CN110442624A - 一种时间依赖路网中服务时间受限的聚合近邻查询方法 - Google Patents

一种时间依赖路网中服务时间受限的聚合近邻查询方法 Download PDF

Info

Publication number
CN110442624A
CN110442624A CN201910732551.XA CN201910732551A CN110442624A CN 110442624 A CN110442624 A CN 110442624A CN 201910732551 A CN201910732551 A CN 201910732551A CN 110442624 A CN110442624 A CN 110442624A
Authority
CN
China
Prior art keywords
point
time
road network
interest
polymerization
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
Application number
CN201910732551.XA
Other languages
English (en)
Other versions
CN110442624B (zh
Inventor
李佳佳
王继旭
夏秀峰
赵亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Aerospace University
Original Assignee
Shenyang Aerospace University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Aerospace University filed Critical Shenyang Aerospace University
Priority to CN201910732551.XA priority Critical patent/CN110442624B/zh
Publication of CN110442624A publication Critical patent/CN110442624A/zh
Application granted granted Critical
Publication of CN110442624B publication Critical patent/CN110442624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/2462—Approximate or statistical 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
    • G06F16/24—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于时空数据管理技术领域，具体涉及一种基于增量网络扩展并使用A*算法引导的时间依赖路网中服务时间受限的聚合近邻查询方法。本发明采用的基于分段下界图的hub labeling预计算方法，主要分为三部分，包括预计算、生成候选点和验证求精；本方法可加快在线计算两点间的路径代价，并使计算得到的路径代价下界更接近实际路径代价，能够更加明确候选兴趣点的位置。改进的A*启发式函数不仅考虑了等待服务的时间还考虑了分段路径代价下界，使得节点到兴趣点的乐观估计值更加接近实际服务代价，减少了路网搜索空间，进而提高了查询效率，有效的解决了时间依赖路网中服务时间受限的聚合近邻查询。

