空间数据库存取和查询的理论与实践

《空间数据库存取和查询的理论与实践》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学博士论文摘要空间数据库存取和查询的理论与实践摘要随着计算机应用中多维数据处理的广泛发展，近年来，数据库领域对空间数据管理予以越来越多的关注。这主要来源于地理信息科学、机械cAD、图象数据库、环保、城市规划等的应用需求。空间数据库技术是空间数据管理的关键。支持地理信息系统的空间数据库主要关心的是处理空间数据及集成空间数据和其它种类信息的能力。这种需求涉及一些基础课题，像分类和定义空间关系和查询，开发有效的数据结构和数据模型，设计回答空间查询的有效几何算法等。由于空间数据的复杂性，空间查询处理一直是空间数据库的瓶颈。在传统的应用领域中，如GIs，空间查询处理已用于实践

2、，几种空间查询被研究，如窗查询(wiIldowquefy、，也叫空间选择查询(spatia1selection)，最近邻查询(nearestnei曲bors)，空间连接查询(spatialioin)及近似性查询(similar时search)等。传统的用于关系数据库的查询方法由于不能保持空间对象的空间近似性而不能用于空间查询。因此，许多维护和管理空间数据的空间存取方法(spatialAccessMethods，sAMs)被提出来，如四叉树，KD树，R树系列等。空间数据库的查询效率是空间数据库性能的重要标志，由于空间数据量的庞大及空间对象、空间查询的高度复杂性，实际应用如地理信

3、息系统(GIs)，cAD／CAM等对空间数据库的查询性能提出了迫切要求。空间数据库涉及由几何，文本及嵌入各种空间维数的信息组成的复杂数据，这对建模这种复杂数据提出特殊要求。批量装载指为大的数据集创造初始索引结构的过程，对多维索引结构的批量装载操作的研究引起了越来越多研究者的兴趣。实际应用中经常碰到涉及多个空间关系的多路空间连接查询及女个近邻的近邻查询。空间数据挖掘(sDM)技术的研究是传统知识发现(KDD)理论的扩展。KDD和DM是基于关系数据库发展起来的，由于空间数据比RDBMs的事物数据复杂得多，且空间数据管理也没有关系数据管理那样成熟，所以sDM的实现难度较大。sDM对

4、于空间知识的自动获取，从而构成IsDss(智能空间决策支持系统)，有着重要的研究价值。本文正是在上述空间数据库研究需求和问题的基础上，，进行以下几个方面的研究工作：(1)介绍了空间数据库的存取和访问结构以及为提高空间查询效率提出的一些有助于性能改进的概念如空间存取结构，近似，对象分解及多步查询处理等，这是我们随后研究工作的基础。(2)介绍了空间数据库的几种数据模型。分析各种模型的特点，在此基础上讨论了基于空间数据模型的空间数据管理、查询及查询语言。提出了一种空间数据的约束数据模型，给出了模型的定义，特征，解释及空间数据的表示。介绍了该模型在空间数据库其他方面的应用，表明约束模

5、型是建模空间数据的有前途的方向。(3)为有效建立大的空间数据集的索引，提出了一种批量装载R树的方法方法是基于缓冲树建立子树，实施分裂，合并索引结构中的节点等操作。和一个一个插入记录相比，该方法是同时插入多个记录，避免了数据预定的全局排序。做为例子．描述了批量装载一个R树。：!!塑奎望盔堂堕圭堡苎垫矍一一——(4)关于空间查询，本文主要做了以下几方面的工作Ea．空间连接(spatialJoin)查询是最耗时、最重要的空间查询。本文在分析了空间连接以往I：作的基础上，采川一种新的空间近似方法一直角多边形近似，改进空间对象的近似精度，蓟+用_丁基丁R树的空间连接方法，给山了连接算法

6、，井用实验验证方法的有效性·b．针对空间多路连接中其中一方有R树索引，而另一方是连接或选择的中间结果，因而无索引的情况，提出派生索引连接方法，这一方法基于父母索引，为中间结果建立派生索引，以用于随后的空间连接。分析其查询花费，用于多路连接的查询优化。最后Hj实验结果说明方法的有效性。c．有效执行空间々近邻查询是地理信息系统尤其关心的问题。空间近邻查询是基于空间索引的树的遍历过程。若测量距离利剪枝策略选取适当，可以极大地减少搜索空问所需·访问的节点数。基于Rousspoulos等提出的测量距离，本文提出两个新的近邻搜索剪枝策略，用于空间I近邻查询。给出了搜索算法，用算例表明该策

7、略具有更好的剪枝效果，提商了空间t近邻查询的效率。(5)深入研究了空间数据挖掘(sDM)技术。包括从空间数据库中可发现的知识、知识发现方法、sDM的处理过程、sDM的知识发现结构和开发方法。基于空间属性归纳是一种有效的空间信息处理技术。提出了一种模糊空间属性归纳方法，用于数字地图中进行空间联机分析处理和空间数据挖掘，给出了具体算法及基于模糊挖掘算法的KDD框架结构。它克服了传统发现算法中的不足之处，可以用通俗易懂的自然语言来表达规则，可以自动识别有效关联规则。而且，我们的方法使得结果具有良好的可理解性，