ ｏｂｅｔ Ｂ ｓｄ０ ｔ ｏ ｋ
维普资讯
第３ ４卷 第 ３ 期
、＿ ． ４ ，ｔ３ ０
・
计
算
机
工
程
２０ ０ ８年 ２月
Ｆ ｂ ｕ ｒ ０ ８ ｅ ｒ ａ ｙ２ ０
Ｎｏ ３ ．
Ｃｏ ｐｕｔ ｒＥｎｇ ｎｅ ｒｎｇ ｍ ｅ ｉ ｅｉ
数据挖掘讨论组讨论VLDB文章-连续移动点的K最近邻查询
例：
a：pt(1,1,1) b：pt(3.5,1,1) c ：pt(6.5,-1,1) pt(6.5,查询点： q：pt(5.5,0,1) d: 1.5
事件驱动的内部查询算法
t=7
事件驱动的最近邻查询算法（1_N) 事件驱动的最近邻查询算法（
t=7.5， t=7.5，n=1
时间复杂度： SE_Within算法 SE_Within算法 O ( N + E w ) SE_Nearest_Neighbor算法 SE_Nearest_Neighbor算法 O ( E nn * N ) 过去两种改进途径： 1、使用索引层次结构减少对象的数量 2、维护一个按距离排序的对象序列，通过增加事件 的数量，减少对象的数量
K-NN(K-Nearest Neighbor)查询的CW方法 NN(KNeighbor)查询的CW方法 （Continuous Windowing)： Windowing)： 对于移动对象，窗口查询较K NN查询容易 对于移动对象，窗口查询较K-NN查询容易 如果某个窗口中至少有k个对象，则K 如果某个窗口中至少有k个对象，则K- NN 查询只用考虑这个窗口 只考虑一维空间的情形，高维的情况和一 维类似
树的重建：与UI(update interval)有关，实验表明 树的重建：与UI(update interval)有关，实验表明 CW算法要比TPR树的算法访问磁盘的次数要少。 CW算法要比TPR树的算法访问磁盘的次数要少。 事件的数量：ETP树只关心NN-EVENT，CW关心 事件的数量：ETP树只关心NN-EVENT，CW关心 NNNN的是NN EVENT和窗口内的NN EVENT,PS方法关 的是NN-EVENT和窗口内的NN-EVENT,PS方法关 心的是所有的OC-EVENT。 心的是所有的OC-EVENT。 事件的开销：因为采用树的结构，PS为O(logn)， 事件的开销：因为采用树的结构，PS为O(logn)， ETP是介于O(logn)（BF方法）和O(n)（DF方法之 ETP是介于O(logn)（BF方法）和O(n)（DF方法之 间）,CW因为只涉及到内存的访问，因此花费最 间）,CW因为只涉及到内存的访问，因此花费最 小。
移动对象的K个连续最近邻查询算法
第ｌ ２卷
第 ６期
哈 尔 滨 理 工 大 学 学 报
Ｊ ＯＵＲＮＡＬ ＨＡＲＢ Ｎ ＵＮＩ Ｉ Ｖ．Ｓ ．＆ Ｔ ＣＨ． ＣＩ Ｅ
Ｖｏ ２ Ｎｏ ６ Ｌ １ ．
Ｄｅ ． ０ ７ ｃ ，２ ０
２０ ０ ７年 ｌ ２月
移 动对 象 的 个 连 续 最近 邻 查询 算 法
ｏ ｓａ ｆｃｅ ｔａｇ ｒ ｈ ｍ ａ ａ ｅｏ ｈ ｎ ｅ ｆｒ Ｒ ｔ ｅａ ｄ ｕ ｅｏ ｐｕ ｉ ｅ ｈ ｉ ｅｔ ｅｏｖ ｅｐｏ ｌｍ． ｎ ｐ ｅ ｉｉｎ ｌｏ ｔｅ ｔ ｔ ｓ ｎ ｔｅｉｄ ｘｏ Ｐ — ｅ ｎ ｓ 【 ｒｎｇｔｃ ｎｑ ｒ ｓｌｅｔ ｒｂｅ Ａ ｎ ｉ ｈ ｂ ｒ ｕ ｏ ｈ
黄敬 良， 郝忠孝
