道路网中基于RRN-Tree的CKNN查询

现有针对基于道路网络的CKNN查询研究，主要是将道路网络以路段和节点的形式进行建模，转化成基于内存的有向／无向图，该模型存在2个问题：一个是道路网络中路段数据量大，导致索引结构分支过多、移动对象更新频繁；另一个是图表示方法不能很好地处理十字路口转向、U型转弯等交通规则。针对此问题，提出道路网中基于RRN—Tree的移动对象CKNN查询算法，包括索引结构设计和移动对象查询算法设计，采用路线对道路网建模，基于网络边扩展方式，实现复杂条件下的道路网络CKNN查询。实验结果表明，在各种网络密度和兴趣点对象分布密度下，与经典的IMA／GMA算法相比，基于RRN—Tree索引方法的查询性能提高1．5倍-2．13倍。