基于位置服务的空间查询在交通导航、救援服务以及数字战场等诸多领域有着广泛的应用前景。近年来,随着无线通信和全球定位系统(Global Positioning System,GPS)定位技术的发展,移动环境下的查询技术的研究已经成为移动数据库领域的热点。由于移动环境下的查询对象和被查询对象均是不断变化的,因此移动环境下的查询比较复杂,并且研究成果较少。连续查询不同于只需计算一次的传统查询,它需要在一段时间内持续维护查询结果,因此在移动环境下实现起来更加具有挑战性。本文主要针对移动环境下的两类空间查询技术展开研究,分别是连续范围查询和连续K近邻查询。首先,Del-VGQ索引是一个层次索引,由Delaunay三角网和虚拟网格四分树(Virtual Grid Quadtree, VGQ)构成。它具备了VGQ索引的快速定位特点和Delaunay三角网能表达对象的邻近性质,该索引适合做移动查询,但是该索引不能直接完成连续移动查询,因此本文扩展了Del-VGQ索引。通过分析移动环境下对象的特性,本文在扩展后的Del-VGQ索引的基础上提出了连续范围查询算法DelVGQRangeQuery并且证明了该算法的准确性。接着本文为了验证算法的性能进行了仿真实验。实验结果表明基于区域覆盖的连续范围查询比用TPR-树索引下的连续范围查询的cpu时间快了一个数量级。其次,本文分别在VGQ索引和扩展后的Del-VGQ索引的基础上提出了两种连续K近邻查询算法VGQKnnQuery和DelVGQKnnQuery,并且分别给出了两种算法的正确性证明。接着本文为了验证算法的性能进行了仿真实验。实验结果表明,VGQKnnQuery的查询响应时间慢于DelVGQKnnQuery的查询响应时间,而更新时间前者较快。这是由两个索引的结构和查询算法执行的过程决定的。另外,DelVGQKnnQuery对大数据量具有很好的适应性。最后,本文对路网环境下的连续K近邻查询进行了研究。上述的连续K近邻查询是用欧式距离作为移动对象间的距离,而路网环境下的连续K近邻查询的距离是移动对象间的最短路径距离。因此本文先对路网进行建模,接着利用建好的路网模型实现连续K近邻查询并对查询算法完成正确性证明,最后为了验证算法的性能做了仿真实验。实验结果表明本文的连续K近邻算法CMKNN的cpu时间比传统的IMA算法快了一个数量级。