CN109635048B - 基于道路网的多移动用户动态skyline查询方法 - Google Patents
基于道路网的多移动用户动态skyline查询方法 Download PDFInfo
- Publication number
- CN109635048B CN109635048B CN201811273005.6A CN201811273005A CN109635048B CN 109635048 B CN109635048 B CN 109635048B CN 201811273005 A CN201811273005 A CN 201811273005A CN 109635048 B CN109635048 B CN 109635048B
- Authority
- CN
- China
- Prior art keywords
- user
- skyline
- point
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000033001 locomotion Effects 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 6
- 230000003068 static effect Effects 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000001960 triggered effect Effects 0.000 abstract 1
- 238000002507 cathodic stripping potentiometry Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出基于道路网的多移动用户动态skyline查询方法,应用于数据库领域。本发明所述的基于道路网的多移动用户动态skyline查询方法考虑路网运动时间对skyline集合的影响,根据用户不同的出行方式,利用基于时间的协同扩展和出入点技术进行skyline查询;同时针对用户运动过程中运动状态可能会发生变化的情况,一旦用户运动状态发生变化则触发skyline集合调整,以满足用户到达时间短的要求。本发明利用多次查询间的关联关系,对skyline集合进行快速调整,有效减少了路网距离计算,提高了查询效率。
Description
技术领域
本发明涉及数据库领域,尤其是一种基于道路网的多移动用户动态skyline查询方法,该方法用于实现在道路网上多个查询用户在移动过程中的动态skyline查询,快速反馈查询结果。
背景技术
随着GPS以及各种各样移动定位设备的普及,基于位置的服务(Location BasedServices,LBS)在日常生活中的使用越来越广泛,我们拥有越来越多的包含位置信息的数据。同时,用户可以从网络中查询更多种类的兴趣点(POI),如宾馆、餐厅等。对于兴趣点的查询一般包括多个维度,属于数据库领域中典型的多目标查询。skyline查询是指在某一个给定的多维数据集中,找出所有不被其他任何数据点支配的数据点的操作。这些被找出的所有数据点所构成的集合则称为skyline结果集。所谓两个数据点之间的支配关系,是指在一个多维数据集中,若存在一个数据点A,其在每个维度上的属性值都不比数据点B对应的维度上的属性值差,并且至少在某一个维度上,数据点A的属性值比数据点B的属性值好,则称数据点A支配数据点B。一般情况下,支配关系中的“好”和“差”并无统一规定,而是根据用户查询时的不同偏好而改变。skyline查询主要分为四类:基于欧式空间的单用户查询、基于欧式空间的多用户查询、基于道路网的单用户查询和基于道路网的多用户查询,其复杂度和难度也依次递增。
在基于道路网的skyline查询中,skyline查询的主要问题是道路网距离计算时间开销大,因此其主要优化方向是要考虑如何减少道路网距离计算,因为对于判断兴趣点是否为skyline点的时间开销要远小于路网距离计算的时间开销。
对于基于道路网的多移动用户动态skyline查询,现有的方法是在用户运动状态发生变化时重复使用初次查询的操作,这完全未考虑前后查询间的关系,仅仅是重复操作,其无法做到减少路网距离计算。此外,现有的基于道路网的多移动用户动态skyline查询在考虑空间属性时更多的只是考虑路网距离的影响,而并未根据实际情况考虑用户的移动速度对其到达目的地时间的影响,在行驶距离相同时,速度不同会极大的影响用户到达目的地的时间,而在实际应用中用户到达目的地的时间的长短也是用户关心的问题。同时用户的移动速度会受其出行方式、路网状况、天气状况等多因素的影响,其变化的可能性非常大,必须对于进行实时监控,一旦其速度发生变化则需要进行结果调整。
发明内容
发明目的:为克服现有技术的中未考虑运动时间对查询结果的影响和如何利用多次查询间的关联关系的技术问题,本发明提出一种基于道路网的多移动用户动态skyline查询方法。该方法基于协同扩展和出入点技术,提出一种基于道路网的针对多个查询用户的快速的动态skyline查询方法,其适用于道路网skyline查询。本发明提出的方法在保证查询准确的同时,降低了时间复杂度和空间复杂度。
