[发明专利]基于Voronoi图的路网k聚集最近邻居节点查询方法

说明书

技术领域

本发明属于空间数据库技术领域，具体涉及一种在路网中解决k聚集最近邻居节点查询方法。

背景技术

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。本发明所涉及的正是为了解决这个问题。

空间数据库领域最开始关注于欧氏空间，最近几年对道路网络的研究越来越受到关注。相比于欧氏空间，在路网环境下处理查询更为复杂。因为无论是目标节点还是查询点都被限制在某条路径上，在路径外的目标节点和查询点是没有意义的，这样两节点之间的距离为它们最短路径中各路径的权值总和；而在欧氏空间中，目标节点和查询点可以任意分布在二维或高维空间中，两节点之间的距离为它们的直线距离。

道路网络可以用一张带权值的无向图来表示，其中，路网中的路口被视为无向图中的顶点，路网中的路径为无向图中的边。我们可以表示一个路网N = {V, E}，V是路口的集合，E是路径的集合。目标节点的集合P = {p₁, p₂,…, p_n}。

不同于常规的k-NN查询以及其他的变种，k-ANN查询中有多个查询点。此外，k-ANN查询所返回的结果依赖于特定的聚集函数。聚集函数通常有求和（sum）、最大值（max）和最小值（min）三种。对于不同的聚集函数，查询结果及其意义不同。不妨拿多个人员聚餐作为一个例子，sum函数使得所有人员到餐馆的总距离和最小，这样可以确保总成本最低；而max函数使得到达餐馆所花时间最多（相对于其他人员）的那个人员的时间值最小，这样可以确定聚餐的最早开始时间；最后min函数使得其中一个人的到达成本（到达时间）最小（最早），这样可以尽早地点菜。