1、无线广播环境下的空间范围查询处理 摘要：为实现无线广播环境下快速且低能耗的空间范围查询，提出了一种基于网格空间索引的范围查询处理算法（RQGSI）。该算法在服务器端对空间数据对象建立网格空间索引以缩短调谐时间，并按Hilbert曲线填充顺序对划分后的网格进行调度以优化访问时间；在客户端设计了查询处理算法对数据对象进行过滤和剪枝；最后，通过模拟实验验证了RQGSI算法的性能。实验结果表明，RQGSI算法比基于R树的索引（RI）算法在调谐时间上降低约10%，在访问时间上原文为“提升”但按意思是否应为“降低”？是改为“降低 降低约8%，RQGSI算法可以实现更快且更低能耗的范围查询。 关键词：无线广
2、播；空间范围查询；网格空间索引；调谐时间；Hilbert曲线；访问时间 中图分类号： TP311.13 文献标志码：A 英文摘要 Abstract：In order to realize fast and energyefficient spatial range query in wireless broadcast environment， a Range Query based on Grid Spatial Index （RQGSI） algorithm was proposed. On the server， grid spatial index was established fo
3、r all data objects to shorten tuning time， and then the meshed grid was scheduled according to the Hilbert curve filling order to optimize access time. On the client， the query processing algorithm was designed for filtering and pruning the data objects. Finally， the simulation experiments verified
4、the performance of the proposed RQGSI. The experimental results show that， compared with the Rtree Index （RI） algorithm， the RQGSI algorithm reduces tuning time by about 10%， decreases原文为increases，应改为decreases access time approximately by 8%， and it can achieve faster and lower energy consumption ra
5、nge query. 英文关键词 Key words： wireless broadcast； spatial range query； grid spatial index； tuning time； Hilbert curve； access time 0 引言 移动通信技术的快速发展和移动设备的广泛普及，促进了位置相关服务的产生和发展。位置相关查询是支持位置相关服务的一项关键技术，已受到国内外学者的普遍关注，是数据库领域的一个研究热点1-2。但目前的位置相关查询处理方法主要基于按需访问模式，对服务器处理能力及网络带宽有严格要求，只能适用于轻负载系统3-4。而周期广播是服务器端主动地通过无
6、线信道将信息广播给用户，允许任意数量的用户同时访问数据库，且不必提交用户信息到服务器，从而具有保护用户隐私的特性。因此，一些学者开始研究周期广播环境下的位置相关查询。 文献5提出了gridpartition索引应用于无线数据广播环境下的最近邻查询，有效地减少了用户的调谐时间。文献6提出了一种可调节的分布式索引结构，并提出了有效的最近邻查询处理算法，同时优化了调谐时间和访问延时。文献7提出了基于Rtree的索引树结构来支持k近邻查询，该方法虽能优化调谐时间，但访问延时过长。文献8在 Rtree 结构中增加一些有用信息，通过广播修改的 Rtree 索引结构来完成k近邻查询，该方法在减少调谐时间的同
