随着信息社会的发展,人们要求使用信息的场合、时间、方式和方法具有更高的自由度,这些需求促进了移动计算技术的出现与发展。在移动计算环境中,移动对象/用户可以使用无线网络(GSM,IS-95,IRIDIUM 等),在定位器诸如全球定位系统(GPS)的帮助下每时每地地交换他们的位置信息。对移动对象的位置信息进行查询,即位置相关查询(LDQ)就应运而生了。这些查询既可能只发生一次,即出现在一个时间点上;也可能要持续一段时间。一个 LDQ 的查询结果取决于提出查询的对象(即查询对象)和包含在数据库中的被查询对象(即移动对象)的位置。 在传统的数据库管理系统 DBMS 中记录是静态的,这意味着所有的属性都保持它们上一次显式更新时的值,即使这些属性实际上正在改变。这样为了正确的反映实际位置,运动对象不得不通过无线信道连续地把它们的位置信息发送给数据库。频繁的更新在性能、无线带宽和服务费用上付出的代价是相当高的。 当 LDQ 在系统中持续一段时间时就称为位置相关连续查询(LDCQ)。在指定的时间段内,数据库服务器不断地把查询得到的结果发送给查询对象。查询对象本身也可能作为一个被查询对象包括在其它查询中。对象的运动使得 LDCQ 难以处理。对LDCQ 的回答不仅依赖于数据库的内容,而且也依赖于查询的发起时刻。这意味着查询结果将随时间的不同而不同,需要进行连续的评估。一个 LDCQ 的结果可以用一个元组<object, begin time, end time>幢硎尽Ｋ砻鞔涌际笨蘠egin time到终止时刻endtime, 对象 object 满足查询条件。LDCQ 对于监视感兴趣的对象状态特别有用:一旦它们满足查询的条件,查询对象就能及时得到结果。 LDCQ 的研究主要集中在以下两个方面:移动对象数据库(MOD)技术和位置预测更新策略。本文的研究基于移动对象空间-时间数据模型(MOST)。这是一个采用了动态属性的移动对象数据库模型。动态属性可以作为时间的函数连续改变,而不需要显式的更新。查询的结果不仅依赖于数据库常量,还同查询的发起时刻有关。 I<WP=5>现有的位置预测技术的研究考虑了移动对象的位置偏差,但却没有对保证查询结果的准确度的误差范围作出限定。本文首先对查询结果可能产生的偏差大小做了分析,提出了查询结果准确度的误差量化标准。误差可以是位置误差或者是时间误差。当查询结果的偏差没有超过给定的误差限制时,就认为这个结果是准确的。由于移动对象和查询边界实际相交的位置和时刻事先难以确定,所以一般采用预测相交点作为参照点。本文对选取合适的系统参数使之满足给定的误差限制进行了讨论。研究结果表明,可以选择预测相交时刻移动对象的位置和查询边界上预测相交点的实际位置到预测相交点的距离,或者选择它们之间的距离,使之满足给定的误差限制。可以在此基础上确定查询边界偏差限和移动对象偏差限的相对关系。更新门限给出了查询对象偏差和移动对象偏差的上限。它的选择应当使得系统性能最优。为便于进行更新优化参数的选择,需要把系统性能做一个量化。信息代价就是一个系统性能的量化。信息代价的定义不同,偏差优化的结果也不同。本文对偏差优化进行了讨论,对信息代价在误差限制下的应用进行了修正和扩充。信息代价的修正是指设定误差限制后,需要保证查询的结果同时满足给定的误差限制。信息代价的扩充是指依据不同的侧重点,信息代价的定义也不相同。本文分别给出了累积偏差和最大瞬时偏差时的信息代价的定义。由于偏差优化与移动对象的运动方式也有关系,所以同一个信息代价定义下的优化结果也不相同。本文对累积偏差信息代价下的立即线性更新策略,延迟线性更新策略,和最大瞬时偏差信息代价下的随机运动优化进行了讨论。在本文提出的误差限制的量化标准的基础之上,本文又提出了相应的位置预测更新策略:距离更新策略(DBU)和选择区域更新策略(SAU)。事实上,移动对象和查询边界的距离远近不同,它们相交的可能性也不同,因而对查询结果的影响也不一样。DBU 依据它们之间距离的不同,给予移动对象不同的偏差限:使得越靠近查询边界,移动对象的偏差限越小;反之亦然。而 SAU 则通过给予不同区域内固定大小的偏差限来减少移动对象的更新次数和对计算容量的占用;同时通过延迟广播来减少广播信息数量。其好处是减少了大量的不必要的更新,减轻了系统负载。本文对提出的距离更新策略和选择区域更新策略进行了仿真,并同国际上的其它 II<WP=6>研究结果进行了对比。结果显示,这些更新策略在减少系统资源占用上具有更为优良的性能。然后本文还给出了选择区域更新策略中的参数选择的仿真结果和理论优化结果。迄今为止的查询策略研究都是在假定移动对象处于同一个网络覆盖中。而在蜂窝无线网络中,数据库服务器能够维护一个蜂窝网络框架的拓扑信息。这些信息包含小区的位置,并提供了必要的地理信息。利用这些给定的小区地理信息可以在一定程度上减少数据库位置更新的频率,从而降低系统负载。虽然已有文献对此有所提及,但却没有对如何利用小区的地理信息进行深入的研究。本文