空间填充曲线有很多种,如Sierpinski曲线、Lebesgue曲线、Schoenberg空间填充曲线、具有正Lebesgue测度的Jordan曲线等.在众多空间填充曲线中最常用的是Hilbert曲线,Z曲线以及Gray曲线,它们的主要区别在于映射的方法不同.近些年来,空间填充曲线因其特有的降低维度特性和数据聚类特性而被用于空间数据库的索引及查询之中.在空间填充曲线被应用于空间数据库以前,最常用的索引方法是基于R树及其变形树的索引结构.在二维空间中基于R树的最近邻查询算法和顺序扫描算法具有较高的查询效率.随着空间维度的增加,数据信息量呈几何级数增加,此时以上两种算法的查询效率急剧下降.因此,可以利用Hilbert曲线的降维和聚类特性,将高维空间中的点映射一一映射到一维空间中,这样不仅不影响点与点之间的距离比较,而且对最近邻查询及其他查询有较高的查询效率.本文首先引入Hilbert曲线、分析Hilbert曲线性质及特性、重点总结降维及聚类特性.其次提出一种基于Hilbert曲线网格划分的最近邻查询算法.该算法首先将数据空间分成不重叠且相等的网格,然后把网格中的点进行线性排序,最后当要获取最近邻时,只需访问查询点所在网格中的点以及其周边临近网格中的点即可.最后提出一种基于Hilbert曲线的最优位置查询算法.该算法首先将空间中的点利用Hilbert曲线的降维特性映射到一维空间,然后分别利用基于R树的范围查询算法,将所有的数据对象和目标对象保存在两个队列中,最后从目标对象所在队列按照一定的规则遍历所有数据队列从而得到优先集并计算优先权.