聚合近邻(Aggregate Nearest Neighbor,ANN)查询是在空间内找到离多个查询点聚合函数(求和或求最大值)值最小的兴趣点(Point Of Interest,POI),是常见的时空查询之一。路网中同一条路段的行驶时间在不同的出发时刻往往不同,时间依赖路网下的时空查询受到越来越多的关注。已有对ANN查询的研究大多针对欧式空间或边的权值是静态的路网,现有技术大多采用计算查询点质心或基于最短路径预计算的方法。但在时间依赖路网中,每条边的权值都在不断变化,质心位置动态变化,路网中两点间的最短路径也动态变化,已有技术无法直接解决时间依赖的ANN(Time Dependent ANN,TDANN)查询。本文考虑了由于用户到达时刻不在兴趣点服务时间内所带来的等待时间,对服务时间受限的TDANN进行了定义。给定时间依赖路网、POI集合(包括位置以及服务时间)、若干个查询点以及出发时间t,TDANN查询返回一个能使所有查询点从t时刻出发,最小旅行时间加上到达POI后等待时间的聚合函数值最小的POI。本文先基于POI的服务时间,利用时间依赖下界图对路网进行了空间剪枝,得到候选POI集合。然后结合增量网络扩展(Incremental Network Expansion,INE)算法和A*算法,从每个查询点出发对路网进行扩展,直到找到共同的POI,启发函数中同时考虑了行驶时间和等待时间。此外,为使启发值更接近真实值,本文根据边权值的变化规律,提出了基于分段下界图的改进算法。在真实路网下,对所提算法进行了验证。实验结果表明,所提算法的查询时间比已有算法低73.61%,基于分段下界图的改进算法的查询时间减少了22.9%。