CN102073689A - 一种基于区域覆盖的动态最近邻查询方法 - Google Patents
一种基于区域覆盖的动态最近邻查询方法 Download PDFInfo
- Publication number
- CN102073689A CN102073689A CN 201010606723 CN201010606723A CN102073689A CN 102073689 A CN102073689 A CN 102073689A CN 201010606723 CN201010606723 CN 201010606723 CN 201010606723 A CN201010606723 A CN 201010606723A CN 102073689 A CN102073689 A CN 102073689A
- Authority
- CN
- China
- Prior art keywords
- grid
- voronoi
- arest neighbors
- zone
- mobile object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
一种基于区域覆盖的动态最近邻查询方法,属于移动数据索引技术领域,方法如下:录入人员位置信息;把战场空间划分为网格;对士兵进行索引;对于战场上士兵稀疏的区域使用Voronoi图结构组织网格;取一个0-1之间的值设为阈值,网格密度大于域值采用最佳优先最近邻查询方法BNFF,确定最近邻队友的位置,网格密度小于域值使用网格Voronoi图最近邻方法,确定最近邻队友的位置;本发明降低了更新索引的代价,同时与已有方法相比查询效率有明显提高,这种方法可以在战场上发挥很大的作用,为每个查询人提供最大程度的快捷准确的结果。
Description
技术领域
本发明属于移动数据索引技术领域,特别涉及一种基于区域覆盖的动态最近邻查询方法。
背景技术
随着无线通信技术、全球定位系统(Global Positioning System,GPS)技术以及数据库技术的发展,移动对象数据库技术逐渐成为数据库领域的研究热点,其中移动对象数据的最近邻查询方法是研究中的一个重要领域,但是过去的大部分研究工作都是针对处于静态环境下的最近邻查询,并且已经比较成熟;对于在动态环境中,查询对象和被查询目标都是移动的情况下的最近邻查询问题,目前国内外这方面的研究都还处于初始阶段;
现在虽然处于和平时期,但是对于战争的研究也一直在进行,战场上如何减少牺牲,使战士时刻了解附近队友的位置,相互做好配合至关重要,而很多战士都是处于移动状态,这就涉及到动态环境中的近邻查询问题;
要解决这类查询问题,首先是需要一个能够高效存储移动对象的索引结构,对于静止查询点与静止查询目标间的最近邻查询,最基本的算法是基于R树的BAB(branch and bound)方法,包括深度优先遍历R树的DF方法和最佳优先遍历R树的BF方法;但是这些方法是针对静态环境的,而动态环境下由于目标一直在移动,作为计算机处理需要在一个可以忍受的时间间隔下,改变索引中结点的位置,以往的静态算法索引代价过大,不足取。
动态环境下的最近邻查询方法于2005年Kollios和Gunopulous等人在2005年提出一种利用对偶变换(dual transformation)的方法来解决动态环境下的最近查询问题,该方法通过复制转换的方法,首先把一个移动对象的运动轨迹x(t)=x0+vxt,转化为空间中的一个点(x0,vx),然后再通过索引结构完成最近邻查询,这种方法的缺陷是只能返回在某个时间间隔内的查询结果,而不能返回每个时刻的查询结果。
Benetis和Jensen等人提出了移动对象的最近邻和反最近邻方法,但是,该方法在进行最近邻查询时,只能返回一个最近邻对象,随后,Benetis等人拓展了他们在文献中提出的方法,使其能够支持KNN查询;Iwerks等人研究了连续移动点的连续k最近邻查询问题,Raptopoulou等人针对移动对象数据库中移动最近邻查询的问题做了讨论。
Su Chen和Beng Chin Ooi等人基于ST2B树索引结构的最近邻查询方法,ST2B树是一种自可调的移动对象B+树索引结构,首先在时间上,ST2B树将底层B+树划分为两棵子树BT0和BT1,每个移动对象根据更新的时间选择相应的子树进行索引,其中两棵子树随着时间交替进行移动对象管理;在空间上,根据区域内移动对象的分布,根据密度的不同选取一个参考点集,并根据参考点Voronoi块对区域进行分块,然后在不同的分块选取不同的网格粒度 划分对移动对象进行索引,对于基于ST2B树的最近邻查询方法,采取的是不断扩大范围查询半径,直到查询区域内的移动对象个数满足最近邻查询的条件为止,方法的缺点是采用不断的调用范围查询算法,时间代价较大。
发明内容
为克服上述方法的不足,本发明提出一种基于区域覆盖的动态最近邻查询方法。
本发明的技术方案是这样实现的:一种基于区域覆盖的动态最近邻查询方法,包括以下步骤:
