[发明专利]拥塞感知的路网移动对象连续K近邻查询方法

说明书

本发明的拥塞感知的路网移动对象连续K近邻查询方法，首先基于拥塞感知的路网扩展方式，感知出每条道路的拥塞性，以拥塞权重的路网距离作为移动对象和查询点之间的距离衡量标准。然后设置合理的监测范围构建局部路网，高效地查询出时间段[t_i,t_j]内任意时刻K个距离查询点带权路网距离最近邻的移动对象。本发明的优点是：引入道路的拥塞性，以拥塞权重的路网距离作为移动对象和查询点之间的距离衡量标准，提高在了现实应用中的准确性和适用性，使连续K近邻查询结果更接近真实路网环境下的最优解。然后使用合理的监测范围构建局部路网，提高了算法的查询效率。

技术领域

本发明涉及一种路网连续K近邻查询方法。

背景技术

随着无线通信和GPS等定位技术的快速发展，以及移动通信设备的大规模普及，用户可以更加轻松获取到自己的位置信息。基于移动设备位置信息的移动端应用程序也越来越多，这些应用程序中几乎都用到了K近邻查询技术。例如，在地图导航软件中，用户希望找到周围最近的几家工商银行；在导游应用中，游客在西湖游玩时可能会寻找几个最近的“杭帮菜餐厅”。在上述查询场景中，用户查询的对象都是空间中的静态对象，所以K近邻技术还能有效地满足这类查询需求。当查询的对象处于移动状态时，例如，用户使用打车软件搜寻离他最近的3辆出租车。由于出租车位置信息在不断在发生改变，系统需要重复进行多次K近邻查询，计算代价太大。由此可以看出K近邻查询技术不能满足类似于打车这类场景下的查询需求，存在一定的局限性。然而，连续K近邻查询技术可以有效地解决这类问题。连续K近邻查询是K近邻查询的扩展，K近邻查询是查询某一时刻的K个近邻的对象，而连续K近邻查询是在某一段时间内连续查询K个近邻的对象，返回的结果集是连续动态监测的查询结果。

现有的连续K近邻查询方法中主要关注距离因素，很少关注道路拥塞对路网下的K近邻查询结果的影响。然而，在真实路网中道路拥堵情况对查询结果的影响很大。比如用户在呼叫一辆网约车时，该用户有急事必须尽快到达目的地。若系统在给用户分派车辆时只考虑了距离因素，分派的车辆是距离用户最近的，但是如果该车辆处在严重拥堵路段，那么这样的查询结果对用户而言不是一个最优解决方案。将道路的拥塞性也作为一个影响查询结果的因素添加到路网环境下的连续K近邻查询中，有助于提高在现实应用中的准确性和适用性。

发明内容

本发明要克服现有技术的上述缺点，提出一种拥塞感知的路网移动对象连续K近邻查询方法。

本发明首先在路网扩展过程中利用基于道路交通流特征参数设计的道路拥塞判断算法感知出道路的拥塞状态；接着根据拥塞系数对道路长度进行加权处理，以拥塞权重的路网距离作为移动对象和查询点之间的距离衡量标准；然后在局部路网内进行连续K近邻查询，以提高查询效率；最后按照带权路网距离由近到远的顺序，查询出在时间段[t_i,t_j]内任意时刻距离查询点最近的K个移动对象，其中t_i为连续K近邻查询开始时刻，t_j为结束时刻。

本发明的拥塞感知的路网移动对象连续K近邻查询方法，包括如下步骤：

1初始时刻拥塞感知的K近邻查询；

初始时刻拥塞感知的K近邻查询用于获得在连续查询时间段[t_i,t_j]开始时刻t_i距离查询点带权路网距离最近的K个移动对象。该阶段采用基于拥塞感知的增量式路网扩展策略。在路网扩展的同时判断出道路的拥塞性，确定道路拥塞性系数，对道路长度进行加权处理。具体包括：