（ 哈尔滨理工 大学 计算机科学与技术学 院， 黑龙江 哈尔滨 １０ ８ ） ５０ ０
摘
要 ：给定一 个移 动查 询点 和一 个移 动 对 象集合 ， 由于 查询 和数 据 对 象的 位 置都是 连 续 变
化的。 因此不能依赖于给 出的固定参考位置来解决查询 问题． 为了解决移动对 象的 个连续最近 邻查询 。 Ｔ Ｒ树的基础上 ， 出了分界 时间的概念 ， 剪枝技术给 出了查询算法． 在 Ｐ 提 利用 利用模拟
点只被访 问一 次．
树索引． ４ 局限于 回答一个最近邻查询． ［ ］ 文［ ］ 文 ５ 提出一种基于 Ｔ Ｒ树索引的查询算法 ， Ｐ ］这种方法 要多次对 Ｔ Ｒ树进行搜索 ， Ｐ 因此 时间复杂度高． 文
２ 基础知识
２ １ Ｔ Ｒ树 ． Ｐ
［］ １ 虽对文［ ］ ５ 进行了改进 ， 但是这种技术只适应于 静态数据集合． ［ ］ 文 ６ 等人提 出的算法不能查 询多
一种改进的连续k近邻查询处理方法
本文 算法 需要 设定动态增量值 为ａ。 ｕｒ Ｑ ｅｙ算法 处理新加
Ａｌｏ ｔ Ｑ ｅｙ ｇ ｒｈ ｉ ｍ ｕ ｒ
Ｉ ｐ ｔ ， ｓｏ ， ｎ ｕ ｑ ，ｂＴ ｑ Ｏｕｐ ｔ ｒ ｐ ａｅ ｓ ｔ ｕ ， ｄ ｔｄ ｑ ｑ ｕ
Ｍ ａ ｅ ． ：２７ ｔ ｒ ５１２ ．
【 １ ｒ ． ｏ ｌｄ 。 ｄ ｒ ２ ０ ） ｔｒＳ ｉＥ ｇＡ ｌ 】ｅＲＭ Ｐ ｋｕ ａＪ Ａｎ ｅａＰ（０ ４ Ｍａｅ ｃ． ｎ
３８ ３ ９： ２３ ７— ８ ９ ．
【 】 ｒ ｔ Ｍ ， ｂＭ， ｉ ｋＶ （０ ３ Ｐ ｉＭａ ３３ ２ ． １ Ｆ ｉｋ ｏ Ｖ ｔ ２ ０ ） ｈｌ ｇ８ ：５ ９ ２ ｆ ｅ
数 ｎ ｋ的时候 ， ＜ 利用 动态增 大的搜 索区域裁剪 Ｔ Ｒ树 ， 免搜 索整个 Ｔ Ｒ树 ， 而减少 了Ｔ Ｒ树 的访问代 价。 Ｐ 避 Ｐ Ｔ ３ ｌ
Ｔ Ｒ树 Ｐ
Ｓ ． ＮＮ查询方法 ＲＣ
文 献 标 识 码 ：Ａ 文章 编 号 ： １０ ．９ ３ ２ １ ０ —０ —２ ０ ７３ ７ （ ０ ０） ６ １ １ ０
针对大量移动对象 ＣＮ Ｎ查询 问题， ｅ ｅ ｓ Ｂ ｎｔ 等人首先提 出 ｉ 了Ｆｎ — Ｎ算法 ， ｉｄＮ 利用最小距离 函数对 Ｔ Ｒ树裁剪， Ｐ 进行深度
１算法
在 处 理 大 量 并 发 连 续 ｋ近 邻 查 询 时 ，查 询 的 更 新 变 化 非
优先遍历搜索 ， 以获得最近邻对象 。 ａ Ｔ ｏ等人对 Ｆｎ — Ｎ算法 常频繁 ， ｉｄＮ 如果每次搜索都直接扫描整个 Ｔ Ｒ树， Ｐ 造成额外节点
一种基于道路网的移动对象的位置索引与邻近查询方法
一种基于道路网的移动对象的位置索引与邻近查询方法
许林;李清泉;杨必胜
【期刊名称】《测绘学报》
【年(卷),期】2010(039)003
【摘要】车辆监控/导航、位置服务、智能交通等实际应用需求对移动对象的存储、获取与分析提出了新的要求.高效地管理和分析随时间变化的移动对象的位置数据,
从而为用户提供更加快捷、智能的服务已成为国内外的一个研究热点.针对路网中
移动对象当前位置的索引更新与查询问题,提出一种集路网几何/拓扑、交叉口转向约束以及移动对象位置的索引模型,探讨基于该模型的查询与更新.通过与IMORS
索引的比较表明该模型提高了索引更新的效率,支持并加强了K邻近等基于网络距
离的查询.