7、时也保证了较短的访问时间。文献9提出了一种新的时空查询处理算法来支持连续k近邻查询，有效地节省了移动设备的能量。然而以上算法都不能很好地适用于范围查询。文献10 虽提出了一种线性的完全分布式的结构可以支持范围查询，但该方法访问效率不高。因此如何实现周期广播环境下快速且低能耗的空间范围查询是当前亟待解决的问题。 针对以上问题，本文提出一种基于网格空间索引的范围查询处理（Range Query based on Grid Spatial Index，RQGSI）算法。该算法在服务器端先将所有数据对象建立网格空间索引，并按（1，m）模式11分布索引信息以降低调谐时间，然后采用Hilbert曲线12填
8、充规则广播各网格以缩短访问时间。客户端进行范围查询时，根据其位置信息和查询半径对数据对象进行过滤和剪枝求得最终查询结果集，从而进一步优化调谐时间。 1 相关知识 1.1 （1，m）索引分布 （1，m）索引分布是数据广播索引技术中最常见的索引分布模式，该模式将一个周期内的数据平均分为m个数据段，在每个数据段前面附加一个索引段，如图1所示。 1.2 Hilbert曲线 Hilbert曲线是空间填充曲线的一种，有效地实现了从多维空间到一维空间的转换，具有最优的数据聚类特性，即在有效地降低空间维度的同时极大地保证了在多维源空间中相邻对象在目的一维空间中也相邻的关系。基本的Hilbert曲线的构造过程如
9、下：首先将一个正方形分割为4个小正方形，接着从左下角的小正方形开始，画一条线经过所有小正方形，最后到达右下角，该线就为1阶Hilbert曲线，如图2（a）所示。然后将这个正方形分成16个小正方形，同理，从左下角出发遍历所有的格子最后到达右下角，得到2阶Hilbert曲线，如图2（b）所示。无限多次地迭代后，曲线经过了方格上所有的点，从而得到完整的Hilbert曲线。 Hilbert曲线按照以上填充方法，将整个数据空间划分为若干单元格，每个单元格大小相等，并且互不重叠。然后为每个单元格配备一个具有特殊意义的唯一标识符，代表空间中特定的目标对象，从而实现多维空间对象到一维线性目标的一一映射。 2.
10、2 算法思想 RQGSI算法分为服务器端索引及调度算法和客户端查询算法两部分。在服务器端对数据对象建立网格空间索引，并按Hilbert曲线填充规则调度网格，在客户端设计查询处理算法进行过滤和剪枝。算法具体由3个阶段组成： 1）对数据对象建立网格空间索引，并将索引按（1，m）方式插入到各数据段前端。 2）对划分后的网格按Hilbert曲线填充规则进行调度，各网格内所有对象逐个调度，即同一网格内的数据对象放在本周期内的连续位置。 3） 客户端根据自己所在位置和查询半径有选择性地侦听广播信道，过滤掉不在查询范围内的对象，获取初始结果集，然后进行剪枝，求得最终精确访问对象集合。 2.3 算法设计 2.
11、3.1 网格空间索引 本文已将空间数据对象的地理位置转换为对应的二维直角坐标系坐标。所有对象初始都位于一个大正方形范围内，正方形的左下角坐标为（xmin，ymin），右上角的坐标为（xmax，ymax），网格边长为h。将整个区域分为ss个网格，令S=ss。图4显示了例1中44的网格划分。 按以上方法在服务器端对数据对象建立网格索引，建立后的索引按（1，m）模式进行分布，即将一个周期内的数据对象先等分为m段，然后在各数据段之前附加一个索引段，索引段包含网格划分信息和S个指针，其中网格划分信息包括（xmin，ymin）、（xmax，ymax）以及网格的边长h，而指针指向各网格的下一次广播时间。通过
