随着定位技术与无线通信技术的迅速发展,对移动对象进行跟踪与定位变得可行与必要。移动对象信息管理在交通监测、舰船导航、移动计算、气象预测、电子战场等诸多领域有着广泛的应用。移动对象信息随时间不断发生变化。以上特性决定了传统的数据库技术无法提供对于移动对象信息的有效管理,由此移动对象数据库相关研究被提出。移动对象数据库是对移动对象的位置及其相关信息进行表示和管理的数据库,它已成为一个新兴的热点研究领域。MOST模型是目前广泛采用的移动对象位置模型,本文在深入研究MOST模型的基础上,对其做了更进一步的数据抽象,提出了MOST*模型。MOST*模型将运动函数中变化频繁的速度与不甚频繁的其余部分分离,并使多个对象可共享同一个运动函数公式,运动函数公式可以预先计算出来存放在共享列表中。本文从理论和实验两方面分析了MOST*模型的更新性能。在移动对象数据库中,最近邻查询用于查询距离某个对象最近的一个或多个移动对象。本文在TPR树这一索引结构的基础上,提出了DF算法和BF算法,这两种算法可以完成动态条件下移动对象未来最近邻的连续查询。实验证明,BF算法优于DF算法。在此基础上,本文提出了一种通过一次遍历TPR树便可找到多个最近邻对象的查询方法——KNN算法。该方法支持动态条件下多个最近邻移动对象的查询,并在性能上较BF算法有较大的提高。最后,对TPR树进行优化。优化前,采用的更新策略是周期性重建索引;优化后,采用的策略是仅当一个移动对象的速度或者方向改变影响上一级边界矩形的速度时,才对TPR树进行局部调整。实验证明,TPR树优化后,上述三个算法移动对象最近邻查询时间均减少了。