船载卫星定位终端按时序产生海量的船舶定位数据。海洋船舶的监管、事故救援、防台抗台等应用场景需要频繁查询数据库,获取船舶定位数据来支撑决策分析。在时空数据存储领域,以传统树结构建立的时空数据索引具有索引庞大、更新不及时等缺点。而在目前常用的空间网格索引中,Z曲线具有数据聚集特性不高的缺点,这降低了时空范围的查询性能。另一方面,在时空数据库的缓存机制中,查询条件中的时空范围灵活多变,且常有重叠部分。此时采用键值数据模型的缓存机制无法有效应对这类查询。因此,针对时空数据库的时空索引优化与缓存机制改进具有重要意义。在时空数据库中,本文以频繁使用且耗时的时空范围查询类型为优化对象。在空间填充曲线中,希尔伯特曲线的数据聚集特性比Z曲线更好,更有利于时空范围查询。因此,本文按照希尔伯特曲线顺序对时空网格编码,进而形成时空网格索引。而在缓存机制中,以关系数据模型为存储模型的缓存方法能够有效应对灵活多变的时空范围查询。因此,本文研究的是以关系型内存数据库作为存储的缓存机制。具体研究如下:（1）提出一种基于时空网格与B+树的多索引融合查询方法,通过按照希尔伯特曲线对时空网格编码,进而形成时空索引。同时按照时间将时空索引分段,从而降低单个时空索引的大小。首先以时间、经度和纬度构建时空网格,按照希尔伯特填充曲线穿过时空网格的顺序建立时空网格编码。然后,对时空网格内单个船舶定位数据进行元数据建模,并将元数据按照时间段聚合形成元数据块。接着,以时空网格编码值为数组索引值,采用数组对元数据组织,以方便检索。最后采用B+树对元数据块进行组织,便于利用时间定位到元数据数组。实验表明,在时空范围查询时延方面,该方法比基于Z曲线的时空索引最高提升了52.3%。（2）提出一种基于关系型内存数据库H2的时空数据缓存机制,通过关系数据模型组织缓存数据,有效应对时空范围查询条件多变的场景,并通过以下三个缓存策略进一步提高缓存性能。首先,在缓存没有命中时,根据查询条件与缓存数据的时空范围交集状态,将查询条件的时空范围拆分为两个互斥的时空范围,并将这两个时空范围作为查询条件分别查询缓存和数据库,再合并结果集。其次,构建预读取策略,预读取缓存项时空范围邻近的数据,并提前存入缓存空间。最后,构建缓存替换策略,根据缓存项的数据条数、最近访问频次计算缓存项的热度值,在缓存空间不足时,删除热度值最低的缓存项。实验结果表明,在Mongo DB的基础上,采用该缓存机制时,时空范围查询的时延最高降低了66.6%,每秒查询率最高提升了2.04倍。