技术方案:为实现上述技术效果,本发明提出的以下技术方案:
基于道路网的多移动用户动态skyline查询方法,包括依次执行的步骤(1)至(6):
(1)获取道路网状态信息和多个查询用户的查询请求,查询请求包括用户的所在位置、初始速度、查询对象以及用户对兴趣点的偏好要求;
(2)根据各用户的查询请求找出道路网中所有满足条件的兴趣点,获取各兴趣点的属性,属性包括动态属性和静态属性,动态属性包括速度和到达时间,静态属性为除动态属性以外的其他属性;
(3)计算初始skyline结果集,包括步骤(3-1)至(3-8):
(3-1)设置skyline点集、主候选集和从候选集,初始化skyline点集、主候选集和从候选集均为空集;
(3-2)对每个用户,以用户当前位置为圆心向外扩展,定义扩展过程中访问到一个兴趣点的时间为:以用户从起始位置以相应路径所允许的最大运动速度到达该兴趣点的时间;所有用户同时开始扩展,当同时访问到同一个兴趣点p时终止扩展;
(3-3)将p归入skyline点集,将扩展过程中访问到的除了p以外的兴趣点计入主候选集,将扩展过程中未访问到的兴趣点计入从候选集;
(3-4)对除了skyline点集以外的兴趣点再次以各用户的当前位置为中心同时进行扩展,找到新一轮各用户同时访问到的兴趣点p′,将除p′以外的兴趣点加入从候选集,若除p′以外的兴趣点中有属于主候选集的,则将主候选集中的相应兴趣点删除;判断p′是否属于主候选集,若是,则执行步骤(3-5);否则,重新执行步骤(3-4);
(3-5)根据预先设置的支配规则将p′与skyline点集中的skyline点比较,若p′不被任何一个skyline点支配,则归入skyline点集,并从主候选集中删除p′;若p′被支配,则直接从主候选集中删除p′,并将p′加入到从候选集中;
(3-6)重复执行步骤(3-4)至(3-5),直至主候选集为空,然后转入步骤(3-7);
(3-7)遍历从候选集中的所有兴趣点p″,将p″与skyline点集中的skyline点比较静态属性,若p″的静态属性未被任何一个skyline点支配,则将p″加入skyline点集;
(3-8)将步骤(3-7)执行完毕后得到的skyline点集作为skyline结果集,并将skyline结果集反馈给各用户,由用户选取目的地;
(4)根据用户选取的目的地更新用户行驶路径;对于每个兴趣点p,判断p对各用户属于增长集还是减小集,判断方法为:设用户q的行驶路线为ij,即从位置i到位置j;若对于一个兴趣点p,q按照当前速度沿路径ij行驶时,在下一时刻q与p之间的距离较上一时刻q与p之间的距离减小,则将p加入q的减小集;若对于一个兴趣点p,q按照当前速度沿路径ij行驶时,在下一时刻q与p之间的距离较上一时刻q与p之间的距离增大,将p加入q的增长集;
(5)对用户增长集中的skyline点和减小集中的非skyline点的归属结果进行更新,更新方法为:
对于增长集中的skyline点,在该用户行驶路线上找出相应的出点;对于减小集中的非skyline点,在该用户行驶路线上找出相应的入点;监控用户行驶状态直至其到达目的地,若用户的行驶速度保持不变,则根据计算出的出、入点更新用户的skyline结果集:
对于p2,当用户q行驶在路径iIp2时,p2为非skyline点,而当用户q行驶出iIp2,即进入路径iIp2j时,将p2加入q的skyline结果集中;
若用户速度发生变化,则转入步骤(6);
(6)根据用户变化后的速度重新计算其行驶路径上的出、入点,并根据新的出、入点更新该用户的skyline结果集,并将更新后的skyline结果集反馈给相应用户,由用户选择是否更换目的地;若不更换目的地,则保持对用户的速度监控,并采用步骤(5)所述方法更新skyline结果集后反馈给用户;若用户更换目的地,则返回步骤(4)。
进一步的,所述计算兴趣点在用户行驶路径上的出、入点的方法为:
q减小集中的非skyline点p2在路径ij上的入点Ip2满足:
其中,t(q,o)表示用户q按照当前实际速度从点i行驶到点o所花费的时间,T表示按照当前路径所允许的最大速度到达点o的理想时间。
有益效果:与现有技术相比,本发明具有以下优势:
1、本发明在查询过程中,考虑到用户速度对用户到达目的地时间的影响,其使基于道路网的skyline查询更具有现实意义;
2、在用户发出请求时以时间为扩展单位,利用协同扩展方法快速的找出skyline结果集;在用户运动过程中实时监控用户状态,一旦用户速度发生变化,利用出入点技术快速的更新skyline结果,交由用户选择。其极大的减少了路网距离计算并且使用户可多次选择以使其到达目的地时间尽可能短。
附图说明
图1为本发明的整体流程图;
图2为扩展原理示意图;
图3为出、入点位置关系示意图。
具体实施方式
本发明的具体流程如图1所示,具体包括:
步骤A,多个查询用户发起查询请求:
用户需向系统提出查询要求,请求反馈所有满足要求的结果。此处利用skyline方法进行支配比较返回满足要求的结果,支配指根据预设优劣规则比较两个兴趣点的每一个属性,若一个兴趣点a的每一个属性都优于或等于另一个兴趣点b的属性值,且存在一个属性是完全优于对方的,那么a支配b。
