时空数据库中移动对象索引技术研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:binics
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
时空数据库是存储、管理随时间变化,其空间位置或范围也发生变化的时空对象的数据库系统,时空索引技术是时空数据库管理系统的关键技术之一。时空索引技术是空间索引技术和时间索引技术的结合,它必须兼顾时空对象的空间特性和时间特性,才能有效地提高时空数据库的存取效率。随着应用领域的不断扩展和新技术的出现,尤其是随着移动计算、无线通信及定位技术的发展,如何有效地对移动对象进行查询、管理以及提供准确的基于位置服务等应用需求使得时空数据库研究面临着新的挑战,对移动对象索引技术的研究具有重要的意义。 在分析目前主要的空间和时间索引技术的基础上,研究了时空数据的存取方法,对已提出的时空索引技术进行了分类、比较。目前移动对象索引技术要么只能支持历史查询,要么只能支持当前和未来查询,支持的查询类型十分有限。根据位置服务中移动对象不断变化的特点,提出历史TPR*-tree(HTPR*-tree)作为位置服务中对移动对象的时空索引结构,该索引结构采用两级索引机制:首先采用TPR*-tree索引结构对不同时间片的时空对象建立索引,然后用有序表按时间递增顺序存储不同的时间片信息。从而可以实现整个历史空间(过去、当前和未来)上的窗口查询和移动窗口查询。由于引入了双时间(事务时间和有效时间),对暂态TPR*-tree的插入、删除、更新和查询算法进行了相应的改进。通过理论分析和实验测试,HTPR*-tree可以在减少更新代价和磁盘开销的同时,保持高效查询效率,支持整个历史空间上的窗口查询和移动窗口查询,查询性能只与时间片上移动对象的数目有关,而不随时间的递增而增加。
其他文献
随着空间数据获取技术的快速发展,空间数据量呈指数级快速增长,造成了“数据丰富,知识贫乏”的现象。如何从大量的、高维的、含有多种不确定性的空间数据中挖掘隐含的、有价值的
支持向量机(SVM)是机器学习领域一种非常重要的分类算法,它的出现是以统计学习理论为基础的。由于其良好的泛化能力,使得这种分类方法在很多领域都有应用。但是时间复杂度高
随着无线通讯,电子技术和定位系统的飞速发展和日趋成熟,无线移动计算和数据库的交叉研究领域——移动数据管理,正受到越来越多的关注。作为其中的核心内容之一,移动对象索引技术
入侵检测系统是网络安全的重要组成部分,在网络服务中得到越来越多的应用。入侵检测技术在应用中出现了误报率高,报警量大, 难以对报警信息进行有效管理等问题或困难,特别是分布
粒计算(Granular Computing,GrC)是一种新的智能信息处理理论,现已成为人工智能研究的主要方法之一。对于粒计算的研究,很大程度上是因为它模拟了人脑认识和解决问题的过程。粗
电子商务的浏览方便,商品多样性,方便交易等优势,越来越受到广大客户的青睐。电子商务依靠其不受空间限制,节省商家经营成本,全天候服务等优势,不断地扩张市场,给传统销售模式带来很
数据流作为一种新兴的数据管理技术,已经被广泛应用于股票交易、网络流量监控、网络安全监控、实时监控、传感器网络等许多领域。数据流数据是以一种动态的流动的形式存在。数
伴随着遗传算法应用的深入开展,由于遗传算法有着其他优化算法不可比拟的优点,因此,遗传算法在优化计算中得到了广泛的应用,将遗传算法用于解决各种实际优化问题后,人们发现
随着信息技术的飞速发展及硬件水平的不断提高,移动设备的使用数量呈快速增长趋势,手机和个人数字助理(PDA)等手持移动设备在当今市场中更是占主导支配地位。另一方面,人们对
互联网是现代社会最重要的信息基础设施之一,它已成为人们生活中获取信息、发布信息、相互交流的平台。传统互联网以文本为主要业务,然而近年来随着宽带网络和下一代网络技术的