移动数据对象索引技术的研究.docVIP

移动数据对象索引技术的研究 　　摘要：本文总结了索引移动对象的各种技术，并对它们进行了比较详细的归类，对每种方法均找出了一个或多个比较典型的模型进行介绍。对于动态移动对象的索引，我们必须结合多种索引结构才能实现相对比较全面的查询和索引功能。多种索引结构的结合是时空数据库系统实际设计的主要趋势，选择哪几种索引结构以及如何把它们有机地结合起来将是系统设计所面临的主要难题。 　　关键词：移动数据；索引 　　 　　移动数据对象是指位置不断随时间变化的空间对象。要管理时间和空间数据，必须考虑以下的两个因素：①数据存放问题，时空数据库存放的不仅是当前的对象属性，还有历史的属性，这样就需要大量的磁盘空间；②实时性问题，时空数据库的数据量要远远大于一般的关系数据库，特别是空间谓词查询的求值开销。在这种情况下若没有索引，按照存储顺序扫描的方法来查询，花费的时间是让人无法忍受的，而且查询所得的结果往往是过时的。为获得较好的查询性能，数据库系统必须使用索引技术。传统数据库索引技术为管理更新周期相对较长的数据而设计，用它们直接管理随时间不断变化的移动对象位置信息会使得更新过于频繁导致系统资源枯竭，响应速度下降；或是更新频率小于信息变化频率，导致信息过时，系统准确率下降。 　　 　　1 历史数据的索引 　　 　　时空数据库中的历史时空数据会随着时间的推移越来越多，这些海量数据的存取需要高效的索引技术做为支撑。按照各种索引方法对时态数据处理方式的不同，可以把存取历史数据的索引分为以下几类： 　　附加时间信息。将时态信息加入到索引中，但是索引依然参照空间分布进行存储组织，时态数据只是一种附加的重要信息，这类索引的主要目的是提高空间数据的检索效率。RT树将空间索引方法R树[2]和时态索引方法TSB树的思想结合起来，每个索引项都存放对象的空间状态和时间区间。当对象的空间状态发生改变时，产生一个新的数据项插入到索引中。RT树依旧按对象的空间分布组织索引，可以看作是包含了时态信息的空间索引。 　　重叠和多版本结构。将时间维和空间维隔离开来，一个时间片的空间数据集中存放在一个索引结构下（如：R树）。这种处理方式的最终结果是每一个时间片会产生一个独立的R树，因此索引结构需要极大的存储空间。HR树沿用了重叠B树的思想，采用R树组织每个时刻的空间信息，它保存了不同时刻对象的空间分布，实现时采用了子树重叠的方法。使用HR树进行时间片查询，先找到对应时刻的R树根节点，然后进行空间查询。因此HR树对时间片查询有很好的性能。但是时间段的查询效率却比较低，同一数据项可能被多次检索出来，数据冗余较多，存储空间也非常大。MR树和HR树比较相似，也是采用重叠子树的方法，将这种处理方法应用到四叉树就得到了重叠四叉树。MV3R树是一个MVR树和一个3DR树组成的混合索引结构。MVR树提供时间片查询，3DR树提供时间段查询。MV3R树是对三维MVB树的扩展，3DR树是建立在MVR树的叶子结点基础上，两个索引结构共用叶子结点，这导致了更加复杂的插入算法。MVR树对于时态的变化是基于离散的事件模型，移动对象在位置发生更新前是保持同一个空间位置。在离散的事件模型上，MV3R树的性能超过了其他索引结构（如：3DR树和HR树），这个模型的缺点是不能支持对象的位置逐步发生变化。 　　面向轨迹的索引方法 　　表1给出了轨迹索引的主要类别。限制轨迹索引又可以分为网络限制索引和构造（infrastructure）限制索引。 　　 　　前者主要针对的是道路上面的移动对象，如汽车、火车等；后者针对的是陆地上的各种移动对象在实际运动中要受到的各种限制，如湖泊、停车场等情况下的索引结构。 　　在陆地上运动的物体有相当大的一部分是有固定运动轨迹的，这主要包括汽车、火车等各种车辆，它们的运动主要是沿着固定的道路，人们查询它们的位置常常关心的不是其绝对物理位置，如经纬度坐标，而是更关心它们的相对位置，如距离哪个车站比较近，大概在哪个大楼附近，在哪个公路的多少公里处等。对于索引可以把二维的平面坐标简化为一维的坐标，比较常见的转换方法有Z曲线和Hilbert曲线。它的优点是索引方便，可以利用已有的索引结构，如B树、哈希结构等，同时也可以对空间对象进行排序。但是这样也存在一定的问题，无论现在使用最多的Z曲线还是Hilbert曲线，它们均不可能完全反映空间的相邻状况，也就是说在实际空间中相邻物体的物理存储位置是不相邻的，这样对于空间邻居查询带来很大的开销。 　　构造限制索引，是考虑到在现实世界中对象的移动要受到各种各样的限制，如大的湖泊、巨大的建筑物，这样我们就可以把对象不可能到达的范围去掉来减少查询的范围，提高查询的效率。对于这种情况索引的结构可以不作改变，但对其一般的查询算法要进行相应的改进。如