[发明专利]云计算环境下基于空间反近邻查询的物流调度方法

说明书

技术领域

本发明涉及LBS(LocationBasedService)领域，是一种云计算环境下基于空间反近邻查询的物流调度方法，包含大规模时空数据分布式的处理以及智能移动终端应用的开发。

背景技术

计算机及其网络技术的飞速发展，移动智能终端的出现以及移动定位技术的不断成熟为物流行业的信息化提供了夯实的基础。通过移动互联，将分散在不同地理位置的物流货车以及发件客户紧密联结在了一起，将物流货车、发件客户作为节点，构成了一个信息传递与信息共享的网络。客户可以实时了解附近物流货车的位置以及运作状况，同时物流货车司机也可以实时准确的接收到附近客户的请求，便于各方业务的洽谈，实现了物流的高效调度。

结合近年来随着基于位置的服务和移动互联网的快速发展，物流调度系统中，对于网络中各节点临近节点的实时查询成为一大技术难题。一方面是由于地理空间数据的数据量的迅猛增长，另一方面也是因为物流调度业务中对于实时性的特殊要求。因此，如何实现高效的近邻查询成为移动云计算环境下的物流调度系统新的需求和挑战。现在已经有几种近邻查询的方法，如最基础的kNN方法，以及作为kNN问题变种的RNN(ReverseNearestNeighbor)反近邻查询，已经成为典型的空间查询算法并得到了业界的普遍关注。自从Korn等人首次给出RNN查询的定义以来，作为一个热点研究问题，目前已有了大量的研究成果，并具备很好的应用价值。

由于现存的大部分RNN算法因为其索引或算法的结构化的特征，导致潜在的顺序执行问题。另外，也有着不具备可扩展性，缺失精度，或者产生维数灾难等问题。同时基于位置服务相关研究与应用的兴起，单机环境因为计算与存储能力有限，故无法支持大规模空间查询方法，解决方案就是同时利用多计算节点参与计算，这就需要设计新的分布式索引与并行查询方法。尽管RNN查询与其它的空间查询方法一样重要，但有效地支持大规模RNN查询的算法方面的工作成果还是相对较少。MRVoronoi除了设计空间索引结构之外，也简略地描述了利用MapReduce进行RNN查询的方法。但该方法需要额外的时间进行定位查询点，当维度增加时就会导致高的维护与计算代价。RankReduc方法通过MapReduce来支持处理大规模近似kNN查询，但该方法是不精确的，只能用于高维条件，且没有描述解决RNN的过程。所以现有的方法均不能很好地直接用来解决大规模RNN查询问题。

从大规模空间数据集中进行查找RNN的问题不仅作为一个智能物流配送算法求解优化问题，同时也在智能导航、交通控制、救灾援助、气象预报、空间聚类等领域中有着广泛的应用。但是面对海量、大规模的时空数据，传统的RNN方法，很难满足移动互联物流系统对于实时性的需求，基于该出发点，我们设计并实现了该发明。

发明内容

根据上述背景技术中存在的缺陷和不足，本发明提供了云计算环境下基于空间反近邻查询的物流调度方法，以解决现有物流调动系统中发件客户与物流货车近邻问题计算的不足。本发明也针对现有技术中存在的反近邻查询方法中的不足进行了改进，用以提高准确度和实时性。

为了实现上述目的，本发明所采用的技术方案是：云计算环境下基于空间反近邻查询的物流调度方法，由云中心服务系统和智能移动客户端系统，执行步骤如下：

S1.云中心服务系统用于进行倒排网格索引的建立，以及执行分布式大规模反近邻算法；

S2.智能移动客户端适应不同用户功能需求与使用习惯，通过内置的定位系统和运营商的基站，以及依托网络获取自身的实时空间地理位置，发起查询请求，并与云中心服务系统进行信息交互。

作为技术方案的补充，该大规模反近邻查询物流调度系统所使用的云中心端服务系统由不少于一个云数据中心的网络服务器或虚拟主机所构成的，采用云计算这种并行化计算来处理大规模数据应对于大量的需要发快递的客户，并以客户为查询中心，在此位置发起查询清求，物流货车作为可供查询的数据集，在这种模式下，保证了高物流量时的调度稳定性，加快了物流信息搜索时的反应速度，同时增强了可扩展性。云中心服务系统通过使用采集到的客户位置以及物流货车位置，建立位置信息的分布式倒排网格索引。

由云中心服务系统使用倒排网格索引进行分布式时空信息的大规模反近邻查询，并返回最优物流货车给发件客户。