时空数据库中的移动对象索引与预测性Skyline查询研究

本篇论文深入探讨了人工智能与机器学习在时空数据库中移动对象索引和查询技术的研究。作者陈楠以浙江大学博士学位论文的形式，针对全球定位系统、传感器网络和无线通信技术的快速发展，这些技术使得实时追踪和记录移动对象的位置成为可能。移动对象的持续移动性催生了诸如交通控制、气象监测、移动计算、位置服务和数字战场等应用场景，从而推动了时空数据库和移动对象数据库的兴起。 时空数据库和移动对象数据库作为数据库领域的重要分支，面临着如何有效管理和处理移动数据的重大挑战，其中的关键技术之一就是移动对象的索引结构和查询算法设计。论文提出了一种新的索引结构，旨在确保在移动对象频繁更新的情况下，索引服务不会中断，且能在不同环境下保持良好的整体性能，相较于现有结构具有显著优势。 此外，论文进一步关注了移动对象的预测性Skyline查询技术。通过对移动对象的空间属性（如位置）、非空间属性（如速度、方向）、动态属性（随时间变化的特性）和静态属性（固定特性）的深入分析和建模，论文提出了针对点查询、区域查询和子空间查询的移动对象预测性Skyline查询问题。这种查询方法不仅考虑了空间维度，还涵盖了时间维度，提供了更全面的信息检索手段。 作者设计了一种统一的索引结构，可以适应不同类型属性的移动对象，同时提出了一系列高效算法来解决预测性Skyline查询问题。实验证明，这些算法表现出高效的性能，并对算法的优缺点进行了对比分析，为时空数据库中的移动对象查询提供了创新解决方案。 关键词：“时空数据库”、“移动对象数据库”、“移动对象管理”、“索引结构”、“查询算法”、“自调节”和“Skyline”等，突出了论文的核心研究内容和技术贡献。这篇论文为时空数据库中移动对象的高效管理和查询提供了一个前沿且实用的研究框架，对于数据库技术和人工智能应用的发展具有重要价值。