[发明专利]路网上的弹性聚合最近邻查询G-max方法

说明书

本发明公开了一种路网上的弹性聚合最近邻查询G‑max方法，包括如下步骤：第一步，建立G树索引；第二步，定义和初始化；第三步，如果队列为空，则结束；否则出队得到x，进入第四步；第四步，如果x是叶子节点，对于x里面所有的点v，计算如有必要更新最终结果，遍历后回到第三步；否则进入第五步；第五步，遍历x的子节点c，计算Q中所有点到c的最小可能距离，得到前最小距离的最大值max，记为τ；第六步，如果τ小于r*，将c的孩子节点入队，回到第三步；如果τ大于或等于r*，则结束。本发明可以有效减少弹性聚合函数的调用次数，并提高的效率，从而提升查询速度，降低成本。

技术领域

本发明属于计算机领域，具体涉及空间数据库的查询方法，尤其涉及一种路网上的弹性聚合最近邻查询G-max(G树-最大值)方法。

背景技术

聚合最近邻查询(Aggregate nearest neighbor，以下简称ANN)是空间数据库中的经典查询，有广阔的应用场景，比如基于位置服务等。给定一组查询点集合Q，ANN在数据点集合V中寻找一个点，使得该点到Q中所有点的聚合距离最小。这个聚合函数一般是max或者sum。ANN问题已经在欧式空间[参见D.Papadias,Q.Shen,Y.Tao,and K.Mouratidis,“Group nearest neighbor queries,”in Data Engineering,2004.Proceedings.20thInternational Conference on.IEEE,2004,pp.301–312.]和路网上[参见D.Papadias,Q.Shen,Y.Tao,and K.Mouratidis,“Group nearest neighbor queries,”in DataEngineering,2004.Proceedings.20th International Conference on.IEEE,2004,pp.301–312.]得到研究。

在很多时候，考虑Q中的部分查询点则更有意义。考虑图1中的例子，数据点集合是V＝{v₁,v₂,…,v₈,v₉,}(圆形)，查询点集合是Q＝{q₁,q₂,q₃,q₄}(三角形)。注意v₃和q₃,v₅和q₄分别共享同一个位置；q₁位于(v₂,v₃)上，q₂位于(v₃,v₆)上。假设V是建造港口的候选位置，Q是小型货运集散中心，且每个集散中心每天能存储1吨货物。现在V中寻找一个候选点，收集Q所有货物，并使得聚合距离最小。这时max-ANN的结果就是v₂，距离为16；sum-ANN的结果也是v₂，距离为52。因为v₂相对是Q的“中心”，所以我们可以直观地理解这个结果。但是，如果港口每天仅需要2吨货物，即仅需要考虑50％的小型货物集散中心，而不是考虑Q中所有查询点。更准确地说，更一般的查询是允许用户指定一个参数目标是在V中寻找一个点，使得该点到Q中某个点的聚合距离最小，我们把这种查询称为弹性聚合最近邻查询(flexible aggregate nearest neighbor，以下简称FANN)。如果我们令则max-FANN的结果是v₃，距离为2；sum-FANN的结果也是v₃，距离为4。