步骤B,系统根据用户请求获取用户所在位置,初始速度信息;同时获得路网的状态信息;初始化系统准备进行查询。
步骤C,采用协同扩展的方法找出查询用户在初始位置的skyline结果集;
步骤D,反馈初始skyline结果集给用户,由用户确定目的地,根据用户选择的目的地更新用户行驶路径信息;;
步骤E,针对每一个兴趣点判断其对于每一个查询用户是属于增长集还是减小集,同时计算出其出点和入点;
步骤F,监控用户的运动状态直至用户到达目的地,若某一个查询用户速度发生变化,则转入步骤G;
步骤G,根据速度变化情况调整出入点的位置并根据新的出入点更新skyline集;将新的skyline结果反馈给用户,由用户确定是否调整目的地;转到步骤E。
下面结合附图和具体实施例,对本发明提出的基于道路网的多移动用户动态skyline查询方法进行详细说明。
首先,建立如图2所示的用户模型,以两个查询用户q1、q2,五个兴趣点p1,p2,…,p5为例,介绍当查询用户发出查询请求时如何根据时间进行道路网协同扩展,找出初始skyline查询结果集。其中,5个兴趣点拥有静态属性价格和评分,预设规则为价格低、评分高的兴趣点更优。假设p1的价格为200元,评分为5;p2的价格300元,评分为4;那么兴趣点p1价格比p2低,评分比p2高,因此认为p2支配p2。同时,由于本发明需要考虑用户在路网上的行驶时间,因此规定支配规则为:价格低、评分高且行驶时间短的兴趣点更优。
然后,采用协同扩展的方法找出查询用户在初始位置的skyline结果集,步骤为:
第一步:同时以每一个查询用户为中心向外扩展,定义扩展过程中访问到一个兴趣点的时间为:以用户从起始位置以相应路径所允许的最大运动速度到达该兴趣点的时间;所有用户同时开始扩展,直至遇到第一个同时到达的兴趣点p时扩展终止。此时将所有的已经被访问到的兴趣点加入主候选集,未被访问到的兴趣点加入到从候选集。此时第一个被访问到的兴趣点p一定为skyline点。
第二步:对除了skyline点集以外的兴趣点再次以各用户的当前位置为中心同时进行扩展,找到新一轮各用户同时访问到的兴趣点p′,将除p′以外的兴趣点加入从候选集,若除p′以外的兴趣点中有属于主候选集的,则将主候选集中的相应兴趣点删除;判断p′是否属于主候选集,若是,则执行第三步;否则,重新执行第二步;
第三步:根据预先设置的支配规则将p′与skyline点集中的skyline点比较,若p′不被任何一个skyline点支配,则归入skyline点集,并从主候选集中删除p′;若p′被支配,则直接从主候选集中删除p′,并将p′加入到从候选集中;
第四步,重复执行第二步和第三步,直至主候选集为空;从主候选集中剔除的和未被访问到的点在动态属性上一定是被当前skyline点集中的点支配的,因此将从候选集中的点与skyline点集中的点比较静态属性,若静态属性未被静态支配,则加入skyline集合,此处静态属性指除时间以外的所有属性,如价格、评分等。此时得到的skyline点集即为初始skyline结果集。
以图2为例,左侧图为第一次扩展,到达兴趣点p1时扩展停止,此时p1一定为skyline点,将p2,p3,p5加入主候选集,将p4加入从候选集;右侧图为第二次扩展,p2为第二次被访问到的兴趣点,将其与已有的skyline点p1比较,若不被包含则加入skyline集合,否则剔除;同时p3加入从候选集。
当初始skyline结果集确定后,即可进行动态的skyline查询,具体步骤为:
对于查询用户q1,若p2不是skyline点,则找出其针对于q1的入点Ip2,Ip2满足如下条件:
其中,t(q,o)表示用户q按照当前实际速度从点i行驶到点o所花费的时间,T表示按照当前路径所允许的最大速度到达点o的理想时间。
以此对每一个查询用户找出兴趣集中的减小集CSPij dw和增长集CSPij up;减小集是指按查询用户当前路线运动到兴趣点路程减少的兴趣点,其计算方式为:
Dt1(q,p)>Dt2(q,p),t1<t2;
增长集是指按查询用户当前路线运动到兴趣点路程增长的兴趣点,其计算方式为:
Dt1(q,p)<Dt2(q,p),t1<t2
其中,Dt1(q,p)指在t1时刻查询用户q到兴趣点p的距离,t1<t2指t2时刻在t1时刻之后。
由出入点的定义可知,出点属于增长集,入点属于减小集,因此只需对每一个用户的增长集中的skyline点在路线上找出其出点,对减小集中的非skyline点在路线上找出其入点。同时我们有如下结论:
1)若某skyline兴趣点对于每一个查询用户都是属于减小集CSPij dw,那么随着查询用户的移动,原来是skyline点的兴趣点仍然是skyline兴趣点。若某非skyline兴趣点对于每一个查询用户都是属于增长集CSPij up,那么随着查询用户的移动,原来的非skyline点的兴趣点仍然不会是skyline兴趣点。
2)在路线上的同一点,若车速v增大,那么原来的skyline点仍然是skyline点。若车速v减小,则需根据T将超出运动范围的skyline点剔除。
