CN108304542B - 一种时间依赖路网中的连续k近邻查询方法 - Google Patents
一种时间依赖路网中的连续k近邻查询方法 Download PDFInfo
- Publication number
- CN108304542B CN108304542B CN201810096208.6A CN201810096208A CN108304542B CN 108304542 B CN108304542 B CN 108304542B CN 201810096208 A CN201810096208 A CN 201810096208A CN 108304542 B CN108304542 B CN 108304542B
- Authority
- CN
- China
- Prior art keywords
- time
- point
- endpoint
- query
- interest
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明是一种时间依赖路网中的连续k近邻查询方法,本方法在离线阶段为每个兴趣点预先计算出潜在1NN结果区域,当查询发起时,该方法先查找与指定路径上每对相邻端点构成的最小外包矩形相交的潜在1NN结果区域,将其对应的兴趣点加入到结果候选集中;再利用指定路径的出发时刻以及相应边的权值函数可以计算出指定路径上每个端点的到达时间;再根据查询点的移动方向,为每段子路径建立查询点到候选集中每个兴趣点的函数模型;最后根据函数模型可以有效地找到k近邻结果变化的时间和空间分割点及相应的k近邻结果。本发明能够快速检索到可能成为结果的兴趣点结果候选集,再根据函数模型划分时间分割点,有效地解决了时间依赖路网中的连续k近邻查询。
Description
技术领域
本发明属于近邻查询技术领域,具体为一种时间依赖路网中的连续k近邻查询方法,利用查询点到兴趣点最快行驶时间函数模型算法实现时间依赖路网中的连续k近邻查询技术。
背景技术
随着网络的发展,移动终端的普及,在线地图服务的快速进展及其在手持设备和汽车导航系统中的广泛部署导致了基于位置服务的广泛使用。这对于政府决策,企业利益,个人生活便利都带来很大帮助。例如,为政府单位在交通,医疗等资源配置,提供决策的辅助作用;对于企业的物流管理提供相关信息及对于个人餐饮、娱乐、购物等也带来极大便利。因此,如何更好的满足用户对位置服务的需求,已经成为当前近邻查询技术的热点问题。
现有的近邻查询技术主要解决了静态路网中的k近邻查询、时间依赖路网中的k近邻查询以及静态路网中的连续k近邻查询。静态路网中的k近邻查询常用方法有INE(增量网络扩展)、IER(增量欧几里得约束)、DisBrw、ROAD、和G-tree。由于在时间依赖路网中边权值不断变化,所以这些方法不适用。解决时间依赖路网中k近邻查询的方法主要有时间扩展图、TD-INE、TNL和LNI索引、TD-FTT等方法。虽然这些方法可以解决了边权值不断变化的难点,但是不能解决查询点不断移动的问题。IE(Intersection examination)、UBA(UpperBound Algorithm)、UNICONS(a unique continuous search algorithm)、DAR和DAR、VCkNN等方法解决了静态路网中指定路径的连续k近邻查询,但是这些方法都假设边的权值是恒定的,无法适用于时间依赖路网中边权值不断变化的连续k近邻查询。
发明内容
为了解决适用于边权值不断变化的连续k近邻查询,本发明提出了一种时间依赖路网中的连续k近邻查询方法,基于查询点到兴趣点最快行驶时间函数模型的方法解决时间依赖路网中的连续k近邻查询,包括以下步骤:
步骤1:为路网的每个兴趣点建立潜在1NN结果区域(Potential 1NN resultregion,简称P1NNRR)。利用并行最短路径扩展树从pi开始扩展,当路网节点到pi的最小行驶时间大于路网节点到其他兴趣点的最大行驶时间时停止扩展,这些路网节点所构成的多边形即为潜在1NN结果区域。
步骤2:利用最小外包矩形查找候选集。以指定路径上两个相邻端点的长度为对角线构建MBR(最小外包矩形)。与MBR相交的P1NNRR生成器加入到候选集中。
步骤3:根据查询点分别到候选集中每个兴趣点的行驶时间构建函数模型。
进一步地,所述的步骤2中将相交的潜在1NN区域的生成器加入到相应的候选集中包括以下步骤:
步骤2.1:如果候选集个数m≥k,执行步骤3。
步骤2.2:如果候选集个数m<k,将原来最小外包矩形的对角线沿两个相邻端点同时扩展到原来长度的n倍,形成一个新的最小外包矩形,检查与新的MBR相交的P1NNRR生成器加入到候选集中。重复此过程直到满足m≥k,再执行步骤3。
进一步地,步骤3中的建模方法包括以下步骤:
步骤3.1:根据出发时间以及每两个端点的行驶时间函数,可以计算到每个端点的到达时间。
步骤3.2:根据端点到候选集中兴趣点的行驶时间函数以及相邻端点的行驶时间函数可以建立查询点到兴趣点的函数模型。
步骤3.3:根据3.2建立的函数模型,可以准确找到时间分割点以及k个最近邻。时间分割点只是一个时间点,没有实际意义,因此需要将时间分割点对应到路网中。
进一步地,步骤3.2中计算查询点到兴趣点的行驶时间公式如下:
进一步地,步骤3.1所述的计算端点到达时间公式如下:
......