步骤1:录入人员位置信息,方法为:坐标系中的点代表士兵,每一个士兵向系统报告自己的当前坐标,确定战场空间;
步骤2:把战场空间划分为网格;
首先将整个战场空间划分成M×N个虚拟的空间网格单元,其中,M表示横着将空间分为M份,N表示竖着将空间分为N份,如图1所示;
对于点p(x,y)所在的网格id,计算公式如下:
px=(int)x/hX
py=(int)y/hY
id=px+py*divX+1
式中,x,y表示点p的横坐标和纵坐标,hX和hY分别表示网格单元的水平宽度和垂直高度,divX表示网格文件在水平方向上的划分个数;
步骤3:对士兵进行索引,方法为:
把每一个空间网格单元看作为空间中的一个点进行索引,将对动态移动对象的管理转换为静态网格单元,即只对存在移动对象的区域进行索引,对不存在移动对象的区域不进行索引,方法为:
对于划分后的每一个空间网格单元,若网格内区域存在移动对象,则将该空间网格单元的抽象点插入到压缩四分树中;若其内部没有移动对象,则该区域的抽象点并不真实存在,其中压缩四分树的结构如图2(b)所示,索引的建立如图4(a)~图4(d)所示;
索引建立好后,在以下两种情况下对压缩四分树进行更新,更新的规则为:
(1)当一个网格中仅有一个移动对象离开了当前网格,需要更新压缩四分树;
(2)当一个移动对象进入了一个未被索引的网格中时,需要更新压缩四分树;
步骤4:对于战场上士兵稀疏的区域使用Voronoi图结构组织网格;
Voronoi图结构将稀疏网格中的网格与其周围的网格有效地组织起来,包含了近邻网格信息以及距当前网格最近的可能的近邻信息;Voronoi多边形将保存周围相邻的多边形中心点的指针,构成一张有序的网状结构;
其网格密度Density的计算公式如下:
Density=Leafnums/Maxnums
式中,Leafnums是压缩四分树中某一层中间结点所对应的区域内叶子结点的数量,即存在移动对象的网格单元的数目,Maxnums是该区域按照网格划分得到的虚拟网格单元的总数目;
步骤5:取一个0-1之间的值设为阈值,网格密度大于阈值执行步骤6,网格密度小于阈值则执行步骤7;
步骤6:采用最佳优先最近邻查询方法BNFF,确定最近邻队友的位置,方法为:在四分树上从根结点开始扫描,对各个结点按照其到查询点的最小距离由小到大排列在优先队列上,当队首出现叶子结点时,记录叶子结点包含的所有移动对象,若移动对象已达到K个,使其与优先队列其它非叶子结点的最近距离比较,看是否为真正的K近邻,否则把有可能存在K最近邻的非叶子结点的孩子结点插入优先队列,执行步骤8;
步骤7:使用网格Voronoi图最近邻方法VorNN,确定最近邻队友的位置,方法为:
在建立了Voronoi图的区域,如果士兵发起查询,则先找到士兵所在的Voronoi多边形的位置,接下来计算查询点q所在网格单元内其它移动对象与查询点间的距离,并选取一个当前距离第K近的作为候选K最近邻的阈值,若不够K个,则从周围多边形中扩展;再计算查询点到其所在Voronoi多边形边界的最小距离,如果该距离比阈值大,则候选最近邻即为查询结果,否则,继续在查询点所在Voronoi多边形的邻接Voronoi多边形中查找过滤;如果查询点所在网格单元查询点外没有其它移动对象,则直接在查询点所在Voronoi多边形的邻接Voronoi多边形中进行查找过滤,最后返回最近邻查询的结果;
步骤8:结束。
本发明优点:结合了网格文件,压缩四分树,Voronoi图结构的优点,解决了动态最近邻查询的难题,对于密集的移动网络,一个网格中仅有一个移动对象的情况比较少,这种方法更新代价比较低,而对于其他情况只需要改变移动点的坐标即可,对于整体索引结果不会产生大的影响,从而降低了更新索引的代价,同时与已有方法相比查询效率有明显提高,这种方法可以在战场上发挥很大的作用,为每个查询人提供最大程度的快捷准确的结果。
附图说明
图1为本发明一种基于区域覆盖的动态最近邻查询方法空间网格划分示意图;
图2(a)为本发明一种基于区域覆盖的动态最近邻查询方法普通四分树示意图;
图2(b)为本发明一种基于区域覆盖的动态最近邻查询方法压缩四分树示意图;
图3(a)为本发明一种基于区域覆盖的动态最近邻查询方法网络区域覆盖示意图;
图3(b)为本发明一种基于区域覆盖的动态最近邻查询方法与图3(a)对应的虚拟网格的Voronoi图形结构示意图;
图4为本发明一种基于区域覆盖的动态最近邻查询方法20个士兵平面位置示意图;
图5为本发明一种基于区域覆盖的动态最近邻查询方法空间网格划分示意图;
图6(a)、6(b)、6(c)、6(d)为本发明一种基于区域覆盖的动态最近邻查询方法索引结构建立过程示意图;
图7为本发明一种基于区域覆盖的动态最近邻查询方法实施例12个实际网格示意图;
图8为本发明一种基于区域覆盖的动态最近邻查询方法最佳优先最近邻查询方法辅助说明图;
图9为本发明一种基于区域覆盖的动态最近邻查询方法Voronoi图近邻查询方法辅助说明图;
图10为本发明一种基于区域覆盖的动态最近邻查询方法总流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
