[发明专利]获取路网上单反向最远邻居的层次分区方法及系统

说明书

技术领域

本发明涉及一种获取路网上单反向最远邻居的层次分区方法及系统。

背景技术

空间数据库(spaitial database)是指提供了空间数据类型(spatial database type,SDT)和相应实现支持的数据库（参见文献1：R H.An introduction to spatial database systems[J].The VLDB Journal,1994,3(4):357-399）。随着移动计算与云计算的日益发展，空间相关算法的应用日益增多。距离查询(proximity query)包括最近邻居(Nearest Neighbor)查询、反向最近邻居(Reverse Nearest Neighbor)查询、反向最远邻居查询(Reverse Furthest Neighbor)等，是空间数据库查询中最常见的类型之一。本发明关注在路网(road network)数据库上的反向最远邻居(reverse furthest neighbor,RFN)查询，即给定一组路网上的数据集P与查询集Q，我们希望求取P中所有与Q相比距离q更远的点。该问题根据P与Q是否相同可划分为单反向最远邻与复反向最远邻问题。该问题在实践中拥有重大意义，例如在开设新的商店时，我们希望得知受某一竞争对手影响最小的点。如果我们将不同地点之间的影响程度以带权的边表示，这一问题就相当于在路网上求取以现有商户地点为查询点的单反向最远邻居问题。进一步说，寻找一个受现有的所有竞争对手相对影响最小的点，可以转化为目标点在这一路网上求以竞争对手地点为查询集Q的复反向最远邻居数量的最大化问题。

据我们所知，目前对于路网上单反向最远邻问题所提出的唯一解决方案是Tran等人对于路网上反向最远邻的研究，他们以路网中的每一个兴趣点为生成点预处理建立Voronoi分区，然后使用分区的邻接性质对分区进行遍历，以枚举查询点可能的反向最远邻居（reverse furthest neighbor）。但这一方法在路网中兴趣点数量大时，将与暴力算法没有本质区别。而对于复反向最远邻问题目前尚无有关解决方案。

在其他相关研究方面，最引人注意的是最近邻居(nearest neighbor)问题（参见文献2，文献3：Hjaltason G R,Samet H.Distance browsing in spatial databases[J].ACM Transactions on Database Systems(TODS),1999,24(2):265-318，文献4：Berchtold S,C,Keim D A,etc.A cost model for nearest neighbor search in high-dimensional data space[A].In Proceedings of the sixteenth ACM SIGACT-SIGMOD-SIGART symposium on Principles of database systems[C],1997:78-86，文献5，文献6：Jagadish H,Ooi B C,Tan K-L,etc.iDistance:An adaptive B+-tree based indexing method for nearest neighbor search[J].ACM Transactions on Database Systems(TODS),2005,30(2):364-397，文献7：Tao Y,Papadias D,Shen Q.Continuous nearest neighbor search[A].In Proceedings of the28th international conference on Very Large Data Bases[C],2002:287-29）与反向最近邻居（参见文献8：Korn F,Muthukrishnan S.Influence sets based on reverse nearest neighbor queries[J].ACM SIGMOD Record,2000,29(2):201-212，文献9：Singh A,Ferhatosmanoglu H,Tosun AHigh dimensional reverse nearest neighbor queries[A].In Proceedings of the twelfth international conference on Information and knowledge management[C],2003:91-98，文献10：Tao Y,Papadias D,Lian X.Reverse kNN search in arbitrary dimensionality[A].In Proceedings of the Thirtieth international conference on Very large data bases-Volume30[C],2004:744-755，文献11：Achtert E,C,P,etc.Efficient reverse k-nearest neighbor search in arbitrary metric spaces[A].In Proceedings of the2006ACM SIGMOD international conference on Management of data[C],2006:515-526，文献12：Sankaranarayanan J,Samet H.Distance oracles for spatial networks[A].In Data Engineering,2009.ICDE′09.IEEE25th International Conference on[C],2009:652-663）问题。以R-Tree（参见文献13：Guttman A.R-trees:a dynamic index structure for spatial searching[M].ACM,1984）为基础的深度（参见文献2：Roussopoulos N,Kelley S,Vincent F.Nearest neighbor queries[A].In1995:71-79）与广度（参见文献5：Cui B,Ooi B C,Su J,etc.Contorting high dimensional data for efficient main memory KNN processing[A].In Proceedings of the2003ACM SIGMOD international conference on Management of data[C],2003:479-490）优先搜索、增量欧氏限制(Incremental Euclidean Restriction)、增量网络扩展(Invremental Network Expansion，参见文献14：Papadias D,Zhang J,Mamoulis N,etc.Query processing in spatial network databases[A].In2003:802-813)与Voronoi图相关的技术（参见文献8～12）被广泛用于解决欧氏空间(Euclidean space)与路网上的相应问题，但由于反向最远邻居问题不具有最近邻居问题所具有的本地性特点，这些解决方案难以应用在本发明所解决的问题上。