基于动态创建局部Voronoi图连续近邻查询.docVIP

基于动态创建局部Voronoi图连续近邻查询 　　摘 要：在充分认识到??k??阶Voronoi图在解决连续??k??个近邻查询优越性和现实不可行性的基础上，用分支限界的思想去界定预创建Voronoi图生成点范围的上界，提出了一种动态地创建局部Voronoi图的办法解决连续近邻查询问题。该方法只是在给定查询段上所有点的??k??个近邻范围上界内创建一个局部的??k??阶Voronoi图，这样大大降低了基于Voronoi图的连续??k??近邻查询的代价。 　　?す丶?词：连续近邻查询； ??k??阶Voronoi图； 时空数据库 　　?ぶ型挤掷嗪牛?TP311.131 文献标志码：A 　　 文章编号：1001?菠B3695(2008)09?菠B2771?菠B04 　　Continuous nearest neighbors queries based on dynamically?? 　　constructing local Voronoi diagram 　　WANG Miao??1， HAO Zhong??xiao????1，2?? 　　 (1. College of Computer Science Technology, Harbin University of Science Technology， Harbin 150080, China; 2. College of Computer Science Technology, Harbin Institute of Technology, Harbin 150001, China) 　　Abstract:Based on the conception of division and bound to decide the upper bound of scope of Voronoi generaters，this paper proposed a method whichdynamically construct partial Voronoi diagrams to resolve CNN query.This method takes points of ??k?? nearest neighbors of every point on given line segment as generaters to construct a ??k????order Voronoi diagram to resolve ??k?? CNN query. Lowered the cost of the continuous ??k?? nearest neighbors query based on Voronoi diagrams. 　　??Key words：continuous nearest neighbors inquiry; order?勃?k?? Voronoi diagrams; spatial??temporal database 　　 　　移动通信的革命，有效廉宜的定位装置的广泛应用以及基于位置服务发展的需要使得连续时空查询备受关注。本文提及的连续近邻查询（CNN）即对于一给定的移动查询点??q和点集P??，CNN查询能准确地监视查询点??q??运动过程中的近邻。对于连续最近邻查询，已有一些方法被提出。第一个连续最近邻查询算法在文献[1]被提出，采用取样的方法，通过在取样点重复应用最近邻（NN）查询算法，为一个移动查询点找到连续最近邻。然而，这种方法基于取样，不同的取样频率会影响到结果的精确性。如果取样频率过低，结果会不正确；如果取样频率过高，则会造成很大的计算量，而且由于没有精确性的保证，即使很高的取样频率仍有可能丢失一些重要的取样点，以致得到的结果不正确。另外一种不会产生错误的方法基于TP[2]查询这一概念，这种方法避免了取样的缺点。然而此方法只是基于简单最近邻算法的重复应用，需要完成??n??次NN查询（??n??为分割点的数目），因此这种算法的性能并不乐观。基于Voronoi图的单个连续近邻查询算法在文献[3]被提出，基于Voronoi图的连续??k??近邻查询也曾被提出，这类方法虽然精确有效并且思路简单明晰，但由于高阶Voronoi图的构造代价太高，故这类方法并没有得到广泛应用。本文从文献[1]得到思想启示，在继承了以往基于Voronoi图的连续近邻研究的基础上，将分支限界的思想与??k??阶Voronoi图在解决连续??k??近邻问题中的优越性相结合提出了一种动态地创建局部Voronoi图的办法解决连续近邻查询问题。这种方法只是在给定查询段上所有点的??k??个近邻范围上界内创建一个局部的??k??阶Voron