运动轨迹数据在关系数据库中的有效查询

论文摘要

本篇论文着重介绍如何有效处理对于时空数据（Spatio-Temporal Data）的运动轨迹查询。介绍了三种对于多维运动轨迹数据的新型索引结构。EDBS结构通过扫描所有数据获取结果,作为一种最原始的方法成为其他方法的基础。RSTI结构利用B-Tree结构在空间和时间维度上建立索引结构,通过范围查找从而使得查询避免扫描所有的数据。DTI是一种在空间维度上采用Hilbert曲线和网格单元将多维数据转换为一维数据,并使用RI-Tree处理时间区间的索引结构。这三种方法能够很方便在几乎所有的关系数据库中进行实施,论文中也给出了相应的步骤。通过实验,比较了这三种结构对于查询速度的优劣,三种方法中,DTI是最优的方法。并使用DTI与R-Tree索引这一专门处理多维数据的索引结构进行比较,两者的差距并不是十分显著。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 第2章 基本问题定义
• 2.1 数据模型
• 2.2 查询类型
• 第3章 相关研究
• 3.1 SETI:基于网格单元的索引
• 3.2 STR-Tree和TB-Tree
• 3.3 空间填充曲线（Space Filling Curves）
• 3.4 运用Geo-DBMS处理运动轨迹数据
• 第4章 EDBS:全表扫描
• 4.1 EDBS
• 4.2 EDBS算法
• 4.3 查询实现
• 第5章 RSTI: B-Tree区域选择索引
• 5.1 RSTI索引结构
• 5.2 分割数据段
• 5.3 算法及实现
• 第6章 DTI:维度转换索引
• 6.1 DTI基本结构
• 6.1.1 对运动轨迹数据的使用网格单元
• 6.1.2 Hilbert曲线
• 6.1.3 RI-tree（Relational Interval Tree）
• 6.2 DTI索引结构
• 6.2.1 使用Hilbert曲线转换空间维度
• 6.2.2 插入运动轨迹数据
• 6.2.3 对网格单元索引
• 6.2.4 创建RI-Tree
• 6.2.5 查询转换
• 6.2.6 查询性能
• 6.2.7 实施
• 6.2.8 最佳网格单元大小
• 6.3 DTIC-C曲线维度转换索引
• 6.3.1 C曲线
• 6.3.2 DTIC的几个特点
• 第7章 实验
• 7.1 实施参数和平台
• 7.2 RSTI最佳数据段长度
• 7.3 最佳Hilbert曲线Level值
• 7.4 Hilbert曲线的有效性
• 7.5 RI-Tree的有效性
• 7.6 EDBS，RSTI和DTI的查询处理比较
• 7.6.1 使用不同的数据库
• 7.6.2 使用不同的查询窗口
• 7.6.3 使用不同的查询时间区间
• 7.7 RSTI和DTI的预处理
• 7.8 DTI和R-Tree的查询处理比较
• 7.8.1 使用不同的数据库
• 7.8.2 使用不同的查询窗口
• 7.8.3 使用不同的查询时间区间
• 7.9 表空间大小
• 第8章 总结
• 第9章 未来展望
• 致谢
• 参考文献
• 附录A:术语表与索引
• 附录B:Oracle Locator上的R-Tree索引实施
• 个人简历 在读期间发表的学术论文与研究成果