根据上述结论对用户的skyline结果集进行更新:
S1:根据用户选取的目的地更新用户行驶路径;对于每个兴趣点p,判断p对各用户属于增长集还是减小集,判断方法为:设用户q的行驶路线为ij,即从位置i到位置j;若对于一个兴趣点p,q按照当前速度沿路径ij行驶时,在下一时刻q与p之间的距离较上一时刻q与p之间的距离减小,则将p加入q的减小集;若对于一个兴趣点p,q按照当前速度沿路径ij行驶时,在下一时刻q与p之间的距离较上一时刻q与p之间的距离增大,将p加入q的增长集;
S2:对用户增长集中的skyline点和减小集中的非skyline点的归属结果进行更新,更新方法为:
对于增长集中的skyline点,在该用户行驶路线上找出相应的出点;对于减小集中的非skyline点,在该用户行驶路线上找出相应的入点;监控用户行驶状态直至其到达目的地,若用户的行驶速度保持不变,则根据计算出的出、入点更新用户的skyline结果集:
对于p2,当用户q行驶在路径iIp2时,p2为非skyline点,而当用户q行驶出iIp2,即进入路径iIp2j时,将p2加入q的skyline结果集中;
若用户速度发生变化,则转入步骤S3;
S3:根据用户变化后的速度重新计算其行驶路径上的出、入点,并根据新的出、入点更新该用户的skyline结果集,并将更新后的skyline结果集反馈给相应用户,由用户选择是否更换目的地;若不更换目的地,则保持对用户的速度监控,并采用步骤S2所述方法更新skyline结果集后反馈给用户;若用户更换目的地,则返回步骤S1。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.基于道路网的多移动用户动态skyline查询方法,其特征在于,包括依次执行的步骤(1)至(6):
(1)获取道路网状态信息和多个查询用户的查询请求,查询请求包括用户的所在位置、初始速度、查询对象以及用户对兴趣点的偏好要求;
(2)根据各用户的查询请求找出道路网中所有满足条件的兴趣点,获取各兴趣点的属性,属性包括动态属性和静态属性,动态属性包括速度和到达时间,静态属性为除动态属性以外的其他属性;
(3)计算初始skyline结果集,包括步骤(3-1)至(3-8):
(3-1)设置skyline点集、主候选集和从候选集,初始化skyline点集、主候选集和从候选集均为空集;
(3-2)对每个用户,以用户当前位置为圆心向外扩展,定义扩展过程中访问到一个兴趣点的时间为:以用户从起始位置以相应路径所允许的最大运动速度到达该兴趣点的时间;所有用户同时开始扩展,当同时访问到同一个兴趣点p时终止扩展;
(3-3)将p归入skyline点集,将扩展过程中访问到的除了p以外的兴趣点计入主候选集,将扩展过程中未访问到的兴趣点计入从候选集;
(3-4)对除了skyline点集以外的兴趣点再次以各用户的当前位置为中心同时进行扩展,找到新一轮各用户同时访问到的兴趣点p′,将除p′以外的兴趣点加入从候选集,若除p′以外的兴趣点中有属于主候选集的,则将主候选集中的相应兴趣点删除;判断p′是否属于主候选集,若是,则执行步骤(3-5);否则,重新执行步骤(3-4);
(3-5)根据预先设置的支配规则将p′与skyline点集中的skyline点比较,若p′不被任何一个skyline点支配,则归入skyline点集,并从主候选集中删除p′;若p′被支配,则直接从主候选集中删除p′,并将p′加入到从候选集中;
(3-6)重复执行步骤(3-4)至(3-5),直至主候选集为空,然后转入步骤(3-7);
(3-7)遍历从候选集中的所有兴趣点p″,将p″与skyline点集中的skyline点比较静态属性,若p″的静态属性未被任何一个skyline点支配,则将p″加入skyline点集;
(3-8)将步骤(3-7)执行完毕后得到的skyline点集作为skyline结果集,并将skyline结果集反馈给各用户,由用户选取目的地;
(4)根据用户选取的目的地更新用户行驶路径;对于每个兴趣点p,判断p对各用户属于增长集还是减小集,判断方法为:设用户q的行驶路线为ij,即从位置i到位置j;若对于一个兴趣点p,q按照当前速度沿路径ij行驶时,在下一时刻q与p之间的距离较上一时刻q与p之间的距离减小,则将p加入q的减小集;若对于一个兴趣点p,q按照当前速度沿路径ij行驶时,在下一时刻q与p之间的距离较上一时刻q与p之间的距离增大,将p加入q的增长集;
(5)对用户增长集中的skyline点和减小集中的非skyline点的归属结果进行更新,更新方法为:
对于增长集中的skyline点,在该用户行驶路线上找出相应的出点;对于减小集中的非skyline点,在该用户行驶路线上找出相应的入点;监控用户行驶状态直至其到达目的地,若用户的行驶速度保持不变,则根据计算出的出、入点更新用户的skyline结果集:
记用户q从位置i行驶到j的过程中,其增长集中的skyline点p1在路径ij上的出点为Ep1,而减小集中的非skyline点p2在路径ij上的入点为Ip2;