Description

一种时间依赖路网中服务时间受限的聚合近邻查询方法
技术领域
本发明属于时空数据管理技术领域，具体涉及一种基于增量网络扩展并使用A*算法引导的时间依赖路网中服务时间受限的聚合近邻查询方法。
背景技术
近年来，在移动互联网大发展的趋势下，各类应用在蓬勃发展，特别是嵌入了位置服务(LBS)功能后的应用，更实现了爆发式增长，微信、微博、移动阅读、移动游戏等，为百姓生活提供着极大的便利。移动位置服务成为移动互联网应用的重要突破口，与此同时对于位置服务的需求也随之提高，伴随而来的是位置服务技术的不断革新。因此，研究位置服务相关的问题，满足用户需求具有重要意义，已经成为当前近邻查询技术的热点问题。
现有的聚合近邻查询技术主要解决了静态路网中的聚合最近邻查询、聚合k近邻查询、合并集合聚合最近邻查询以及时间依赖路网中的聚合最近邻查询。静态路网中的聚合最近邻查询常用方法有IER(增量欧几里得约束)、TE、CE、M-tree、SPB-tree。由于时间依赖路网中边的权值随时间的变化而变化，因此以上方法不适用于时间依赖路网下的聚合最近邻查询。目前对于时间依赖路网下的解决方法有TD-ANNQPLB、TD-ANNHL。但这两种方法并没有考虑兴趣点存在服务时间限制的因素，因此无法适用于时间依赖路网中服务时间受限的聚合近邻查询
发明内容
为了解决边的权值随时间变化且兴趣点具有服务时间限制的聚合近邻查询问题，本发明提出了一种基于增量网络扩展并使用A*算法引导的方法来解决时间依赖路网中服务时间受限的聚合近邻查询，包括以下步骤：
预计算出时间依赖路网的分段下界图，目的是使得估计值更加接近实际值，然后基于分段下界图的hub labeling预计算方法，来为路网中的每个节点建立多个前向标签和后向标签，用于高效的计算分段下界图中任意两个节点之间的最短路径代价；
在分段下界图中计算出聚合服务代价最小的兴趣点作为候选点cdp，在此过程中考虑兴趣点的服务时间限制因素，过滤掉在下界图中到达兴趣点时已经停止服务的兴趣点；
基于增量网络扩展使用A*算法引导网络向候选点cdp扩展，直到查找到聚合最近邻点，具体包括以下步骤：
3.1、考察每个查询点的邻接点，使用A*算法计算邻接点到候选集中兴趣点的乐观估计，并加入到待扩展节点的优先队列中，队列中的节点按照乐观估计值从小到大的顺序排列；
3.2、从优先队列中取出第一个节点，判断该节点是否为兴趣点并且被所有查询点访问到，是则执行步骤3.3，否则执行步骤3.4；
3.3、计算聚合服务代价。及时更新当前最近邻点、当前最优聚合服务代价以及候选集中聚合服务代价的乐观估计值。判断当前最优聚合服务代价是否大于等于聚合服务代价的乐观估计，是则执行步骤3.5，否则执行步骤3.4；
3.4、考察当前扩展节点的邻接点，使用A*算法计算乐观估计，并加入到优先队列中，判断此时聚合服务代价是否大于下一个候选点的乐观估计值，如果大于，说明下一个候选点有可能更好，因此将下一个候选点加入到每个查询点的候选集中，更新每个查询点的待扩展节点的优先队列，执行步骤3.2；
3.5、算法结束，返回当前聚合最近邻点。
步骤3.4中A*算法的启发式函数中考虑兴趣点服务时间限制因素，启发式函数如下：
其中AT(qi,vj,t)在t时刻，从查询点qi到达节点vj的时刻；L(vj,pk)表示在下界图中从节点vj到兴趣点pk最短路径花费的旅行时间；WT(pk,t+L(vj,pk)表示在AT(qi,vj,t)时刻到达兴趣点pk后等待兴趣点提供服务的时间。
本发明的有益效果
本发明的时间依赖路网是指边的权值随着时间变化而不断改变的路网，服务时间受限是指被查询的兴趣点有指定的服务(营业)时间。给定查询点Q集和兴趣点集P以及出发时间t，时间依赖路网中服务时间受限的聚合近邻查询返回兴趣点集中的一个兴趣点，使得所有查询点到达该兴趣点的聚合服务代价最小。所提方法主要分为三部分，包括预计算、生成候选点和验证求精。预计算阶段主要计算并保存路网中任意两点之间的最小路径代价，由于路网中边权值具有时间依赖特性，为了使最小路径代价接近实际路径代价，提出了基于分段下界图的hub labeling预计算方法，来为路网中的每个节点建立多个前向标签和后向标签。生成候选点阶段主要利用预计算的标签集合，快速找到有可能成为查询结果的候选兴趣点，查找过程中结合等待服务时间过滤掉不能提供服务的兴趣点，进一步明确候选兴趣点的位置。验证求精阶段将精确计算出所有查询点到候选点的路径代价，并在计算过程中找到其他潜在的查询结果，本阶段采用的是增量网络扩展与A*算法结合的方式，引导网络向能够尽快提供服务的候选兴趣点方向扩展，提高查询效率。本发明采用的基于分段下界图的hub labeling预计算方法，可加快在线计算两点间的路径代价，并使计算得到的路径代价下界更接近实际路径代价，能够更加明确候选兴趣点的位置。改进的A*启发式函数不仅考虑了等待服务的时间还考虑了分段路径代价下界，使得节点到兴趣点的乐观估计值更加接近实际服务代价，减少了路网搜索空间，进而提高了查询效率，有效的解决了时间依赖路网中服务时间受限的聚合近邻查询。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的总流程示意图；
图2为本发明所述的时间依赖路网；
图3是每条边的权值函数；
图4是本发明的分段下界图。
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。下面结合附图1-4对本发明一种实施例做进一步说明。
1、结合图2中的时间依赖路网以及图3对应图2中每条边的权值函数，预计算出时间依赖路网的分段下界图，计算路网中每个节点的前向标签和后向标签。首先我们将下界图分割为四个时间段[00:00-06:00]、[06:00-12:00]、[12:00-18:00]、[18:00-24:00]，其中[06:00-12:00]时间段下界图如图4所示。然后预计算出分段下界图中每个节点的前向标签与后向标签，从而可以快速计算任意两个节点之间的最短路径代价。
2、在分段下界图中计算出聚合服务代价最小的兴趣点作为候选点。LBTSsum(Q,p1,08:00)＝TS(b,p1,08:00)+TS(a,p1,08:00)＝42，LBTSsum(Q,p3,08:00)＝TS(b,p3,08:00)+TS(a,p3,08:00)＝50，由于AT(b,p2,08:00)＝08:40，此时兴趣点p2已经停止提供服务，兴趣点p2被过滤掉，因此将p1作为候选点cdp，p2作为次候选点nextcdp。
3、基于增量网络扩展使用A*算法引导网络向候选点扩展，直到查找到聚合最近邻点，包括以下步骤：
将cdp加入到候选集合C中，下一个候选点pnext＝nextcdp，初始化每个查询点的候选集合Ca＝p1、Cb＝p1。将a插入查询点a的待扩展节点的优先队列PQa:(a,ATa＝08:00,TTa＝0,LBa＝22)中，其中LBa＝22为在下届图中查询点a到兴趣点p1的最短旅行时间加上到达p1后的等待时间，同样的，将b插入查询点b的待扩展节点的优先队列PQb:(b,ATb＝08:00,TTb＝0,LBb＝20)中。由于两个优先队列中LBb最小，将b从优先队列PQb中移除。扩展b并将其邻接点v1、p2和p3加入到 中，此时从查询点a和b到兴趣点p1的乐观聚合服务代价LBTS＝52>LBTSsum(Q,p3,08:00)＝50，所以将p3加入到每个查询点的候选集中并更新待扩展节点的优先队列。Ca＝p1,p3、Cb＝p1,p3，优先队列PQa：(a,ATa＝08:00,TTa＝0,LBa＝22)，优先队列 接着取出两个优先队列中乐观估计最小的节点p3，由于p3是兴趣点，因此将p3从查询点b的候选集中移除Cb＝p1，更新 考察p3的邻接点，由于b已经被PQb中移除，因此不考察邻接点b，邻接点由于v1已存在于PQb且乐观估计值较大，所以只将邻接点v3和v4加入 中。接着取出两个优先队列中乐观估计最小的节点a，将a的邻接点v3和v4加入队列 中，然后将v1从优先队列PQb中移除，扩展v1节点，考察其邻接点 由于p3已经存在于PQb中但是乐观估计值较大，所以更新 然后两个队列中的最乐观估计值最小的p1出队，由于p1为兴趣点，所以将p1从Cb中移除，此时记录兴趣点p1被查询点b遍历。v4出队，考察v4的邻接点后将p1、p3加入队列 接着兴趣点p1出队，将p1从Ca中移除，此时Ca＝p3，更新 此时兴趣点p1被所有查询点遍历到，计算兴趣点p1的聚合服务代价TSsum(Q,p1,08:00)＝64，当前最优服务代价bestTS＝64，此时LBTS＝64，LBTS＝bestTS，所以算法停止，p1为聚合最近邻点。
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 (3)