tA∈[ti+n-1,ti+n]
约束条件:f1+f2+f3+...fn=1,其中表示在tD时刻从端点vi到端点vi+1的行驶时间;表示在t1时刻从端点vi到端点vi+1的行驶时间;表示在t2时刻从端点vi到端点vi+1的行驶时间;表示在tA时刻从端点vi到端点vi+1的行驶时间;[ti,ti+1]、[ti+1,ti+2]、[ti+2,ti+3]、[ti+n-1,ti+n]表示行驶时间恒定的区间;f1、f2、f3、fn为辅助函数没有实际意义。
进一步地,所述步骤3.3中将时间分割点转化到路网(即将时间分割点对应到路网的地理位置上)的计算公式:
本发明的优势在于提出一种查询点到兴趣点最快行驶时间函数模型的方法实现了时间依赖路网中的连续k近邻查询技术,利用预先计算的P1NNRR和相邻端点的MBR有效地查找候选集合,根据查询点到候选集中每个兴趣点的行驶时间建立函数模型,由函数关系可以快速找到分割点以及k个兴趣点。
附图说明
图1是本发明的流程示意图;
图2是本发明步骤3的流程示意图;
图3是为P1NNRR的路网图;
图4为早上8:00到8:40,边E=(A,B)的平均行驶时间函数图。
图5为早上8:00到8:40,端点A到兴趣点p1的行驶时间函数图。
图6为早上8:00到8:40,端点A到兴趣点p4的行驶时间函数图。
图7为早上8:00到8:40,端点B到兴趣点p3的行驶时间函数图。
图8为早上8:00到8:40,端点B到兴趣点p2的行驶时间函数图。
图9为查询点到兴趣点最快行驶时间函数图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参考图1-9,本发明提供了一种时间依赖路网中的连续k近邻查询技术,方法流程图如图1所示,包括以下步骤:
步骤1:如图3所示,为路网中的每个兴趣点建立P1NNRR(图3为P1NNRR的路网图,其中白色圆圈表示一组端点V={v1,...,vn};黑线表示一组边E={(vi,vj)|vi,vj∈V,i≠j},加粗的黑线表示指定路径即path={A,B,C,D};大黑色圆圈表示一组兴趣点P={p1,p2,...,pn})。利用并行最短路径扩展树从P={p1,p2,...,pn}中的每个兴趣点pi开始扩展,当路网节点到pi的最小行驶时间大于路网节点到其他兴趣点pj(i≠j)的最大行驶时间时停止扩展,这些路网节点所构成的多边形即为P1NNRR(附图3中用虚线多边形表示)。
步骤2:利用最小外包矩形查找候选集。以指定路径上两个相邻端点A和B、B和C、C和D的长度为对角线分别构建MBR(端点A和端点B构建的MBR用附图3中实线矩形表示)。检查与MBR相交的P1NNRR生成器(即兴趣点),并将兴趣点p1、p2加入到子路径{A,B}的候选集中。
步骤2.1:在k=2的情况下,候选集个数m=2=k,满足条件m≥k,然后执行步骤3。
步骤2.2:在k=3的情况下,候选集个数m<k,则需要扩展搜索范围。将原来最小外包矩形的对角线,即A到B的长度沿两个相邻端点同时扩展到原来长度的2倍,形成一个新的最小外包矩形(附图3中用虚线矩形表示)。检查与新的MBR相交的P1NNRR生成器,然后将p3、p4加入到候选集中,新的候选集合为{p1,p2,p3,p4}。新的候选集合满足m≥k,然后执行步骤3。
如果候选集合个数仍然不满足m≥k条件,继续扩展相邻端点的对角线长度,直到满足m≥k条件,再执行步骤3。
步骤3:根据查询点分别到候选集合中每个兴趣点的行驶时间构建函数模型。
步骤3.1:根据在端点A的出发时间以及A到B的行驶时间函数,可以计算到端点B的到达时间。根据B的到达时间以及B到C的行驶时间函数,可以计算到端点C的到达时间,以此类推可以计算出指定路径上每个端点的达到时间。
假设早上8:00出发,A到B的行驶时间函数如附图4所示,端点B到达时间计算如下:
1-f1-f2=0
因此,8:12能到达端点B。
步骤3.2:根据相邻两个端点分别到候选集中兴趣点的行驶时间函数以及这两个相邻端点间的行驶时间函数可以建立查询点到兴趣点的函数模型。
根据附图4、附图5、附图6、附图7、附图8可以得到如下结果:
