基于聚集块的多用户连续K最近邻多线程查询.pdfVIP

第26卷第6期 齐 齐 哈 尔 大 学 学 报 V01．26．No．6 2010年 11月 JournalofQiqiharUniversity Nov．．2Ol0 基于聚集块的多用户连续K最近邻多线程查询 夏妍，郝忠孝 (齐齐哈尔大学 计算机与控制学院，黑龙江 齐齐哈尔 161006) 摘要：当对城市道路网络中的对象进行查询时，已研究出连续的K近邻查询技术 ，但在一般情况下服务器会同时 收到多个查询请求，为了提高查询效率，降低多查询代价，提出一种聚集块的共享查询算法并建立多用户连续查 询处理框架，采用流水线处理策略，将查询分为查询预处理、查询执行及查询结果分发 3个执行阶段，利用扩展 树存储查询结果。实验结果表明，在 目标点分布比较密集的情况下，本算法明显优于其它算法。 关键词：K最近临查询；聚类块 ；多线程；扩展树 ；多查询 中图分类号：TP311．132．4 文献标识码：A 文章编号：1007—984X(201o106—0016—05 Papadias等人”首先提出了在道路网络中对空间对象的查询问题，并给出了几个基本查询问题的算法。 Shahabi等人 利用空问映射的方法将道路网络映射到高维空间，然后进行最近邻查询处理。但由于空间的 扭曲，其结果将会产生一定的误差。Feng等人 讨论了对多对象最近邻的更新问题。至今为止，道路网络 环境中的多对象最近邻查询问题还没得到很好的解决。值得注意的是：大部分研究工作中的路径计算都采 用了网络扩展 的思想：从一点出发，向各个方向进行网络扩展。该方法可以实时计算道路网络中任意两 点的道路网络距离，但其计算代价较大。 单个 K最近临查询常使用增量网络扩展 (如INE)和预先计算网络距离(如 VN3)方法。文献[4]介绍了 增量网络扩展方法，此方法易于更新但查询Il生能不佳，文献[5】介绍了基于 VN3方法的连续 K近邻查询， 此方法查诃l生能更好但难以处理对象点和道路网络的频繁更新，对高密度对象的处理效率显著下降，并且 需要执行多次查询来查询某物体的K最近邻。 本文将两类方法结合，对道路网络上的查询点形成聚集块。将每个聚集块当成一个单独的查询点进行 处理提高查询效率，在查询过程中采用流水线处理策略，将查询分为3个阶段，分别是查询预处理、查询 执行及查询结果分发来提高多用户连续查询的并行l生。并且利用扩展树增量返回KNN查询结果。最后通过 实验对提出的方法和现有方向进行 比较。 1 查询处理 1．1 道路网络图 采用有向图G (V，E，W)表示交通图，作者以V表示G中所有顶点的集合，E是边的集合， 为边 对应的权值，对象在网络中的位置可以表示为 (S，f，P)，其中S和 t是对象所在网络边的2个结点，P 是对象离结点S的距离。 (“，v)表示从顶点 到v有路径相连。Dijkstra算法可以找到U到v的最低花费 路径。 1．2 聚集块 聚集块是一组在当前和将来一段时间都彼此靠近的移动查询点的集合。表示为 JUJ(O，S，f，start， end，N)，0是对象的集合，start，end是聚集块的起点和终点位置，Ⅳ是聚集块中对象的个数。聚集块 的长度为Istart—en4，聚集块与数据点间的网络距离为聚集块的中心位置到数据点的网络距离。 将要查询的查询点分组成不同的聚集块，将每一个聚集块看成一个查询点，共享查询结果，可以减少 查询的次数，提高效率。同时，为了使查询点足够的密集，聚集块中每对相邻查询点的距离要在一个系统 收稿 日期 ：2010—06—08 作者简介 ：夏妍 (1979一)，女，黑龙江齐齐哈尔人，在读硕士研究生，从事时空数据库网络查询方面的研究qq．tom。 第 6期 基于聚集块的多用户连续K最近邻多线程查询 ·l7· 阈值内。 1．3 查询初始化及查询处理 在算法的初始阶段，利用 Dijktra算法，找到每个聚类的初始扩展树和查询结果。即从聚集块开始， 扩展路网直到找到K个查询结果。 算法 l：查询初始化算法 For(每个聚集块JUJ) 设置K 。的初始值 ／／K