对于p1,当用户q行驶在路径iEp1时,p1属于q的skyline结果集,而当用户q行驶出Ep1点,即进入路径Ep1j时,将p1从q的skyline结果集中删除;
对于p2,当用户q行驶在路径iIp2时,p2为非skyline点,而当用户q行驶出iIp2,即进入路径iIp2j时,将p2加入q的skyline结果集中;
若用户速度发生变化,则转入步骤(6);
(6)根据用户变化后的速度重新计算其行驶路径上的出、入点,并根据新的出、入点更新该用户的skyline结果集,并将更新后的skyline结果集反馈给相应用户,由用户选择是否更换目的地;若不更换目的地,则保持对用户的速度监控,并采用步骤(5)所述方法更新skyline结果集后反馈给用户;若用户更换目的地,则返回步骤(4);
所述计算兴趣点在用户行驶路径上的出、入点的方法为:
在用户q从位置i行驶到j的过程中,q增长集中的skyline点p1在路径ij上的出点Ep1满足:
q减小集中的非skyline点p2在路径ij上的入点Ip2满足:
其中,t(q,o)表示用户q按照当前实际速度从点i行驶到点o所花费的时间,T表示按照当前路径所允许的最大速度到达点o的理想时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811273005.6A CN109635048B (zh) | 2018-10-29 | 2018-10-29 | 基于道路网的多移动用户动态skyline查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811273005.6A CN109635048B (zh) | 2018-10-29 | 2018-10-29 | 基于道路网的多移动用户动态skyline查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635048A CN109635048A (zh) | 2019-04-16 |
CN109635048B true CN109635048B (zh) | 2021-03-09 |
Family
ID=66066778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811273005.6A Active CN109635048B (zh) | 2018-10-29 | 2018-10-29 | 基于道路网的多移动用户动态skyline查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635048B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861028B (zh) * | 2021-02-23 | 2024-02-20 | 南京航空航天大学 | 一种在地图上查询商户的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100823644B1 (ko) * | 2007-03-23 | 2008-04-21 | 고려대학교 산학협력단 | 필터를 적용한 스카이라인 질의 수행 방법 및 시스템 |
CN102314521A (zh) * | 2011-10-25 | 2012-01-11 | 中国人民解放军国防科学技术大学 | 一种基于云计算环境的分布并行Skyline查询方法 |
US8566030B1 (en) * | 2011-05-03 | 2013-10-22 | University Of Southern California | Efficient K-nearest neighbor search in time-dependent spatial networks |
CN105005584A (zh) * | 2015-06-17 | 2015-10-28 | 南京航空航天大学 | 一种多子空间Skyline查询计算方法 |
CN105608206A (zh) * | 2015-12-25 | 2016-05-25 | 天津理工大学 | 一种面向数据广播的位置相关skyline查询处理方法 |
-
2018
- 2018-10-29 CN CN201811273005.6A patent/CN109635048B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100823644B1 (ko) * | 2007-03-23 | 2008-04-21 | 고려대학교 산학협력단 | 필터를 적용한 스카이라인 질의 수행 방법 및 시스템 |
US8566030B1 (en) * | 2011-05-03 | 2013-10-22 | University Of Southern California | Efficient K-nearest neighbor search in time-dependent spatial networks |
CN102314521A (zh) * | 2011-10-25 | 2012-01-11 | 中国人民解放军国防科学技术大学 | 一种基于云计算环境的分布并行Skyline查询方法 |