本实施例采用的硬件环境为:IBM服务器一台,CPU Xeon EM64T Quad core E5405(2.0GHz12MB L21333MHz 80w,内存16G Bytes DDR RAM,
软件环境:操作系统:CentOS 5.2;开发工具:GNU Toolkits(GCC、G++、GDB)、Make、Vim、SVN等;开发语言:标准C++语言;
针对的是战场上有大量士兵参战的情况,限于篇幅,本实施例只以20个士兵为例,基于区域覆盖的动态最近邻查询方法,包括以下步骤:
步骤1:每一个士兵向上报告自己的当前坐标,确定战场空间:要求士兵带有定位通讯装置,上传自己的位置以及查询请求,士兵的分布如图5所示,士兵上报的位置坐标如表1所示:
表1士兵位置坐标
步骤2.把战场空间划分为网格,如图6所示,
将战场空间划分成4*4的16个网格,利用公式id=px+py*divX+1计算每个网格的id,由图6可知,hX=4000,hY=1000,从而计算得到的网格id从左到右,从下往上依次是1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16;
步骤3:对士兵进行索引:
将每一个士兵数据存入索引,如图6所示,本实施例中,有一个根结点,四个第一层的子结点,第三层即为叶子结点,实际网格中1、3、10、16四个网格没有点,不索引,因此只有12个实际网格,为12个叶子,20名士兵的信息就存储在叶子结点里面;
步骤4:由步骤3可知,实际网格中1、3、10、16四个网格没有点,不索引,如图7所示,因此只有12个实际网格,所以根据公式Density=Leafnums/Maxnums=12/16=0.75;
步骤5:如果阈值小于0.75,则不需要建立Voronoi图,采用四分树存储,执行步骤6;如果阈值大于0.75,采用建立Voronoi图的方法,如图7所示,细线即为Voronoi多边形的划分,每个点都有自己的主导区域,执行步骤7;
步骤6:采用BNFF查询,确定最近邻队友的位置,方法为:
本实施例查询最近的2个近邻,如图8示,图中以黑正方形代表的士兵为例,先将根结点插入队列中,然后将第一层叶子结点按到黑正方形查询点距离由近到远的顺序插入队列中,对对首结点的子结点按到黑正方形查询点距离由近到远的顺序插入队列中,此时对首元素为叶子结点,计算叶子结点中移动对象,与查询点的距离,对第K个距离点,记录其距离,与到队列中对首的非叶子结点的距离比较,15>10,因此当前的2个最近的移动对象就是2个近邻例查询;
步骤7:使用网格Voronoi图最近邻方法VorNN,确定最近邻队友的位置,如图9所示,方法为:在第一次查询时,可以通过网格文件快速找到查询点所在的Voronoi多边形即点3对应的多边形,然后在多边形内部查找移动对象作为候选近邻(没有找到),按照多边形的每个边到点q的距离由大到小扫秒对应多边形,首先扫描点1对应的多边形得到2个候选近邻,通过q到第2个邻的距离20可以确定点6,点2,点4对应的多边形内有可能具有近邻,继续扫面这几个多边形,在点2对应的多边形内找到距离为19的第2个近邻,返回结果;如果q移动了,在较短时间内一般只能在自己所在的多边形或者邻近的多边形内运动,因此在后续的连续查询中可以直接找到q点所在的区域,即使q点跨区域,也可以很快得到结果,同时Voronoi多边形可 以有指针直接指向周围的区域,节省了很多过程;
步骤8:结束。
Claims (2)
1.一种基于区域覆盖的动态最近邻查询方法,其特征在于:包括以下步骤:
步骤1:录入人员位置信息,方法为:坐标系中的点代表士兵,每一个士兵向系统报告自己的当前坐标,确定战场空间;
步骤2:把战场空间划分为网格;
首先将整个战场空间划分成M×N个虚拟的空间网格单元,其中,M表示横着将空间分为M份,N表示竖着将空间分为N份;
对于点p(x,y)所在的网格id,计算公式如下:
px=(int)x/hX
py=(int)y/hY
id=px+py*divX+1
式中,x,y表示点p的横坐标和纵坐标,hX和hY分别表示网格单元的水平宽度和垂直高度,divX表示网格文件在水平方向上的划分个数;
步骤3:对士兵进行索引,方法为:
把每一个空间网格单元看作为空间中的一个点进行索引,将对动态移动对象的管理转换为静态网格单元,即只对存在移动对象的区域进行索引,对不存在移动对象的区域不进行索引,方法为:
对于划分后的每一个空间网格单元,若网格内区域存在移动对象,则将该空间网格单元的抽象点插入到压缩四分树中;若其内部没有移动对象,则该区域的抽象点并不真实存在;
步骤4:对于战场上士兵稀疏的区域使用Voronoi图结构组织网格;
Voronoi图结构将稀疏网格中的网格与其周围的网格有效地组织起来,包含了近邻网格信息以及距当前网格最近的可能的近邻信息;Voronoi多边形将保存周围相邻的多边形中心点的指针,构成一张有序的网状结构;
其网格密度Density的计算公式如下:
Density=Leafnums/Maxnums