12、网格空间索引，客户端可以很快获得与查询区域有关联的网格到达时间，过滤掉查询区域之外的网格，从而进一步优化调谐时间。 2.3.2 广播调度方法 由于无线数据广播只能线性地顺序访问，而 Hilbert 曲线具有降低维度及数据聚类的最优特性，因此将划分后的网格按照 Hilbert 曲线的填充顺序进行调度，使得大部分在空间相邻的对象在线性的广播信道上也能保持相邻关系。具体过程如下：记划分后的网格数目为S，根据公式n=lb S/2，求得Hilbert曲线的阶n，然后按n阶填充曲线的顺序广播所有网格。而对于每个网格内的数据对象采用逐个广播的方式，各数据对象皆含有即将广播索引段的下一次广播时间。 服务器端通
13、过以上方法对数据对象进行广播，使得处于查询范围内的数据对象尽可能出现在同一周期内的连续位置，从而缩短了用户的访问时间。 2.3.3 客户端查询算法 给定一个查询点的位置及查询半径，客户端查询处理算法如算法1所示。 算法1 SRQ算法。 输入 查询点位置q.l，查询半径r，数据对象集合O； 输出 查询范围内的所有对象集合C。 1）侦听广播信道，如是数据对象信息（其中包含最近广播索引段的到达时间），则转入休眠状态直到下一网格索引信息到来时再进入广播信道。 2）获取网格索引信息。 3）计算以q为中心、以r为半径的区域范围所关联的全部网格，称之为候选网格。 4）将候选网格按广播时间先后顺序排序，并建立
14、一个对象数组。 5）从第一个候选网格开始对每个网格进行如下操作： 移动设备保持休眠状态； 当网格被广播时客户端进入信道； 获取网格中的全部对象放入数组。 6）对于数组中的每个对象做以下操作： 判断对象与查询点的距离dist（o.l，q.l）是否超过半径r，如果dist（o.l，q.l）r，则将其放入结果集C；否则对下一个对象进行判断。 7）返回结果集C。 SRQ算法主要包括以下3个步骤： 步骤1 侦听广播信道，获取第一份网格索引，根据查询点q的坐标和查询区域半径r，计算出与查询区域有交叉的网格作为候选网格，从而过滤掉查询范围之外的网格。通过该索引的指针数组，用户获得了所有候选网格的下一次广播时
15、间。 步骤2 客户端将所有候选网格按广播时间先后顺序排序，然后等待第一个候选网格被广播，在等待过程中移动设备保持休眠状态。当第一个候选网格到来时用户侦听广播信道，获得该网格的所有对象。重复以上过程，直到获得所有候选网格的候选对象。 步骤3 客户端计算所有候选对象的位置与查询点的距离，如对象距离查询点超过查询半径则进行剪枝，从而得到最终精确查询结果集。 仍以例1的范围查询来举例说明客户端查询算法，服务器端通过图5的调度和索引方式来广播数据对象及索引信息，假设某一时刻客户端侦听信道，获得本周期的第一份网格索引，通过网格划分信息，用户求得与查询区域有关联的候选网格s33，s34，s44，s43及各网
16、格的下一次广播时间。接着等待第一个候选网格，在第一个候选网格到来之前客户端保持休眠状态，待网格到来时读取数据对象o12和o13。同理，依次读取数据对象o3，o5，o7，o6，o10，最后客户端根据自己所在位置求出查询范围内的o13，o7及o6，作为查询结果集返回给用户。 3 实验 这部分通过模拟实验评估RQGSI的算法性能。选择一种基于R树的空间索引RI方法进行对比，此方法采用R树来划分和索引数据对象，各节点按层次遍历的顺序广播。选取数据广播系统中访问时间（Access Time，AT）和调谐时间（Tuning Time，TT）两个最重要的性能指标作为评价标准。 3.1 实验环境 本实验通过一
17、个模拟器用C+语言来实现移动数据广播环境下的范围查询。模拟器包括3部分：一台服务器、一个无线广播信道和一组客户端。服务器组织网格索引信息和数据对象，并周期性地通过一个可靠广播信道将索引信息和数据对象广播给客户端，客户端能够识别广播数据是否是所需数据。实验采用随机生成的300个查询点进行范围查询，取300次查询结果的平均值作为每组实验的结果。为简单起见，实验中假设无线广播信道带宽不变（取核实单位2Mb/s，是3G网络的常见带宽），因此AT和TT分别用等待的数据大小和下载的数据大小来表示（以核实单位KB为单位）。系统在一个带有2GB内存和Pentium 2.2GHZ双核CPU的计算机上运行。 3.
