[发明专利]交通数据流的聚集查询方法及系统

权利要求书

1.交通数据流的聚集查询方法，其特征在于包括如下步骤：

步骤1，采集移动对象信息，将移动对象信息转化为计算机可处理的数据形式，在系统时间戳到来时数据流；

步骤2，在系统时间戳到来时生成、更新索引文件：

步骤2-1，初始化第一个系统时间戳的数据流生成的索引文件：采用合理直方图将数据空间分割为ω·ω的单元，以当前时间戳内单元内的移动对象数量表示该单元的频率，再将频率相似的邻近单元组成一个桶，形成n个桶，0<n≤B，ω为分辨率，B为桶数目的上限，

对于每个桶：以桶中所有单元的平均频率作为该桶的频率，计算该桶中各单元平均频率方差的平均值、该桶的方差以及卡尔曼增益；

步骤2-2，在下一系统时间戳到来时，利用卡尔曼滤波原理更新索引文件：

步骤2-2-1，当第c单元中的数据变化时，记数据变化量为d，更新第c单元的频率F_c：其中：为前一时间戳单元c的频率，1≤c≤ω²，d为任意实数；

步骤2-2-2，遍历当前时间戳的索引文件找到包含数据量变化单元的桶，对于第b个桶，第b个桶包含有n_b个单元，b<n，n_b<ω·ω：

更新第b个桶的频率f_b：，fb=fb-+d,Δg=fb2-fb-2,]]>

更新第b个桶中各单元频率平方的平均值g_b、方差v_b：gb=(nb·gb-+Δg)/nb,vb=gb-fb2,]]>

更新第b个桶中第i单元的卡尔曼增益，F_i为第i单元的频率：

当F_i>f_b时，第i单元的卡尔曼增益为：

当F_i≤f_b时，第i单元的卡尔曼增益为：

计算出第b个桶中频率大于平均频率的单元数目n_b1，更新第b个桶的卡尔曼增益Kg_b：Kgb=nb1·Kgi++(nb-nb1)·Kgi-,]]>1≤i≤n_b1≤n_b；

步骤2-2-3-A，对于需要分裂的桶，计算每个需要分裂桶的最高分割利益和最优划分位置，按照最优划分位置将需要分裂的桶分为两个子桶，并且设置前一系统时间戳内两个子桶的频率均与分裂前桶的频率相等，重复步骤2-2-1；

步骤2-2-3-B，对于不需要分裂的桶，在索引中桶的数量达到上限时，利用最小合并惩罚原理将频率集中的多个桶合并为一个桶，重复步骤2-2-1；

步骤2-2-3-C，对于不需要分裂的桶，在索引中桶的数量未达上限且当前系统时间戳尚未结束的情况下，返回步骤1；

步骤2-2-3-D，对于不需要分裂的桶，在索引中通的数量未达上限且当前时间戳结束的情况下，提取当前时间戳的索引文件生成历史索引；

步骤3，在生成更新索引文件的同时，根据用户的查询请求SUM(r,ts,te)对空间区域r进行交通数据流查询，提取查询时间区间[ts,te]的系统时间戳，对于每个时间戳执行空间聚集查询：遍历当前时间戳t的索引文件，利用如下表达式求得当前时间戳下空间区域r在各桶的聚集查询值：

SUM=fbi·Sintr·ω2,vbi≤(fbi-fbi-)2[fbi-+Kgbi(fbi-fbi-)]·Sintr·ω2,vbi>(fbi-fbi-)2,]]>

SUM为空间区域r在第bi个桶的聚集查询值，S_intr为空间区域r与第bi个桶相交区域的面积，f_bi为当前时间戳第bi个桶的平均频率，为前一时间戳t^-第bi个桶的平均频率，v_bi第bi个桶的方差，

将每个时间戳的查询值求和形成最终的聚集查询值。