随着基于位置的服务兴起和智能终端的普及,Skyline查询技术在智能交通系统中得到了广泛的应用。在道路网Skyline查询中,用户的查询区域和查询关键词对查询结果具有很大程度的影响。然而目前在解决道路网中动态Skyline查询问题时将Skyline查询范围限定在特定道路网范围内,没有考虑到查询结果在查询数量和查询质量上是否满足用户的需求。当用户具有明确的移动速度和移动方向时,用户可能对当前移动方向上的查询结果更感兴趣,即用户的移动速度和移动方向将对Skyline的查询范围产生影响。故本文对道路网中基于Skyline的动态兴趣点(Point of Interest,POI)查询方面的主要研究如下:(1)提出了道路网多尺度区域划分算法。使用Voronoi图划分各路口节点支配的道路网Voronoi多边形(Network Voronoi Polygon,NVP),将各POI映射到其所对应的路口节点的NVP内并建立索引,得到道路网原始尺度划分。由于道路网原始尺度得到的NVP内平均POIs的数量较少,因此通过使用路口节点聚合算法,Link重塑算法和Link拟合算法,在减少路口节点数量的同时增大剩余路口节点的NVP支配范围和各NVP内平均POIs数量,从而实现道路网多尺度区域划分。(2)提出了关键词相似度评价函数和类型相似度评价函数,分别对用户检索的关键词及其对应类型与POI的名称和类型进行相似度归一化,为Skyline查询的二维静态属性提供附加的语义限制。(3)根据道路网多尺度区域划分建立道路网多尺度索引,基于该索引提出了一种对Skyline查询区域进行优化的方法,该方法能够有效地平衡连续Skyline查询的效率和质量。通过使用北京市道路网数据和北京市所有POIs数据,将两个静态评价函数和用户所在位置与POIs之间的距离作为Skyline查询的三维属性,分别选择4km,8km,12km的行驶里程在查询尺度1-4下进行模拟实验,在查询效率和查询质量上证明了所提方法的有效性。(4)提出了一种速度和方向敏感的Skyline查询(Speed and Direction Aware Skyline Query,SDS Query)方法。根据用户当前的移动速度、移动方向和查询时间为用户生成速度和方向敏感的Skyline查询区域(Speed and Direction Aware Query Area,SD Area),在SD Area内进行SDS Query能够帮助用户获得其能在指定时间内到达且与当前用户移动状态相关的Skyline点。(5)提出了一种高效近似获得SD Area内POIs的算法——基于Voronoi图的速度和方向敏感的查询区域生成(Voronoi based Speed and Direction Aware Query Area Generation,VSDAG)算法,该算法通过使用建立的多尺度道路网索引得到近似SD Area内的POIs,以提高获得SD Area内POIs的效率。在仿真实验中,随机选择北京城区内100个带有移动速度和移动方向的查询点,通过对基准算法和VSDAG算法在各查询尺度上进行对比实验,在查询效率上证明了VSDAG算法比基准算法的查询效率更高。