移动云计算环境下的基于双色反近邻查询的商店定址系统.ppt

移动云计算环境下的基于 双色反近邻查询的 商店定址系统 目录 一 二 三 四 作品内容简介 相关技术 创新点 作品成果演示 1、基于位置服务查询在现实生活中的应用。 2、 而我们调查研究发现，如果要为一个新的商店选址，需要考虑客流量与已有商店位置的影响，所以怎样高效快速查询大量商业数据下的新的商店地址问题归结为双色反近邻查询问题。 3、大规模商店选址的算法。 　　 作品内容介绍 SBRNN 算法 输出重叠次数最 多的单元格 建立网格索引 Nearest Location Circle 的设计及最大化双色 反最近邻查询 作品内容简介 1.1最近位置圆(Nearest Location Circle NLC)　 相关技术 1.2最大化双色反最近邻查询（MaxBRNN） 假设有两个数据集P和O，其中为P服务集，O为被服务集。最大化双色反最近邻查询需要返回最大区域R，满足下面条件，如果有一个新的服务点P建立在域R中，其影响值是最大的。 相关技术 最近位置圆与最大化双色反最近邻查询（MaxBRNN）的关系。 相关技术 2.网格索引的建立 首先，我们建立如下图所示的网格。 我们把整个网格划分成若干边长为ε的网格单元，每个单元由两个整数i,j表示，这样其左下顶点的坐标就是(iε,jε)。例如，在下图中的Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ可以分别得表示为0,0、-1,0、1,0、0,1和-4,-4。 相关技术 我们旨在找到在NLC中所有网格单元的覆盖区，为了更有效地查找，我们给出一个原点坐标c=(x,y)半径为r的NLC，定义候选NLC的单元为{i, j | [x - r] i [x + r], [y - r] j [y + r]}，因为我们检索每个单元是通过它的左下顶点，所以用[x]来操作下取舍。 然而，只有在下图中灰色部分的单元才是真正覆盖在NLC上的。因此，在获取NLC候选集时，我们需要一个过滤筛选的过程来寻找所有覆盖NLC的重叠区。对于每个在候选集的单元g=i,j，我们通过检查是否MINDIST(g,c)≤r来确定它的重叠区是否是原点为c=(x,y)半径为r的NLC。 相关技术 4、输出重叠次数最多的单元格 相关技术 5.与以前算法进行对比： 时间复杂度为二阶多项式 时间复杂度降为一阶多项式 6.时间提高程度 创立新式算法，查询更加高效 双向查询增加信息的可靠性 适合并行、拆分与动态更新 应用于手机软件，便携操作 创新点 创新点 软件进入界面 图1 获取选址范围界面 图2 客户需求反馈界面 图3 作品成果展示 以商店选址软件为例： 图1 为软件进入界面 图2 获取选址范围界面 图3 显示最终界面 THANK YOU! 移动定位技术 地理信息系统 该算法解决了在分布式环境下，难于并行分解而使得查询效率低下的问题。 同时，BRNN查询在地震救灾等问题中也可以有广泛的应用。