基于Voronoi图的路网k聚集最近邻居节点查询方法

道路网络中的k最近邻居节点(k-NN)查询及其变种越来越受到研究者们的关注.其中,k聚集最近邻居节点(k-ANN)查询能为多个查询点返回聚集距离最小的前k个被查对象,因此具有较高的研究价值及广阔的应用前景.目前解决该查询问题的主要方法是根据A*算法在路网上通过逐步扩展来搜寻结果,这样会导致响应时间很长,不能满足用户的需求.利用基于Voronoi图的路网可以提供解决这种查询的一种新方法.该方法利用Voronoi图预计算的优势,极大提高了用户的查询效率.实验结果表明提出的方法很大程度上减少了用户的响应时间和页面访问量.

加权路网空间中动态聚集最近邻居查询算法

聚集最近邻居(ANN)查询作为空间数据库的经典问题在网络链路结构优化、物流集散点选址、共享汽车服务等方面有着重要的意义,能有效促进物流、移动互联网行业以及运筹学等领域的发展。现有的研究存在如下不足:缺少针对大规模动态路网数据的高效索引结构,在数据点位置实时移动以及路网权重动态更新的场景下算法的查询效率较低。针对上述不足,提出动态场景下的ANN查询算法。首先利用G-tree作为路网索引,提出将四叉树和k-d树等空间索引结构与增量欧氏空间限制(IER)算法结合起来的剪枝方法,以完成静态空间下的ANN查询;随后针对动态场景下数据点位置频繁更新的问题,加入时间窗口及安全区域更新策略,以减少算法的重复计算次数,实验结果表明效率能提高8%~85%;最后针对路网权重变化的ANN查询问题,提出两个基于校正的连续查询方法,在历史查询结果的基础上,根据权重变化的增量来得到当前的查询结果,在某些场景中能够有效降低50%左右的误差。理论研究和实验结果表明,所提算法能够高效并且较为准确地解决动态场景下的ANN查询问题。

无线数据广播环境下路网最近邻居节点的查询

针对大规模用户数量,首次提出结合无线数据广播技术,在路网环境中进行最近邻居节点查询.该方法使用基于Voronoi图的算法转化路网信息,将处理后的路网信息作为广播数据,不仅提高了用户的查询效率,还减少广播数据中的冗余信息.在数据调度上,采用Hilbert曲线对数据排序,从而保持广播数据的空间临近性.实验表明,上述方法在为用户提供高效查询的情况下有效减少了访问时间.

对等网络环境下数据管理系统上的Top-k查询

对等网络(Peer-to-Peer)模型是一种新型的体系结构模型,许多优势有待于进一步发掘,拥有广阔的应用前景。提出了一种在P2P环境下共享数据库的新框架:基于关键词查询的数据库共享。将每个节点上的数据库看成是一个文档集,用户不用考虑数据库的模式结构信息,简化了不同节点数据库模式间的映射过程,能够较好地适应P2P分散和动态的特性。

基于位置的好友查询系统

基于位置的服务和社交网络的应用是当今互联网的两大热点,社交网络的一个重要发展方向是将网络的虚拟社交和现实生活相结合.基于位置的社交网络作为目前一个非常好的解决方案,将现实生活中所处的位置分享给社交网络中的好友,从而加深了好友在现实生活中的联系.提供了一项应用,使得用户可以查询在用户附近的社交网络中关系较近的其他用户,并与其进行互动.同时提供一个找用户所处位置附近的社交圈子,从而更方便地通过网络来组织现实生活中的活动,比如聚会、团购等等.通过上述2种主要功能,社交网络使用户的现实生活更加丰富、便捷.