无线通讯和定位技术的飞速发展，使得移动数据管理方面的应用越来越广泛。在本文中，关注真实生活中那些运动在受限网络环境下移动对象，比如交通网络下的车辆，提出了一种称为ANR-tree的索引访问方法。它是一种两层结构，以上层R-tree为基础，下层扩展为适应性单元AU，将移动对象按照各自的位置和运动趋势分组放入其中。同时，采用了基于GCA的模拟预测技术，充分考虑了网络的限制和交通的随机性，比起线性预测，模拟预测拥有较高的准确性。另外，假设了不同的交通条件，得到最快和最慢两条不同的预测轨迹边界。这些技术的使用，使得ANR-tree的动态维护性能优于现有其他索引。在ANR-tree的基础上，又对移动对象的查询进行了深入研究，探讨了ANR-tree对将来范围查询和轨迹相似查询两种查询类型的支持。对将来范围查询，提出了对查询窗口进行基于网络距离的选择性扩展，考虑网络边之间的链接关系以减少候选对象的数目。同时，提出根据模拟预测和网络拓扑结构来预测对象的未来运动趋势，对候选对象进行筛选，尽量保证结果集的可信性。对轨迹相似查询，扩展ANR-tree实现对历史数据的索引，重新定义了网络环境下的轨迹和相似度等概念，并根据ANR-tree的结构提出了路径剪枝和时间片剪枝两种算法，只需要访问少部分存储轨迹就可以得到最终结果，从而实现了对相似轨迹的快速查询。最后，在两组数据上的实验表明，ANR-tree不仅拥有优于现有索引的更新性能，而且对将来范围查询和轨迹相似查询的支持，比起现有方法都更为有效。