式中,Leafnums是压缩四分树中某一层中间结点所对应的区域内叶子结点的数量,即存在移动对象的网格单元的数目,Maxnums是该区域按照网格划分得到的虚拟网格单元的总数目;
步骤5:取一个0-1之间的值设为阈值,网格密度大于阈值执行步骤6,网格密度小于阈值则执行步骤7;
步骤6:采用最佳优先最近邻查询方法BNFF,确定最近邻队友的位置,方法为:在四分树上从根结点开始扫描,对各个结点按照其到查询点的最小距离由小到大排列在优先队列上,当队首出现叶子结点时,记录叶子结点包含的所有移动对象,若移动对象已达到K个,使其与优先队列其它非叶子结点的最近距离比较,看是否为真正的K近邻,否则把有可能存在K最近邻的非叶子结点的孩子结点插入优先队列,执行步骤8;
步骤7:使用网格Voronoi图最近邻方法,确定最近邻队友的位置,方法为:
在建立了Voronoi图的区域,如果士兵发起查询,则先找到士兵所在的Voronoi多边形的位置,接下来计算查询点q所在网格单元内其它移动对象与查询点间的距离,并选取一个当前距离第K近的作为候选K最近邻的阈值,若不够K个,则从周围多边形中扩展;再计算查询点到其所在Voronoi多边形边界的最小距离,如果该距离比阈值大,则候选最近邻即为查询结果,否则,继续在查询点所在Voronoi多边形的邻接Voronoi多边形中查找过滤;如果查询点所在网格单元查询点外没有其它移动对象,则直接在查询点所在Voronoi多边形的邻接Voronoi多边形中进行查找过滤,最后返回最近邻查询的结果;
步骤8:结束。
2.根据权利要求1所述的一种基于区域覆盖的动态最近邻查询方法,其特征在于:步骤3所述的压缩四分树,其更新规则如下:
(1)当一个网格中仅有一个移动对象离开了当前网格,需要更新压缩四分树;
(2)当一个移动对象进入了一个未被索引的网格中时,需要更新压缩四分树。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106067238A CN102073689B (zh) | 2010-12-27 | 2010-12-27 | 一种基于区域覆盖的动态最近邻查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106067238A CN102073689B (zh) | 2010-12-27 | 2010-12-27 | 一种基于区域覆盖的动态最近邻查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102073689A true CN102073689A (zh) | 2011-05-25 |
CN102073689B CN102073689B (zh) | 2012-11-07 |
Family
ID=44032228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106067238A Expired - Fee Related CN102073689B (zh) | 2010-12-27 | 2010-12-27 | 一种基于区域覆盖的动态最近邻查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102073689B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289466A (zh) * | 2011-07-21 | 2011-12-21 | 东北大学 | 一种基于区域覆盖的k近邻查询方法 |
CN102968477A (zh) * | 2012-11-16 | 2013-03-13 | 上海交通大学 | 基于最小冗余划分和随机数的安全最近邻查询方法及系统 |
CN104678978A (zh) * | 2015-03-18 | 2015-06-03 | 常州怀玉电子有限公司 | 一种基于已工作区域的农具区段控制的系统及其方法 |
CN105138607A (zh) * | 2015-08-03 | 2015-12-09 | 山东省科学院情报研究所 | 一种基于混合粒度分布式内存网格索引的knn查询方法 |
CN107291935A (zh) * | 2017-07-04 | 2017-10-24 | 东北大学 | 基于Spark与Huffman编码的CPIR‑V最近邻隐私保护查询方法 |
CN107357871A (zh) * | 2017-07-04 | 2017-11-17 | 东北大学 | 一种面向Storm的基于反馈的连续范围查询负载均衡方法 |
CN107728174A (zh) * | 2017-09-21 | 2018-02-23 | 国家测绘地理信息局第三大地测量队(四川省第测绘工程院) | 一种动态自适应的北斗亚米级位置服务全面覆盖方法 |
CN108595608A (zh) * | 2018-04-20 | 2018-09-28 | 南京邮电大学 | 一种面向路网通信场景的邻近对象索引查询方法 |