1.一种时间依赖路网中服务时间受限的聚合近邻查询方法，其特征在于，包括以下步骤：
步骤1、预计算出时间依赖路网的分段下界图，在每个下界图中分别计算路网中每个节点的前向标签和后向标签；
步骤2、在分段下界图中计算出聚合服务代价最小的兴趣点作为候选点cdp；
步骤3、在时间依赖路网中，基于增量网络扩展使用A*算法引导网络向候选点cdp扩展，直到查找到聚合最近邻点。
2.根据权利要求1所述的一种时间依赖路网中服务时间受限的聚合近邻查询方法，其特征在于，所述步骤3在时间依赖路网中，基于增量网络扩展使用A*算法引导网络向候选点cdp扩展，直到查找到聚合最近邻点，具体包括如下步骤：
步骤3.1、考察每个查询点的邻接点并加入到待扩展节点的优先队列中；
步骤3.2、从优先队列中取出第一个节点，判断该节点是否为兴趣点并且被所有查询点访问到，是则执行步骤3.3，否则执行步骤3.4；
步骤3.3、计算聚合服务代价。判断当前最优聚合服务代价是否大于等于聚合服务代价的乐观估计，是则执行步骤3.5，否则执行步骤3.4；
步骤3.4、考察当前扩展节点的邻接点，使用A*算法计算乐观估计，并加入到优先队列中，执行步骤3.2；
步骤3.5、算法结束，返回当前聚合最近邻点。
3.根据权力要求2所述的一种时间依赖路网中服务时间受限的聚合近邻查询方法，其特征在于：所述步骤3.4中A*算法的启发式函数中考虑兴趣点服务时间限制因素，启发式函数如下：
其中AT(qi，vj，t)表示在t时刻，从查询点qi到达节点vj的时刻；L(vj，pk)表示在下界图中从节点vj到兴趣点pk最短路径花费的旅行时间；wT(pk，t+L(vj，pk)表示在AT(qi，vj，t)时刻到达兴趣点pk后等待兴趣点提供服务的时间。
CN201910732551.XA 2019-08-09 2019-08-09 一种时间依赖路网中服务时间受限的聚合近邻查询方法 Active CN110442624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910732551.XA CN110442624B (zh) 2019-08-09 2019-08-09 一种时间依赖路网中服务时间受限的聚合近邻查询方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910732551.XA CN110442624B (zh) 2019-08-09 2019-08-09 一种时间依赖路网中服务时间受限的聚合近邻查询方法

Publications (2)

Publication Number Publication Date
CN110442624A true CN110442624A (zh) 2019-11-12
CN110442624B CN110442624B (zh) 2022-12-27

Family

ID=68434179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910732551.XA Active CN110442624B (zh) 2019-08-09 2019-08-09 一种时间依赖路网中服务时间受限的聚合近邻查询方法