8:00查询点q从端点A出发,此时随着查询点向端点B移动,查询点q到兴趣点p1的行驶时间逐渐增加。在[0,6]区间内,查询点q到兴趣点p1的行驶时间表达式为:8:06之后端点A到端点B的总行驶时间为15,所以[6,10]区间内,查询点q到兴趣点p1的行驶时间表达式为:8:10之后端点A到兴趣点p1的总行驶时间为20,所以[10,12]区间内,查询点q到兴趣点p1的行驶时间表达式为:
同理计算兴趣点p4、p2、p3分别到端点的函数关系,函数关系如下:
步骤3.3:根据3.2建立的函数模型如附图9所示(p1对应的曲线表示在8:00到8:12移动的查询点q到兴趣点p1的行驶时间函数;p4对应的曲线表示在8:00到8:12移动的查询点q到兴趣点p4的行驶时间函数;p2对应的曲线表示在8:00到8:12移动的查询点q到兴趣点p2的行驶时间函数;p3对应的曲线表示在8:00到8:12移动的查询点q到兴趣点p3的行驶时间函数。),可以得到时间分割点分别为5、6、9.5、10。四个时间分割点将[0,12]区间划分成五个子区间,每个子区间的3近邻如图表一所示。
表一:子区间的3近邻
时间区间 | 1NN | 2NN | 3NN |
[0,5] | p<sub>1</sub> | p<sub>4</sub> | p<sub>2</sub> |
[5,6] | p<sub>1</sub> | p<sub>2</sub> | p<sub>3</sub> |
[6,9.5] | p<sub>1</sub> | p<sub>2</sub> | p<sub>3</sub> |
[9.5,10] | p<sub>2</sub> | p<sub>1</sub> | p<sub>3</sub> |
[10,12] | p<sub>2</sub> | p<sub>4</sub> | p<sub>3</sub> |
由表一可以得出子区间[5,6]和[6,9.5]的3近邻一样,但是两个区间端点A到端点B的行驶时间不同,也就是两个区间中查询点到相同兴趣点的行驶时间不同。
步骤3.4:计算时间分割点对应在路网中的位置。
表示8:00从端点A出发,查询点q从端点A到边E=(A,B)中点移动过程中的3近邻不变为{p1,p4,p2}。
表示8:00从端点A出发,查询点q从边E=(A,B)中点到边E=(A,B)的3/5处移动过程中的3近邻不变为{p1,p2,p3}。
表示8:00从端点A出发,查询点q从边E=(A,B)的3/5处到边E=(A,B)的19/30处移动过程中的3近邻不变为{p1,p2,p3}。
表示8:00从端点A出发,查询点q从边E=(A,B)的19/30处到边E=(A,B)的2/3处移动过程中的3近邻不变为{p2,p1,p3}。从边E=(A,B)的2/3处到端点B移动过程中的3近邻不变为{p2,p4,p3}。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种时间依赖路网中的连续k近邻查询方法,其特征在于:包括以下步骤:
步骤1、预计算路网中每个兴趣点潜在的1NN区域;
步骤2、查找指定路径上与每两个相邻端点的最小外包矩形相交的兴趣点的潜在1NN区域,并将相交的潜在1NN区域的生成器加入到相应的候选集中;
步骤2中将相交的潜在1NN区域的生成器加入到相应的候选集中包括以下步骤:
步骤2.1:如果候选集个数大于等于需要查找的近邻个数,执行步骤3;
步骤2.2:如果候选集个数小于需要查找的近邻个数,将相邻端点沿着两个端点扩展n倍,直到满足候选集个数大于等于需要查找的近邻个数,再执行步骤3;
步骤3、根据查询点到候选集中兴趣点的行驶时间函数建立函数模型;
步骤3中的建模方法包括以下步骤:
步骤3.1:由已知的出发时间和相邻端点的行驶时间函数可以计算出指定路径上每个端点的到达时间;
步骤3.2:根据端点到兴趣点的行驶时间函数以及相邻端点的行驶时间函数可以建立查询点到兴趣点的行驶时间函数模型;
步骤3.3:由步骤3.2的函数模型可以找到时间分割点,将时间分割点对应到路网上;
步骤3.2所述的行驶时间函数模型,公式如下:
步骤3.1,计算端点到达时间公式如下:
约束条件:f1+f2+f3+...fn=1,
......
