RTC树构建与不确定近邻关系查询方法.docVIP

RTC树构建与不确定近邻关系查询方法 　　摘要：空间索引结构和查询技术在空间数据库中具有重要的作用，针对已有的方法在复杂空间数据对象的近似和组织方面的局限性，提出了一种基于最小外接矩形（MBR）、梯形和圆的新的索引结构（RTC树）。为了有效处理复杂空间数据对象的最近邻（NN）关系查询问题，提出了基于RTC树的最近邻查询（NNRTC）算法，NNRTC算法利用剪枝规则可减少节点遍历和距离计算。针对障碍物对数据集中最近邻的影响问题，提出了障碍物环境下的基于RTC树的最近邻查询（BNNRTC）算法，BNNRTC算法先在理想空间进行查询，再对查询结果进行判断。为了有效处理动态单纯型连续近邻链查询问题，进一步给出了基于RTC树的动态单纯型连续近邻链查询（SCNNCRTC）算法。实验结果表明，相对基于R树的查询方法，所提的方法在处理数据量较大的复杂空间对象的数据集时可提高60%～80%的效率。 　　关键词：空间数据库；R树；RTC树；最近邻；单纯型连续近邻链 　　中图分类号： TP311.13 　　文献标志码：A 　　0 引言 　　目前，数据信息量的急速增长和数据对象的多样性及不确定性（数据对象的不确定性、拓扑关系的不确定性和距离关系的不确定性等）使得数据查询问题变得更为复杂。如何有效地表示、组织和查询空间数据对象信息是空间数据处理领域较为重要的问题。空间数据索引技术受到了大家越来越多的重视。目前，空间数据的索引和查询技术在空间数据挖掘、空间关系查询、空间数据信息定位、空间数据聚类、地理信息系统、图像检索和分析、智能交通控制和移动通信等领域具有越来越重要的作用[1]。 　　空间数据索引是按照空间分布特性来组织和存储数据的几何数据结构，建立空间索引结构的主要目的是提供对数据的访问路径或指针，便于对空间对象的查询以及对各种空间数据进行操作，从而提高对空间数据信息的查询速度[2]。现有的空间索引技术主要分为4类：基于二叉树的索引结构、基于B树的索引结构、基于网格的索引结构和基于空间填充曲线的索引结构。R树是由B树结构发展而来的高效索引空间数据信息的一类重要空间索引结构。R树家族[3]是空间数据对象组织和查询的典型空间索引结构。国内外对R树及其变种树的研究（如分裂方法[4]）已经较为丰富。R树可以直接对空间中具有一定范围的空间对象进行索引，它依据空间对象的最小外包矩形（Minimum Bounding Rectangle， MBR）来索引空间对象，树的节点存储空间对象或对象集合的MBR。用MBR近似和组织数据对象的优点是计算简单，存储方便，索引树的构建过程较简便。但对于一些复杂的空间数据集，空间数据对象的形状和分布聚集区是复杂多样的，空间对象之间的空间关系具有较大的不确定性。现实中，近似于梯形的空间对象和圆形的空间对象同样较为常见，用MBR统一近似各类数据对象，精度往往较低，树节点中往往会产生大量的空白空间，完成查询任务时将会搜索众多不必要的节点路径。针对这些复杂的空间数据集，如何有效地近似和组织复杂的空间数据对象以提升索引树的搜索效率具有重要的研究意义。为了弥补R树单纯利用MBR近似和组织空间数据对象的不足，本文提出了新的空间索引结构RTC（Rectangle Trapezoid Circle）树。RTC树的节点包含空间数据对象的最小外包矩形、最小外包圆（Minimum Bounding Circle， MBC）和最小外包直角梯形（Minimum Bounding Right Trapezoid， MBRT），RTC树的节点存放的数据信息不再是单一数据类型，而是扩展到混合数据类型。与R树索引结构相比，RTC树能有效组织和索引更为复杂的空间数据对象，节点中的空白区域较小，在处理复杂的空间对象关系（如拓扑关系和距离关系）方面具有一定的优势。 　　空间数据的近邻关系查询是空间数据查询领域的一类重要问题。一些研究工作在简单近邻查询、最近对查询、邻近对查询、组最近邻查询、反向最近邻查询等方面取得了一些重要的成果。近年来，由于数据信息的复杂性和查询需求的不断提高，查询条件变得日益复杂，有关近邻关系的查询进一步扩展到路网中的连续最近邻查询[5]、道路网络环境下的近似反k最近邻查询[6]、可视最近邻查询[7]、可视反向k最近邻查询[8]、路网中的k最近邻查询[9]、连续聚集最近邻查询[10]、不确定最近邻查询[11]、高维近似最近邻查询[12]和单纯型连续近邻链查询[13-15]等方面。已有的方法对于简单空间数据对象较有效，但对于复杂的混合空间数据对象、多样的分布聚集区域和不确定的空间关系等方面，其查询难度往往较大，查询效率不够理想。为了弥补已有方法的不足，本文基于RTC树研究了近邻关系查询的新方法，给出了基于RTC树的最近邻查询（Neares