论文部分内容阅读
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。