人工智能-机器学习-移动对象数据库中移动对象索引方法研究.pdf

在移动对象数据库领域，随着定位技术和无线通信技术的进步，越来越多的定位设备如智能手机和车载设备被广泛应用，导致了大量连续变化的位置数据需要被存储和处理。移动对象数据库的出现旨在解决这个问题，它允许高效地管理和查询移动对象的位置信息。移动对象索引技术是这个领域的核心，因为快速查询和处理海量数据对于智能交通控制系统、军事指挥系统等应用至关重要。 传统的索引方法往往难以应对移动对象的动态性和全时态特性，即需要考虑对象的历史、当前和未来位置。目前的研究大多集中在按查询时间分类的索引结构，而对全时态索引结构的关注不足，特别是对于在网络约束下移动对象的索引方法研究相对较少。 针对这一现状，本文进行了以下几方面的研究和创新： 1. 部分历史信息查询的移动对象索引（HTPR*-tree）：对现有的TPR*-tree进行扩展，通过引入创建或更新时间参数，构建了一个支持部分历史信息查询的索引结构。HTPR*-tree不仅保留了TPR*-tree的基本查询功能，还能提供历史信息查询，为全时态查询提供了可能。 2. 频繁更新的移动对象索引（BU_HTPR*-tree）：针对TPR*-tree在频繁更新时更新成本过高的问题，借鉴R树的BU算法思想，设计了一种新的索引结构BU_HTPR*-tree，通过结合哈希辅助结构和内存概要结构，显著提升了更新和查询性能。 3. HTPR*-tree索引树的新构建机制：针对HTPR*-tree索引性能随时间下降的问题，提出了四种不同的构建方法和动态维护策略。其中，通过速度直方图对移动对象进行分组，并采用HBU算法自底向上构建子树，优化了HTPR*-tree的构建过程，同时引入插入延迟更新策略和溢出桶内存结构，提高了查询和插入性能。 4. 网络约束的移动对象全时态索引（PPFN*-tree）：针对网络约束的移动对象，设计了一种全时态索引结构PPFN*-tree。该结构结合2D R树和TB-tree、HTPR*-tree，分别用于索引历史轨迹和当前未来位置，同时存储部分历史信息，支持多种全时态查询，减少了搜索空间，加快了查询速度。 这些创新工作为移动对象数据库中的索引技术带来了新的突破，尤其是在处理历史信息查询、频繁更新和网络约束条件下的移动对象数据方面。通过优化索引结构和构建方法，提升了查询效率，为实际应用提供了更高效的解决方案。未来的研究可以进一步探索如何将这些方法应用于更复杂的场景，如大规模网络环境和实时性要求更高的应用中。