CN110967669A (zh) * | 2019-11-29 | 2020-04-07 | 东北大学 | 一种基于rssi的室内最近邻定位方法 |
CN111538725A (zh) * | 2020-03-19 | 2020-08-14 | 中国测绘科学研究院 | 一种面向千万级点状要素的最邻近快速搜索方法及系统 |
CN113157688A (zh) * | 2020-01-07 | 2021-07-23 | 四川大学 | 一种基于空间索引及相邻点信息的最近邻点搜索方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1279393A (zh) * | 1999-07-02 | 2001-01-10 | 贾敏忠 | 用于通用航空的路径规划、地形回避及飞航环境警觉系统 |
US20030123703A1 (en) * | 2001-06-29 | 2003-07-03 | Honeywell International Inc. | Method for monitoring a moving object and system regarding same |
-
2010
- 2010-12-27 CN CN2010106067238A patent/CN102073689B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1279393A (zh) * | 1999-07-02 | 2001-01-10 | 贾敏忠 | 用于通用航空的路径规划、地形回避及飞航环境警觉系统 |
US20030123703A1 (en) * | 2001-06-29 | 2003-07-03 | Honeywell International Inc. | Method for monitoring a moving object and system regarding same |
Non-Patent Citations (3)
Title |
---|
《第26届中国数据库学术会议论文集(A辑)》 20091231 王波涛 等 基于区域覆盖的移动对象索引的设计与实现 第339页至第345页 1-2 , 2 * |
《计算机科学与探索》 20100131 王波涛 等 利用覆盖区域设计与实现移动对象索引 第64页至第72页 1-2 , 2 * |
《计算机科学与探索》 20100930 李佳佳 等 分组移动对象的区域偏离监视算法 第803页至第811页 1-2 , 2 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289466B (zh) * | 2011-07-21 | 2013-11-13 | 东北大学 | 一种基于区域覆盖的k近邻查询方法 |
CN102289466A (zh) * | 2011-07-21 | 2011-12-21 | 东北大学 | 一种基于区域覆盖的k近邻查询方法 |
CN102968477A (zh) * | 2012-11-16 | 2013-03-13 | 上海交通大学 | 基于最小冗余划分和随机数的安全最近邻查询方法及系统 |
CN102968477B (zh) * | 2012-11-16 | 2015-10-21 | 上海交通大学 | 基于最小冗余划分和随机数的安全最近邻查询方法及系统 |
CN104678978A (zh) * | 2015-03-18 | 2015-06-03 | 常州怀玉电子有限公司 | 一种基于已工作区域的农具区段控制的系统及其方法 |
CN105138607B (zh) * | 2015-08-03 | 2018-07-17 | 山东省科学院情报研究所 | 一种基于混合粒度分布式内存网格索引的knn查询方法 |
CN105138607A (zh) * | 2015-08-03 | 2015-12-09 | 山东省科学院情报研究所 | 一种基于混合粒度分布式内存网格索引的knn查询方法 |
CN107357871B (zh) * | 2017-07-04 | 2020-08-11 | 东北大学 | 一种面向Storm的基于反馈的连续范围查询负载均衡方法 |
CN107357871A (zh) * | 2017-07-04 | 2017-11-17 | 东北大学 | 一种面向Storm的基于反馈的连续范围查询负载均衡方法 |
CN107291935A (zh) * | 2017-07-04 | 2017-10-24 | 东北大学 | 基于Spark与Huffman编码的CPIR‑V最近邻隐私保护查询方法 |
CN107291935B (zh) * | 2017-07-04 | 2020-09-29 | 东北大学 | 基于Spark与Huffman编码的CPIR-V最近邻隐私保护查询方法 |
CN107728174A (zh) * | 2017-09-21 | 2018-02-23 | 国家测绘地理信息局第三大地测量队(四川省第测绘工程院) | 一种动态自适应的北斗亚米级位置服务全面覆盖方法 |