CN105005584A (zh) * | 2015-06-17 | 2015-10-28 | 南京航空航天大学 | 一种多子空间Skyline查询计算方法 |
CN105608206A (zh) * | 2015-12-25 | 2016-05-25 | 天津理工大学 | 一种面向数据广播的位置相关skyline查询处理方法 |
Non-Patent Citations (1)
Title |
---|
《Detect Tracking Behavior AmongTrajectory Data》;Jianqiu Xu , Jiangang Zhou;《International Conference on Advanced Data Mining and Applications2017》;20171014;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109635048A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10963471B2 (en) | Progressive spatial searching using augmented structures | |
Sharifzadeh et al. | The optimal sequenced route query | |
Deshpande et al. | Lifting the burden of history from adaptive query processing | |
US7120623B2 (en) | Optimizing multi-predicate selections on a relation using indexes | |
CN102810118B (zh) | 一种变权网k近邻搜索方法 | |
CA2317081C (en) | Estimation of column cardinality in a partitioned relational database | |
Botea et al. | PIST: an efficient and practical indexing technique for historical spatio-temporal point data | |
Ceikute et al. | Routing service quality--local driver behavior versus routing services | |
US20090088962A1 (en) | Apparatus for and method of providing data to an external application | |
JP2005267612A (ja) | 暗黙の述部を使用する改良されたクエリ・オプティマイザ | |
CN112435498B (zh) | 一种基于方向性诱导的城市路网最短路径获取方法 | |
US7991765B2 (en) | Cost-based query rewrite using materialized views | |
CN110516702B (zh) | 一种基于流数据的离散路径规划方法 | |
CN110726408A (zh) | 一种基于改进蚁群算法的移动机器人路径规划方法 | |
CN109902711B (zh) | 一种时间依赖路网上的移动对象k近邻查询算法 | |
CN109033172A (zh) | 一种深度学习与近似目标定位的图像检索方法 | |
CN109635048B (zh) | 基于道路网的多移动用户动态skyline查询方法 | |
Koutrika et al. | Constrained optimalities in query personalization | |
Mao et al. | TSCluWin: Trajectory stream clustering over sliding window | |
Nutanong et al. | Memory-efficient algorithms for spatial network queries | |
Jensen | Research Challenges in Location-enabled M-services | |
CN101256579A (zh) | 一种数据库范围查询数据组织的方法 | |
CN109974732B (zh) | 一种基于语义感知的Top-k多请求路径规划方法 | |
CN110263108B (zh) | 一种基于道路网的关键词Skyline模糊查询方法及系统 | |
CN105698796B (zh) | 一种多机器人调度系统的路径搜索方法 |
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 |