【总页数】7页(P316-321,327)
【作者】许林;李清泉;杨必胜
【作者单位】武汉大学,测绘遥感信息工程国家重点实验室交通研究中心,湖北,武汉,430079;武汉大学,测绘遥感信息工程国家重点实验室交通研究中心,湖北,武
汉,430079;武汉大学,测绘遥感信息工程国家重点实验室交通研究中心,湖北,武
汉,430079
【正文语种】中文
【中图分类】P208
【相关文献】
1.一种基于受限网络的移动对象索引结构 [J], 易显天;徐展;张可;郭承军
2.一种适合于频繁位置更新的网络受限移动对象轨迹索引 [J], 丁治明
3.一种索引移动对象过去、现在以及未来位置的方法 [J], 孙冬璞;郝忠孝
4.基于道路网络的移动对象全时态索引与查询 [J], 王丽杰;宋广军
5.基于时空索引结构的移动对象将来时刻位置预测 [J], 詹平;郭菁;郭薇
因版权原因，仅展示原文概要，查看原文内容请购买。
一种解决道路空间中连续k最近邻居查询的方法
本文提出的CkNN 方法首先利用 vN3 方法闭
求出待查询路径的每一条子路径的端点 kNN 集 ， 接 下来根据端点 kNN 集之间的关系， 依次求出每条子 路径的目标分割点和内部分割点 ， 然后合并得到待
收稿 日期 : 2007 一 一 07 05
形(netw rk Vor noi polyg n， P) . 用 vN3 方法 o o o Nv
查询结果是一组落在搜索路径上的分割点( sv t i l po nt ， i ) 并满足下面的性质: 每两个分割点之间的线
段上的任意一点都具有相同的 kNN 集合. 文献【 ] 1 首次明确提出了 C NN 问题的重要性. 之后 ， k 文献 【]提出了一种在道路空间中查询连续 1一 2 最近邻居 的方法. 文献 【 〕 3 中讨 论 的 I 方法采用分 治 的思 E 想， kNN 集合中每个 目标点的升降性， 判断 进而得 出 CkNN 结果集.
calculated by its endpoints’ kNN sets， is used to achieve the CkNN r ult of the query path. and s e Key wor s continuous nearest neighbor ; split point ; increasing/decreasing ob ect ; substitution d j 摘 要 提 出了一种道路空间中计算连续 k 最近邻居查询( CkNN) 的方法， 它采用分治思想， 将待查询 路径分为不含 目标点的子路径 ， 利用子路径端点的 kNN 集与分割点的关系， 计算 出该子路径上的 目标 分割点和内部分割点的位置， 最后合并各子路径的分割点集得到待查询路径的连续 k 最近邻居， 并对 算法进行 了时间复杂度分析. 关键词 连续最近部居;分割点; 升降性;替换
路网中可变速对象k近邻连续监控
路网中可变速对象k近邻连续监控
李艳红;潘怡;李国徽
【期刊名称】《中南大学学报（自然科学版）》
【年(卷),期】2013(044)012
【摘要】研究路网中可变速对象连续k近邻查询问题(CUkNN).提出一种不确定路网距离计算模式以计算路网中不定速移动对象和移动查询点之间的距离.基于这种距离模式,提出一种CUkNN查询监控算法以持续地获得给定时间段内查询点的可能的k近邻.为避免不必要的计算,没有计算每个结果对象的成为查询q的kNN之一、确切的概率值,而是提出一种有效的方法来将所有结果对象按照其概率值递减的顺序进行排列,选择排在前k位的对象构成最终的kNN结果集.最后通过模拟实验验证所提出算法的性能.实验结果表明,所提出的算法在CPU运行时间和精度方面均优于参照算法.