tA∈[ti+n-1,ti+n]
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810096208.6A CN108304542B (zh) | 2018-01-31 | 2018-01-31 | 一种时间依赖路网中的连续k近邻查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810096208.6A CN108304542B (zh) | 2018-01-31 | 2018-01-31 | 一种时间依赖路网中的连续k近邻查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108304542A CN108304542A (zh) | 2018-07-20 |
CN108304542B true CN108304542B (zh) | 2021-09-03 |
Family
ID=62867417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810096208.6A Active CN108304542B (zh) | 2018-01-31 | 2018-01-31 | 一种时间依赖路网中的连续k近邻查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304542B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902711B (zh) * | 2019-01-14 | 2023-03-31 | 南京航空航天大学 | 一种时间依赖路网上的移动对象k近邻查询算法 |
CN110309962B (zh) * | 2019-06-21 | 2021-11-23 | 清华大学 | 基于时间扩展模型的铁路行程路线规划方法及装置 |
CN110442624B (zh) * | 2019-08-09 | 2022-12-27 | 沈阳航空航天大学 | 一种时间依赖路网中服务时间受限的聚合近邻查询方法 |
CN112183589B (zh) * | 2020-09-14 | 2022-04-22 | 西北工业大学 | 一种低采样率下的实时车辆k近邻查询方法 |
CN112836145B (zh) * | 2021-02-18 | 2023-06-02 | 沈阳航空航天大学 | 动态有向路网中面向移动对象的近邻查询方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235831A (zh) * | 2013-05-15 | 2013-08-07 | 西南大学 | 基于路网的移动对象位置索引结构及索引方法 |
CN103473248A (zh) * | 2012-12-17 | 2013-12-25 | 东北大学 | 一种路网环境下的连续移动k近邻查询方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101450525B1 (ko) * | 2013-04-29 | 2014-10-23 | 아주대학교산학협력단 | 도로 네트워크에서 움직이는 영역 질의의 안전 출구 위치를 계산하는 방법 |
-
2018
- 2018-01-31 CN CN201810096208.6A patent/CN108304542B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473248A (zh) * | 2012-12-17 | 2013-12-25 | 东北大学 | 一种路网环境下的连续移动k近邻查询方法 |
CN103235831A (zh) * | 2013-05-15 | 2013-08-07 | 西南大学 | 基于路网的移动对象位置索引结构及索引方法 |
Non-Patent Citations (1)
Title |
---|
移动对象连续k近邻查询处理技术研究;刘德高;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131115;第I138-603页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108304542A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304542B (zh) | 一种时间依赖路网中的连续k近邻查询方法 | |
CN103179052B (zh) | 一种基于接近度中心性的虚拟资源分配方法及系统 | |
US20090006077A1 (en) | Spatially indexed grammar and methods of use | |
CN109271467B (zh) | 一种方向感知的路网移动对象k近邻查询方法 | |
CN103837154A (zh) | 路径规划的方法及系统 | |
US8738559B2 (en) | Graph partitioning with natural cuts | |
CN109902711B (zh) | 一种时间依赖路网上的移动对象k近邻查询算法 | |
CN110275929B (zh) | 一种基于网格分割的候选路段筛选方法及网格分割方法 | |
Demiryurek et al. | Indexing network voronoi diagrams | |
CN114422885B (zh) | 基于拓扑路由的路由搜索方法、装置、设备及介质 | |
Shang et al. | Dynamic shortest path monitoring in spatial networks | |
CN102982395A (zh) | 一种基于空间节点聚类方法的快速公交换乘方法 | |
Tabassum et al. | Dynamic group trip planning queries in spatial databases | |
CN112328877B (zh) | 时间依赖路网上多用户的skyline查询的方法 | |
Xuan et al. | Network Voronoi diagram based range search | |
KR102185334B1 (ko) | 도로 네트워크에서 ε-거리 조인 질의 처리 방법 및 도로 네트워크에서 ε-거리 조인 질의를 처리하는 장치 | |
Huang et al. | Continuous within query in road networks | |
Chucre et al. | Taxi, please! a nearest neighbor query in time-dependent road networks | |
CN101840434A (zh) | 一种在空间网络数据库中查找最近k个点对的广度优先方法 | |
CN112836145A (zh) | 动态有向路网中面向移动对象的近邻查询方法 | |
Lin et al. | Processing directional continuous range queries for mobile objects on road networks | |
Tang et al. | Supporting continuous skyline queries in dynamically weighted road networks | |
Li et al. | Reverse k nearest neighbor queries in time-dependent road networks | |
Xia et al. | Carpooling algorithm with the common departure | |
Sinha et al. | Hybrid path planner for efficient navigation in urban road networks through analysis of trajectory traces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |