随着物联网技术和基于位置的服务(LBS)的快速发展,位置感知服务在日常生活中发挥着越来越重要的作用。基于物联网技术和LBS采集到的数据通常带有时间域和空间域特性,称之为时空数据。连续到达的时空数据称为时空数据流,它具有实时性、无限性、突发性等特点。对于流式时空数据需要新的查询处理技术来处理,传统空间索引的批量装载方法,如R树,不适用于时空数据流场景,他们通常只考虑静态数据或批量更新。然而,对于时空流数据,现有的批量构造方法不能实时或近实时处理。本文基于分布式索引技术和R树批量装载技术,提出了一种面向时空数据流的分布式索引。该索引采用时间窗口机制将时空数据流切分为连续的时间窗口处理单元,然后使用针对时空数据流优化的R树批量装载算法为每个时间窗口构建一棵内层R树,将每个时间窗口的时间信息和对应的R树根节点信息组成<key,value>元组,用于构建外层B+树。通过外层B+树、内层R树组成的两层分布式索引结构,实现了海量时空数据的高效存储,并可对外提供低时延、高并发的索引服务。本文的主要贡献如下:1)基于对时间窗口内数据双重排序的思想,提出了一种称为DSortLoad的新型批量装载算法。DSortLoad将批量装载技术与数据流特征结合起来,通过先构建R树骨架,随后将键分配给树的方式来构造索引。2)提出了一种名为SSortLoad的批量装载算法。SSortLoad首先收集一定数量的采样数据,然后使用经过排序的采样数据来推导时空数据分区方案,而不采用DSortLoad和STR的先对全量数据排序再分组的耗时操作。SSortLoad的构造速度比DSortLoad快得多,具有低时延和大吞吐量的特性。SSortLoad可以快速对外提供查询服务。3)提出了一种面向时空数据流的两层分布式索引系统。该索引的上层采用B+树索引时间域,下层采用R树索引空间域,并结合一致性哈希算法,将索引构建、数据存储、数据缓存进行了有效的分离,在实现海量时空数据高效存储的同时,对外提供了高并发的查询服务。