空间数据库查询

空间数据库查询

最近邻查询（NN）

最近邻(Nearest Neighbors, NN)查询作为基于位置服务的重要支持性技术之一，引起了众多学者的广泛关注和深入研究。这种查询类型通常应用于内容的相似性检索、模式识别、地理信息系统(Geographic Information System, GIS)等。
最近邻查询问题是由 Knuth在1973年提出来的，即邮局问题。可以简单描述为：给定N 维空间内的 n 个点所组成的集合 S，将这 n 个点存储在一种数据结构中，使得对于空间内的任何查询点 q，都可以有效地找到它的最近邻，即在 S中找到一个点 p，使其到 q的距离最近。最近邻的数目可以是一个，也可以是多个即k-NN。例如，某一用户可能在屏幕上点击一个特定的位置或者一个目标，要求系统查找并返回数据库中5个距离它最近的对象。由于空间数据量庞大，数据结构复杂，操作代价昂贵，因此空间查询的优化是人们所关心的问题，其中最近邻查询也成为空间查询研究中的难点和热点。
最近邻查询定义：给定数据集 S 和一个查询点 q，最近邻查询即，求得 S 的一个子集 NN(q)：

其中，D(p,q)为两点 p 和 q 之间的距离。
目前许多国内外学者已经对最近邻查询进行了大量的研究。主要研究k近邻查询、组最近邻查询、障碍最近邻查询、障碍组最近邻查询、障碍组k最近邻查询等。

反向最近邻查询（RNN）

反向最近邻(Reverse Nearest Neighbor, RNN)查询问题最早是由F.Korm和S.Muthukrishnan在2000提出的 [12],是一种在最近邻查询基础上提出的新的查询类型。它主要应用于资料库文件搜索、生物资讯、地理信息系统(GIS)、决策支持系统、市场决策等领域。
反最近邻查询定义：给定数据集 S 和一个查询点 q，反最近邻查询即求得 S 的一个子集 RNN(q):

其中，D(p,q)为两点 p 和 q 之间的距离。
目前许多国内外学者已经对线段最近邻查询进行了研究。研究的方向主要有反向k近邻查询、线段反向最近邻查询、概率阈值反向最近邻查询、组反k最近邻查询等。

线段最近邻查询（LNN）

首先计算两条线段的距离：
线段L与线段K的距离dist(L,K)定义为

然后给出线段最近邻的定义，如下：

目前许多国内外学者已经对线段最近邻查询进行了研究。研究的方向主要有线段k近邻查询、线段组最近邻查询、障碍线段最近邻查询、障碍线段组最近邻查询等。

线段反向最近邻查询（LRNN）

反向最近邻查询主要集中在点对象的研究上，然而有些空间对象无法抽象为点，如河流、道路。将这些空间对象抽象为平面线段，提出基于线段的反向最近邻查询。

聚集最近邻查询（ANN）

Papadias 等人于 2005 年首次提出聚集最近邻查询问题。此后，聚集最近邻查询被众多国内外学者们所关注和研究，同时也取得了许多研究成果。
聚集最近邻查询是空间多点查询的一种，其查询结果依赖于指定的聚集函数，其形式化定义如下：

给定目标对象集合 P、查询点集合 Q 和聚集函数 f，聚集最近邻(ANN)查询就是在集合 P 中找出一个目标对象 p，使函数
的值最小。其中，聚集函数 f 可以是 sum，max，min 函数。如图 2.6 所示，若聚集函数 f 是 sum，则 ANN 查询结果应该为{p1}；若聚集函数 f 是 max，则 ANN 查询结果应该为{p2}；若聚集函数 f是 min，则 ANN 查询结果应该为{p3}。
目前研究的有欧氏空间的聚集最近邻查询技术和路网环境中的聚集最近邻查询技术。
参考 聚集最近邻技术研究.

近邻对查询

所谓近邻对查询就是在数据集中查找数据点和它的最近邻、数据集中互为最近邻的数据点对及数据集中的最近对。近邻对查询可被应用到地理信息系统、设施定位、图像处理、交通管制、网络查询、空间数据库和多媒体数据库等多种领域。其定义如下：

参考 网络环境中近邻对的查询方法.

最远邻查询（FN）

由于空间数据库平面线段最远邻属于新兴科研范畴，包含着重大的理论和应用价值，因此是专家学者突破的新点与热点。平面线段最远邻查询是在点间搜索问题、点同线段搜索问题、线段间搜索的基础上提出来的。


参考 空间数据库最远邻问题研究.