【总页数】7页(P4916-4922)
【作者】李艳红;潘怡;李国徽
【作者单位】中南民族大学计算机科学学院,湖北武汉,430074;长沙学院计算科学与技术系,湖南长沙,410022;华中科技大学计算机科学与技术学院,湖北武
汉,430074
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于多线程的不确定移动对象连续k近邻查询 [J], 齐建鹏;于彦伟;王创存;曹磊;宋鹏
2.路网中连续反向k近邻查询处理 [J], 卢秉亮;崔晓玉;刘娜
3.路网中双色数据集上连续反向k近邻查询处理的研究 [J], 李艳红;李国徽;杜小坤
4.道路网中的移动对象连续K近邻查询 [J], 赵亮;陈荦;景宁;廖巍
5.路网中移动对象快照K近邻查询处理 [J], 卢秉亮;刘娜
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于路网的连续最近邻查询算法
一种基于路网的连续最近邻查询算法摘要：在路网中，连续最近邻（Continuous Nearest Neighbor，CNN）查询在基于位置的服务中尤为关键。
现有的查询处理方法大多依赖于路网中查询对象的分布密度，其他处理方法如UNICONS等改进了这些不足。
然而在查询对象密集分布的路网中，存在无效计算最近邻（Nearest Neighbor，NN）的问题。
针对这个问题，本文提出并证明了非交叉点子路径中的预计算方法，并基于该方法提出了CNN查询算法。
该算法利用分治法以交叉点为划分依据，将查询路径划分成子路径，然后对子路径中的结点进行NN查询，从而降低了NN查询的计算代价。
通过实验，验证了本文提出的查询处理方法在CNN查询中的正确性和有效性，性能优势尤为明显。
关键词：连续最近邻查询; 基于位置的服务; UNICONS; 预计算方法; 分治算法Algorithm for CNN Query over Road NetworkWang Heng1,2Ying-Yuan Xiao1,21Tianjin Key Laboratory of Intelligence Computing and Novel Software Technology, Tianjin University of Technology，300384, Tianjin 2Key Laboratory of Computer Vision and System （Tianjin University of Technology）, Ministry of Education, 300384, TianjinAbstract In Road Network (RN), Continuous Nearest Neighbor (CNN) query frequently used in Location-Based Services (LBS). The majority of the existing works on CNN queries are largely affected by the density of objects of interest, others such as UNICONS overcome these problems, yet there may be over-calculating problem. In this paper, we propose and proof a pre-computation theory based on non-intersection path, and then presented an algorithm for CNN query, which uses divide and conquer method to query NN on sub path, where is divided the query path into sub path based on non-intersection points, and then to reduce the computational cost. Experimental results show that our processing approach in the CNN query is correct and effective, especially the result is well performance when the intersection points sparsely distributed.Keywords CNN; LBS; UNICONS; pre-computation; divide and conquer method1 引言随着移动计算、无线通讯、GIS（Geographic Information System）、以及GPS空间定位、空间网络数据库（Spatial Network Database，SNDB）等技术的迅速发展，基于位置的服务（Location-Based-Service, LBS）得到了广泛的应用。
道路网络中的连续最近邻查询
道路网络中的连续最近邻查询
冯惠妍;郭俊凤
【期刊名称】《计算机工程》
【年(卷),期】2010(036)008
【摘要】为了减少连续最近邻查询中计算K个最近邻的次数和减小算法需要的存储空间,提出一种道路网络中求连续最近邻的方法.给出分点的计算方法及连续最近邻查询算法,对算法的正确性、可终止性进行证明,并分析算法复杂度.与相关算法进行实验比较,得出该算法更适合于对象频繁发生变化的实际网络.
【总页数】4页(P79-82)
【作者】冯惠妍;郭俊凤
【作者单位】黑龙江八一农垦大学信息技术学院,大庆,163319;黑龙江东方学院计算机科学与电气工程学部,哈尔滨,150086
【正文语种】中文
【中图分类】TP311.13
【相关文献】
1.空间数据库中连续可视反向最近邻查询 [J], 杨泽雪;郝忠孝
2.道路网络中移动对象的连续反k最近邻查询算法 [J], 齐峰;金顺福;赵威;刘淑敏;刘国华
3.时空道路网络连续最近邻查询的新方法 [J], 杜时英;邢长征
4.道路网络中的多类型K最近邻查询 [J], 王丹丹;郝忠孝
5.道路网络上基于时空相似性的连续查询隐私保护算法 [J], 潘晓;谌伟璋;孙一格;吴雷
因版权原因，仅展示原文概要，查看原文内容请购买。
一种道路网络中移动对象的k近邻多查询处理算法
Key wor s K nearest neighbor query ; multi queries pr cessing ; r ad network ; cluster d o o
摘 要 在实际应用中， 服务器时常会收到许 多查询请求， 因此知何高效地进行多查询处理， 并且获得良 好的吞吐量具有重要的意义. 研究了道路网络 中连续的 K 近部多查询处理技术. 在 已知查询点位置和 运动速度的情况下， 将道路网络上的查询点进行聚类， 出了基于聚类的 K 近邻多查询处理算法， 提 使同 一聚类中的查询共享执行， 从而大大提高多查询处理的效率. 算法还进一步利用扩展树存储查询结果， 提高连续的 K 近邻多查询处理性能. 理论分析和实验结果表明提 出的算法是可行的、 高效的.
