基于时空同现挖掘技术的FNRB-Tree

FNR-Tree利用2D R-Tree和1D R-Tree的结构,很好地结合了时间和空间的索引.但是随着索引数据量的增多,R-Tree本身的两个问题凸显出来(1)更新效率不高;(2)查询效率不高.本文在考虑了移动对象的时空同现的模式基础上,提出了一种对FNR-Tree优化的索引树FNRB-Tree,对于相同时间具有相同子轨迹的移动对象进行了按照路段的索引合并,从而达到了对FNR-Tree进行批量更新的效果.实验结果表明,FNRB-Tree在大数据量的情况下,(1)更新效率进行了提高;(2)对于邻近查询的响应时间更短.

基于路网的移动对象索引机制研究

本文基于FNR-Tree的思想提出了一种新的索引算法FNR+-Tree,该算法可以实现基于轨迹的查询,而这正是FNR-Tree索引结构所欠缺的,接着给出了FNR+-Tree的数据结构和插入算法,查询算法,最后给出了两种索引结构的试验对比结果。