赵馨逸¹,黄向东^1,2,乔嘉林¹,康荣¹,李娜¹,王建民^1,2

¹(清华大学软件学院 北京 100084); ²(工业大数据系统与应用北京市重点实验室 北京 100084) (stefanie_xin@163.com)

出版日期: 2019-03-01


基金资助:国家重点研发计划项目(2016YFB0501504)；国家自然科学基金项目(U1509213)；中国博士后科学基金项目(2017M620784)

A Spatio-Temporal Index Based on Skew Spatial Coding and R-Tree

Zhao Xinyi¹, Huang Xiangdong^1,2, Qiao Jialin¹, Kang Rong¹, Li Na¹, Wang Jianmin^1,2

¹(School of Software, Tsinghua University, Beijing 100084); ²(Beijing Key Laboratory for Industrial Bigdata System and Application, Beijing 100084)

Online: 2019-03-01

摘要/Abstract

摘要： 随着移动互联网以及物联网的发展，越来越多的移动设备都内置GPS服务，从而产生了大量的时空数据.这些数据体量大、分布不均匀且带有时间和空间经纬度等多维属性.传统的时空索引还有很多问题有待解决，例如难以处理大规模数据、无法同时处理时间和空间维度等.基于Geohash和R-Tree，提出一种2层时空索引GRIST(Geohash and R-Tree based index for spatio-temporal data)，第1层是空间索引，它将空间划分为不同大小的网格并使用Geohash进行编码；第2层是时间索引，由R-Tree构成，不同R-Tree索引不同网格里的数据.GRIST索引支持面向时间和面向时空的查询.在大量随机数据和真实Uber数据上的实验表明：GRIST在索引的构建效率上较于GeoMesa和PostGIS系统可以提升10～45倍，在查询效率上可以提升2～4倍.

参考文献

相关文章 5

[1]	赵卓峰,丁维龙,韩燕波. 基于云架构的交通感知数据集成处理平台[J]. 计算机研究与发展, 2016, 53(6): 1332-1341.
[2]	贲婷婷，秦小麟，许建秋. 支持多种查询的室内移动对象索引[J]. 计算机研究与发展, 2015, 52(9): 2002-2013.
[3]	刘大有 陈慧灵 齐 红 杨 博. 时空数据挖掘研究进展[J]. , 2013, 50(2): 225-239.
[4]	陈逸菲, 秦小麟, 李博涵,. 不确定移动对象的模糊时空范围查询[J]. , 2012, 49(10): 2161-2170.
[5]	徐 薇, 黄厚宽, 王英杰,. 一种基于数据融合和方法融合的时空综合预测算法[J]. , 2005, 42(7): 1255-1260.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3896