道路网络中移动对象的索引研究

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:wangyiming1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了能有效地实现网络中移动对象的过去、当前和将来轨迹的查询,提出了一种L2R索引,它由两层R树和一个链表结构组成。两层R树用以索引道路网络和移动对象过去的运动,对象当前的位置和将来的预测轨迹信息保存在链表中。L2R索引不仅可以支持网络中的移动对象的轨迹查询,尤其是可方便的在纵向链表中查询在同条路线上的所有对象。在此索引基础上文中实施了对移动对象的范围查询和点查询,最后通过实验表明L2R结构的索引和查询性能均要优越于TPR树。
其他文献
大约在八年前,我曾写过评论柳学健花鸟画的文章。而今,看到他创建的京口美术馆和这些年的新作,很是欣喜。我感觉到他大步前行的、深深的履痕,那印记是令人难忘的。柳学健的花
针对数据库水印鲁棒性与不可感知性的矛盾,提出了一种基于小波变换(DWT)的数据库鲁棒性盲水印算法。算法首先利用筛选算法筛选出可嵌入水印的候选属性,并进行子集分割与重排,然后
提出结合自适应邻域法与遗传算法来求解TSP问题。在自适应邻域法中,从某个城市出发,下一城市不一定是其最近城市,而是在比其最近城市稍远的邻域范围进行动态随机选取。在求解TSP
传统的在线估计图像雅可比矩阵的方法没有考虑时延因素,因此具有较大的估计误差。为了补偿时间延迟,提出一种新的带时延补偿的图像雅可比矩阵估计方法。该方法利用卡尔曼滤波估计特征点在图像空间中当前时刻的位置和速度,进而计算当前时刻较为准确的图像雅可比矩阵估计值。仿真和实验结果表明,该方法显著地提高了系统的性能,从而验证了提出的带时延补偿的图像雅可比矩阵在线估计方法的可行性和优越性。
实时、准确的交通流预测是智能交通诱导实现的前提和关键。针对BP神经网络学习过程收敛速度慢、容易陷入局部极小的缺点,引入智能神经元组成的广义神经网络建立交通流预测模
针对SPARC处理器指令集流水线的特点,利用开放式排队网络对SPARC模拟器的指令流水线进行建模,根据实际工程项目中SPARC指令的分布和指令在流水线模块中的流动情况,对所建立的流