CN107728174B (zh) * | 2017-09-21 | 2020-10-09 | 国家测绘地理信息局第三大地测量队(四川省第一测绘工程院) | 一种动态自适应的北斗亚米级位置服务全面覆盖方法 |
CN108595608A (zh) * | 2018-04-20 | 2018-09-28 | 南京邮电大学 | 一种面向路网通信场景的邻近对象索引查询方法 |
CN108595608B (zh) * | 2018-04-20 | 2022-04-29 | 南京邮电大学 | 一种面向路网通信场景的邻近对象索引查询方法 |
CN110967669A (zh) * | 2019-11-29 | 2020-04-07 | 东北大学 | 一种基于rssi的室内最近邻定位方法 |
CN110967669B (zh) * | 2019-11-29 | 2023-06-13 | 东北大学 | 一种基于rssi的室内最近邻定位方法 |
CN113157688A (zh) * | 2020-01-07 | 2021-07-23 | 四川大学 | 一种基于空间索引及相邻点信息的最近邻点搜索方法 |
CN111538725A (zh) * | 2020-03-19 | 2020-08-14 | 中国测绘科学研究院 | 一种面向千万级点状要素的最邻近快速搜索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102073689B (zh) | 2012-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102073689B (zh) | 一种基于区域覆盖的动态最近邻查询方法 | |
CN102289466B (zh) | 一种基于区域覆盖的k近邻查询方法 | |
Pfoser | Indexing the trajectories of moving objects | |
CN101630463B (zh) | 路网栅格数字地图自动矢量化方法 | |
CN102567497B (zh) | 一种最匹配模糊轨迹问题的查询方法 | |
CN110070121A (zh) | 一种基于树策略与平衡k均值聚类的快速近似k近邻方法 | |
CN103473248B (zh) | 一种路网环境下的连续移动k近邻查询方法 | |
CN112181991B (zh) | 基于快速构建kd树的地球模拟系统网格重映射方法 | |
CN106790468A (zh) | 一种分析用户WiFi活动轨迹规律的分布式实现方法 | |
CN108009265B (zh) | 一种云计算环境下的空间数据索引方法 | |
CN110147377A (zh) | 大规模空间数据环境下基于二级索引的通用查询算法 | |
Du et al. | Spatio-temporal data index model of moving objects on fixed networks using hbase | |
CN107391745A (zh) | 大规模空间数据分级快速索引方法和装置 | |
CN101692230A (zh) | 顾及多细节层次的三维r树空间索引方法 | |
CN111639075B (zh) | 一种基于扁平化r树的非关系数据库矢量数据管理方法 | |
CN110046216A (zh) | 应用于电子地图的空间关键字查询的近似搜索方法 | |
CN113407542A (zh) | 一种城市路网车辆出行轨迹的检索方法及系统 | |
CN103500165A (zh) | 一种结合聚类和双key值的高维向量检索方法 | |
CN105138607A (zh) | 一种基于混合粒度分布式内存网格索引的knn查询方法 | |
CN110097636B (zh) | 一种基于可视域分析的选址规划方法 | |
CN110991562A (zh) | 一种基于物种构成特征的动物类群地理区划方法 | |
Chen et al. | Design and evaluation of trajectory join algorithms | |
CN104850843A (zh) | 一种高精度定位系统中快速检测人员过度聚集的方法 | |
Kilimci et al. | Indexing of spatiotemporal Data: A comparison between sweep and z-order space filling curves | |
CN110297952A (zh) | 一种基于网格索引的并行化高速铁路勘测数据检索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121107 Termination date: 20151227 |
|
EXPY | Termination of patent right or utility model |