( &为 o l Z rmat勿 ， l o f sf o n Renm￡ 饰 1 it o C ina ， j i叹 100872) n 二 y f h 价i
Abstract
ln the 代 w rld applicat ions， al o severs often receive a lot of query reque ts ，s how to Pr ces s o o s
thes queries efficient1 and achieve better l/O efficiency is a challenging goal. Studied in this paper is the e y
multiPle KNN queries Processing f r moving ob ects in r ad netw rks . Assume that the location and o j o o velocity of the query 卯ints in the r ad network are given ， query points are clustered and a Clu一 o the MQN (clustering based multiple querie in r ad netw rk) algorithm is proposed which pr cesses the queries in the s o o o sa e cluster synchro ously ， the efficiency o query processing is greatly impro ed . Als the expansion m n o s f v o tree is us d to stor the query results in order to impr ve the efficiency of pr cessing multiple cont inuous K e e o o nearest neighb r queries. Theor tical and experimental analysis pr ves the feasibility and efficiency of the o e o
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
欧氏空间的 近邻查 询方 法 （Ｅ ） （Ｉ ） ， ＩＲ 和 １Ｅ Ｊ由于 ｌＥ Ｖ Ｉ Ｖ 比ＩＲ的算法效率高 ， 我们就只介绍一下 ＩＥ方法． Ｅ 这里 Ｎ 该
方法 的主要思想是以发出查询 的点为 中心逐 步进 行扩 张搜 索， 在扩 张过程 中比较所 有遇到 的移 动对象到查 询 中心的 距离 ， 这种方法是 对 Ｄｉ ｔ ￣ｓａ算法 的一种 多次使用 ， ｋｒ 当扩 张 半径超过到第 个 对象的距离时 ， 查询就 结束 了．Ｎ ＩＥ算 法
（ （ ｎ） 、 ｅ ｎ， ）对象离 它所在边 的起点距离 （ ｉ Ｄｓ ｔ
３ ９
）、 ） 平均
Ｋ ｌｈ ｏｚｎ等 人 提 出 了 Ｖ ３方 法 Ｊ 它 是 基 于 ｏ ｄｕａ ａ Ｎ ，
值之和） 针对路 网下 的近 邻查询 ， ． 一些学 者首先提 出了对
网络上的静态对 象查询处理的算法 － ２
， 而后又针对 移动
的效率取决于要查询对象 的密度 ， 整个路 网范围 比较 如果 大， 而要查询 的对象又 比较少且 很分散 ， 么该方法 的效率 那
就很低 ， 因为要搜索大部分的路网．
然 而在大多数现实场景 中， 查询者 和移动对 象被 限制 在一
个传输 网络 中． 型的 ， 典 道路 网络 就是这 样 一类 的传输 网
络 ， 由各路段组成 ， 它们 路段的权值对应于它们的长度或移 动对象穿越 它们所需要 的行驶时间． 在这种环境 中， 两个对
象之间的距 离被定义为连 接它们 的最 短路径 的长度 （ 即权