Country Status (1)

Country Link
CN (1) CN110442624B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116956349A (zh) * 2023-07-29 2023-10-27 哈尔滨理工大学 一种基于时间依赖路网中的k近邻隐私保护查询方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130144524A1 (en) * 2011-03-31 2013-06-06 Microsoft Corporation Double-hub indexing in location services
CN104408117A (zh) * 2014-11-26 2015-03-11 浙江大学 基于路网连续聚合最近邻查询的最佳消费者实时查找方法
CN107291963A (zh) * 2017-08-14 2017-10-24 海南师范大学 一种路网移动环境下的knn查询方法及系统
CN108304542A (zh) * 2018-01-31 2018-07-20 沈阳航空航天大学 一种时间依赖路网中的连续k近邻查询方法
CN109271467A (zh) * 2018-08-30 2019-01-25 浙江工业大学 一种方向感知的路网移动对象k近邻查询方法
CN109511123A (zh) * 2018-12-27 2019-03-22 沈阳航空航天大学 一种基于时间信息的软件定义车辆网络自适应路由方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130144524A1 (en) * 2011-03-31 2013-06-06 Microsoft Corporation Double-hub indexing in location services
CN104408117A (zh) * 2014-11-26 2015-03-11 浙江大学 基于路网连续聚合最近邻查询的最佳消费者实时查找方法
CN107291963A (zh) * 2017-08-14 2017-10-24 海南师范大学 一种路网移动环境下的knn查询方法及系统
CN108304542A (zh) * 2018-01-31 2018-07-20 沈阳航空航天大学 一种时间依赖路网中的连续k近邻查询方法
CN109271467A (zh) * 2018-08-30 2019-01-25 浙江工业大学 一种方向感知的路网移动对象k近邻查询方法
CN109511123A (zh) * 2018-12-27 2019-03-22 沈阳航空航天大学 一种基于时间信息的软件定义车辆网络自适应路由方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
COSTA C F., NASCIMENTO M A., MACEDO J A F., ET AL.: "Nearest Neighbor Queries with Service Time Constraints in Time-Dependent Road Networks", 《ACM SIGSPATIAL INTERNATIONAL WORKSHOP ON MOBILE GEOGRAPHIC INFORMATION SYSTEMS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116956349A (zh) * 2023-07-29 2023-10-27 哈尔滨理工大学 一种基于时间依赖路网中的k近邻隐私保护查询方法
CN116956349B (zh) * 2023-07-29 2024-03-19 哈尔滨理工大学 一种基于时间依赖路网中的k近邻隐私保护查询方法

Also Published As

Publication number Publication date
CN110442624B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
Yang et al. Green internet of things and big data application in smart cities development
Boldrini et al. HCMM: Modelling spatial and temporal properties of human mobility driven by users’ social relationships
CN105050132B (zh) 小区极值吞吐量的估计方法
CN110442624A (zh) 一种时间依赖路网中服务时间受限的聚合近邻查询方法
CN103781146A (zh) 基于蚁群算法的无线传感器网络最优路由路径构建方法
Hirpara et al. Energy‐Efficient Constant Gain Kalman Filter Based Tracking in Wireless Sensor Network
Chen et al. Fuel-saving navigation system in VANETs
CN103873364A (zh) 域间多路径路由的实现方法
Sachdeva et al. Review of opportunistic network: Assessing past, present, and future
CN104750829A (zh) 一种基于签到特征的用户位置分类方法及系统
Wu et al. An energy-efficient and trust-based formation algorithm for cooperative vehicle platooning
CN111127233A (zh) 一种社交网络无向有权图中用户核值计算方法
Franks et al. Learning influence in complex social networks
EP2997460A1 (en) Input-output prioritization for database workload
Folino et al. Discovering High-Level Performance Models for Ticket Resolution Processes: (Short Paper)
CN103200041A (zh) 基于历史数据的容迟容断网络节点相遇概率预测方法
Wu et al. A novel call admission control policy using mobility prediction and throttle mechanism for supporting QoS in wireless cellular networks
Chen et al. The Linehaul‐Feeder Vehicle Routing Problem with Virtual Depots and Time Windows
Zhang et al. An intelligent SDN‐enabled CCN routing mechanism with community division
Chen et al. A resource-based pricing collaborative approach for mitigating DDoS attack in mobile edge computing
CN102629352A (zh) 面向实时感知环境的复合事件模式匹配方法及系统
Tomar et al. Social network analysis of the short message service
Simon et al. Next-hop decision-making in mobility-controlled message ferrying networks
Banerjee et al. Large deviations optimal scheduling of closed queueing networks
Jin et al. Location query based on moving behaviors

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