基于时空环境下的多事件规划是多元偏好查询中的一类重要查询,在新型社交媒体的社交网络中发挥着重要的作用。此类查询注重不同数据在组合后所体现的价值,具有广泛的应用场景。但是,由于时空数据规模大,结构复杂,而多元查询又需考虑多对象组合后所产生的价值,这给高效支持此类查询带来巨大挑战。针对上述问题,本文提出PCSKY(Partition-based Continuous Skyline)和CBIEA(Correlation rate Based-index Event Assignment)两种算法。首先,本文提出基于分片技术的查询处理算法PCSKY对数据集进行预处理,删减不可能成为查询结果的数据集。PCSKY算法首先基于一种多分辨率网格索引S-MRG维护各分片中的数据,利用网格的优势支持高效更新,并利用skyline对象和网格单元格的关系高效支持过滤。其次,提出一种自适应分片算法,根据数据分布的变化自动调整划分粒度,提高PCSKY整体效率。最后,提出一种基于索引S-MRG的二次扫描算法,利用不同分片中对象与单元格的位置关系,快速定位第一个分片中的候选skyline对象。其次,本文提出一种查询算法CBIEA解决多事件规划问题,为用户返回少量最具价值的数据组合。CBIEA算法首先通过构建有向图刻画事件之间的连通性,解决事件之间的矛盾关系。在此基础上,设定阈值,根据DB-Scan聚类算法对有向图进行划分,将关系密切的对象聚类到一起。调整阈值,对有向图进行进一步的分层操作,并以此为基础,构建对应的索引结构支持高效查询。最后,本文提出两个剪枝技术,进一步提高索引的查询效率,提高算法的性能。本文通过理论分析以及实验的验证,很好的体现了算法的高效性和稳定性。