对象的 Ｃ Ｎ Ｋ Ｎ查询给 出了再计算 的快照 方法 ， 以解决 移
动对象的位置 随时间变 化而进行更 新处理 ， 而这种处 理 然
＋ 收 稿 日期 ：０ ００ －９ ２ １ －４０
基金项 目： 宁学院基金项 目（ Ｙ ９ ４ ７ 咸 Ｋ ０ ０４ ）
第 ６期
范
平
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近邻查询的一种方法
范 平
（ 咸宁学院 计算机科学与技术学院， 成宁 ４ ７０ ） 湖北 ３ １０
摘 要： 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 Ｋ Ｎ结果不正确． 了解决这 些问题 ， Ｎ 为 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．
ＣＮ Ｋ Ｎ查询 ， 这些查询 会持续 较长 的时 间并且 要求结 果 随 时更新． 然而现有 的 Ｃ Ｎ Ｋ Ｎ研 究 主要针 对 欧 氏空间 － ７Ｊ ．， ８
处理 路网上的移动对象连续 近邻查询是近年来 研究
的一个热 点课题． 在这 部分 ， 首先 回顾 了 近邻 查询 的方 法， 然后给出 了连续 ｋ 近邻查询的相关研究． 对 于 Ｋ近邻查 询方法 ， ａａ ｉ 等人 提 出了两种 基于 Ｐ ｐｄａ ｓ
中的哪一时刻 ， 更新两个最近邻对象结果 ， 并把这个结 果返
回给 用 户．
图 １ 连续 Ｋ近邻查询 的一个例子
１ 相 关 工 作
在对近邻查询 的研究 中， 早期 的查询 方法采 用移 动用 户对静止 目标 的快 照查 询 Ｊ 由于定位 装置 的广 泛应用 ． 和定位服务 的增 加 ， 最近 的研究 转 移 到 了对 移 动对 象 的
第 ３ 第 ６期 Ｏ卷
２０ １ ０年 ６月
成宁学Fra bibliotek院学
报
Ｖｏ ． ０， ｏ ６ １３ Ｎ ．
Ｊ ｕ ｎ ｌｏ ａ ｎｎ ｉ ｅ ｓｔ ｏ ｒ ａ ｆＸｉｎ ｉｇ Ｕｎ ｖ ｒｉ ｙ
Ｊｎ ２ Ｏ ｕ ．０１
文章编 号 ：０ ６— ３２ ２ １ ０ ０３ ０ １０ ５４ （００）６— ０ ８— ４
用户 ， 在一个 时间段 内连续查询 距离他最 近的 Ｋ个 兴趣点
在本文 中我们将提 出一 种有效 的距 离预计算 方法 ， 从
而克服前面提到快照方法 的一些不足． 在连续 监控上 次获
得的 个最近邻对象时 ， 以减少计算量 ， 可 赢得更多 的通讯
时间 ， 达到监 测的 目的， 实验证 明 ， 我们 提 出的处 理方 法是
高效可行的．
（ 对象） 比如一辆空出租车查询 离他最近的 Ｋ个要求 出租 ．
车服务 的行人． 对于监测连续 近邻查询 ， 如图 １ 所示 ， 查 询要求获得 ２ 个最近邻对象 ， 了方便起见 ， 只给 出一 为 我们
个查询点 ｇ和相应 的移动对象 ， 并标 出了两个 时 间点 的运
动对象 以一定的速度和某个方 向在路 网上 的运 动情形 ， 在
ｔ时刻 ， 查询点 ｑ 的两个最近邻对象为 ０ 和 ０ ， ｔ到 ｔ ， 从 。 时 间段 内， 查询点 ｑ的两个最近邻对象发生了变化 ， 即两个 最近邻对象从 ０ 和 ０ 变化成 ０ 和 ０． 。 。 ，显然从 时间 ｔ到
时间 ｔ， 系统要能正确及 时监测到这 个变化 发生在 ［。ｔ］ ｔ，
关键词 ： 时空数据库 ； 移动对象 ； 网； 续 ｋ近邻查询 路 连
中图 分 类 号 ：Ｐ ９ Ｔ３２ ０ 引 言 文 献 标 识 码 ： Ａ
方法是利用周期性快照 方式完成 的， 快照频率 低会影 响查 询结果 ， 快照频率 高会增加更新时的通讯代价．
最近邻查询是空间数据库 领域 中的一个基 础 问题． 近 年来随着无线 网络 和定位技 术的不断 发展 ， 移动用 户可 以 享有更多的服务项 目， 比如位置 查询 Ｊ最近邻 查询 ， 围 ， 范 查询 ， 交通状况 查询 等 等． 连续 的 Ｋ近 邻查 询 （ 以下 简称 ＣＮ Ｋ Ｎ） 是最近邻查询的一种 ， 思想是 对于一个 查询 其