[发明专利]距离敏感大小可变化的最优范围位置查询的计算方法

说明书

技术领域

本发明涉及基于位置服务(LBS)的技术领域以及空间数据库领域，具体地说是距离敏感大小可变化的最优范围位置查询(Maximum Range Sum)的计算方法。

背景技术

在现代社会中，基于位置的服务(LBS)越来越受到重视和应用。LBS能够运用在各个领域和各种环境中，例如航行，旅游规划，设施建设和运输等等。这些LBS应用都需要存储和处理非常大量的空间数据，需要运用空间数据库技术和算法来为每个LBS应用提供一个正确适当的方式去解决。在空间数据库中有一个重要的LBS问题，称为MaxRS问题，最优范围位置查询(Maximizing Range Sum)，给定一个固定大小的范围，在整个数据集中找到一个最优的位置，使得这个范围能够覆盖最多的权值点。这个问题在LBS中应用十分广泛，例如为一家披萨店找地址，能外送范围覆盖最多居民的地方；又例如为一个服务设备找地址，能覆盖最多用户的地方。但这个问题有一定局限性，例如需要固定的大小范围，而且无法考虑离查询点的距离。所以要在此基础上提出一个新的查询，能够解决不固定范围大小，并且可以考虑与查询点距离的远近。这样的查询能够更加适应需求多变的LBS应用，能够为MaxRS问题的应用带来更多的可变性和易用性。

目前国内外诸多学者在LBS的研究中发表了许多论文和期刊，其中就有不少关注MaxRS问题的研究。主要分为两类，包括内存算法，以及外存算法。其中内存算法是指所有数据可以全部放入内存中进行计算，衡量算法主要依靠空间复杂度，和时间复杂度，主要比较算法之间得出结果所需要消耗的时间。例如S.C.NANDY等人就提出用扫描线与间隔树结合，在O(nlogn)的时间复杂度内解决问题。外存算法是指数据量庞大至放不下内存，这种算法主要衡量其IO的次数，因为IO是整个算法的最大瓶颈。其中Dong-Wan Choi等人就用Slab-files的方式在较好的IO数下解决MaxRS问题。另外陶宇飞等人，提出一种新颖的方法，使用网格划分的方式，能够在较快时间内得到一个MaxRS的近似解。

但是在现有MaxRS问题中，范围始终是固定不变的，因此不够易用、灵活。面对某些无法固定或者无需固定范围的场景时无法有效解决。

发明内容

针对现有技术的不足，本发明提出一种新型的MaxRS问题称为距离敏感大小可变化的MaxRS问题，即范围大小不固定，也能考虑与查询点的距离因素，并考虑距离变远和范围变大所要付出的代价，使得到的结果是最优的结果。并且为此新问题提供一种新颖的算法，通过量化最优解的判定，以及对所有可能解用分治法和剪枝法进行计算，另外对算法进行网格优化，能够较好地解决本问题。

本发明的具体技术方案是：

一种距离敏感大小可变化的最优范围位置查询的计算方法，特点是：该方法包括以下具体步骤：

1)为整个数据集建立一个网格；

2)对每个网格单元映射，计算score上限；

3)对每个网格单元在上限不低于当前最优的情况下，为网格内所有的数据点构建横纵线；

4)所有横行与纵线交叉得到一个交叉点集，并除去无用的交叉点；

5)以每个交叉点为矩形远角far-corner构造一个最大矩形并且用范围查询找到在这个矩形范围内的所有数据点；

6)使每个最大矩形慢慢回缩，回缩的同时计算优劣值score；

7)计算完所有网格单元，输出最优矩形的位置及其大小；其中：

所述步骤1)中，网格以查询点为中心，并且网格单元大小为最大矩形

所述步骤2)中，网格单元的映射是指每个网格的相邻且离查询点较近的三个网格要为当前网格提供横线纵线以及权值；每个网格单元的score上限是权值之和，再减去最小的代价得到的理论上限；

所述步骤4)中，除去无用的交叉点是指：在交叉点的任意一条交叉线上没有数据点或者数据点离交叉点的距离分别大于长和宽，则这些交叉点是没用的，需去除；

所述步骤5)中，以交叉点为far-corner以为大小构建一个矩形，其范围查询是利用Quad-tree来进行；

所述步骤6)中，矩形回缩时保证长宽比不变，far-corner固定，由于离查询点距离和矩形大小在时刻变化，score值会不同，需要保留最优的score值及此时的矩形位置和大小。

与现有技术相比，本发明有以下优点：