随着无线传感器等全新的信息获取和相关处理技术的发展,移动对象数据库在多个应用领域,包括智能交通,环境监测和目标跟踪等方面得到了广泛应用。在此基础上,针对移动对象数据的相关查询、计算以及传输处理等技术已经成为重要的研究领域。在移动对象数据库的范围查询方面,目前的应用大多是基于定位系统开发的。由于系统运行效率、传感器节能以及用户隐私保护等多方面因素,定位与跟踪系统的不确定性无法避免。这导致了移动对象数据中包含着内在的不确定性信息,从而引起了在移动数据不确定性方面研究的重视。在移动对象历史轨迹数据的连续近邻查询方面,目前的查询效率差强人意。主要的研究范围集中在数据对应索引结构的优化,或者是最优、最深等遍历方法的选择,而少有提升查询中间结果更新效率方面的研究,因此无法从整体上提升系统查询性能。分布式处理环境下的移动对象数据库已成为新兴的重要研究领域,特别是对于在分布式网络中查询结果数据的汇聚传输而言。Bora算法的提出部分解决了查询结果在类网格网络环境下的传输局限,但就近邻查询以及并发查询等环境下,其效率还存在着进一步提升的可能与必要。针对以上多方面的问题,本文进行了相关研究,并取得了如下的原创性成果:1.提出了Bead/Necklace模型下的移动对象不确定性范围查询算法:针对移动对象不确定性范围查询问题,通过对Bead/Necklace模型性质的研究,将不确定性查询问题映射为2D平面上的计算几何问题进行解决。对于不同时空语义下对应的谓词操作查询,设计完成了对应的五种不同查询时间和范围分类的查询算法。同时通过对查询多边形的偏置和轨迹点位置查询的方式实现修剪算法,提高了查询操作的整体运行效率。在此基础上,引入定位误差系数对Bead/Necklace模型中存在的缺陷进行改进,解决了原模型在移动对象数据采集时刻存在的不确定性归零问题,并且提出外接椭圆的概念简化了误差参数引入后导致的复杂问题,并改进了对应的修剪与查询算法,保证了系统的执行效率。最后,还对模型下的定量查询问题进行了初步探讨。2.提出了基于海滩线的更新算法提升了连续近邻查询操作的效率:在移动对象历史轨迹数据的连续K近邻查询研究中,利用移动对象近邻查询操作在迭代更新时出现的海滩线现象,通过在查询节点的数据结构中增加标志位的方法,提出了针对K近邻查询中间结果的海滩线式更新算法,在保证了必要的数据更新的基础上,消除了以前各种算法中出现的冗余检查现象,提高了近邻查询的执行效率。3.提出了分布式类网格网络环境下相关查询结果的数据汇聚传输方案:针对类网格的分布式移动对象数据库环境,在对Bora算法研究的基础上,解决了原Bora算法中存在的部分问题,并应用在连续K近邻查询结果的数据汇聚操作中。同时针对数据查询中常见的并发查询操作,提出了One Tree Bora和Piggy Bora两种汇聚模式,去除了并发查询结果汇聚中广泛存在的节点间链接重复建立以及数据传输中的重复冗余情况,进而提高了查询结果的汇聚和传输效率。