18、2 实验结果及分析 3.2.1 实验1：网格划分S的影响 假设有1000个数据项，查询半径为0.05D，其中D为整个地图的直径。从图6可以看出，RQGSI索引的TT和AT都优于RI算法。在TT上，通过RQGSI索引的网格索引部分，用户可以很快过滤掉不在查询范围内的对象；在AT上，RQGSI采用的是部分索引m次分布模式，且按Hilbert曲线填充顺序调度网格使得用户需访问的数据对象尽可能连续地被广播，比RI层次组织模式的数据聚集性强。由于RI索引结构与网格划分大小无关，因此图中RI方法的TT和AT保持不变。 3.2.2 实验2：数据对象个数N的影响 设定查询半径为0.05D，S=64。由图7（a
19、）可见，两种算法的调谐时间都有所增加，但RQGSI索引的TT优于RI方法，这是由于RQGSI不仅在服务器端对TT进行了优化，而且在客户端对查询对象进行了过滤和剪枝，从而进一步缩短了TT。在图7（b）中，数据对象个数的增加必然会加大广播周期的长度，延长用户的访问时间。虽然两个算法访问时间都有所增加，但RQGSI算法采用了Hilbert曲线填充规则进行调度，因此与RI算法相比，RQGSI算法的访问效率更高。 3.2.3 实验3：查询半径r的影响 本实验设定N=1000和S=64，查询半径r分别取0.01D、0.02D、0.05D、0.1D和0.2D。由图8（a）可见，查询半径较小时RQGSI的TT
20、也较小，因为RQGSI索引包含了网格划分索引信息，用户可以很快过滤掉查询范围之外的对象。而随着查询范围变大，则过滤的网格就变少，而用户需侦听的TT也随之增加。随着查询半径的变大，需访问的对象数目增多，从而访问时间变长，如图8（b）所示。从图8可以看出，RQGSI方法在TT和AT方面性能仍优于RI方法。 4 结语 为了实现无线广播环境下快速且低能耗的空间范围查询，提出了一种基于网格空间索引的范围查询处理算法。算法在服务器端设计了网格空间索引结构及（1，m）索引分布模式来缩短调谐时间；为提高访问效率，对划分后的网格按Hilbert曲线填充规则进行了调度；在客户端设计了查询处理算法以进一步优化调谐时
21、间。模拟实验考察了算法的调谐时间和访问时间，并与RI算法进行比较。实验结果表明本文算法与RI算法相比在调谐时间上降低约10%，在访问时间上降低原文为“提升”应改为降低 约8%。下一步研究将考虑关键字因素，以更好地适用于范围查询应用。 参考文献： 1GAO Y， ZHENG B， CHEN G，et al. Continuous visible nearest neighbor query processing in spatial databases J. The VLDB Journal， 2011， 20（3）： 371-396. 2HUANG YK， CHEN CC， LEE C. Co
22、ntinuous knearest neighbor query for moving objects with uncertain velocity J. GeoInformatica， 2009， 13（1）： 1-25. 3MOURATIDIS K， YIU M L， PAPADIAS D， et al. Continuous nearest neighbor monitoring in road networks C/ Proceedings of the 2006 32nd International Conferences on Very Large Data Bases. New
23、 York： ACM， 2006： 43-54. 4HUANG YK， CHEN ZW， LEE C. Continuous knearest neighbor query over moving objects in road network C/ Proceedings of the 2009 Joint International Conferences on AsiaPacific Web and WebAge Information Management， LNCS 5446. Berlin： Springer， 2009： 27-38. 5ZHENG B， XU J， LEE WC
24、，et al. Gridpartition index： a hybrid method for nearestneighbor queries in wireless locationbased services J. The VLDB Journal， 2006， 15（1）： 21-39. 6LI Y， LI G， ZHANG C， et al. Optimizing the nearest neighbor query processing under wireless broadcast environments J. Journal of Huazhong University o
25、f Science and Technology： Natural Science Edition， 2013， 41（2）： 76-80.（李艳红，李国徽，张聪，等.无线广播环境下最近邻查询处理的性能优化J.华中科技大学学报：自然科学版，2013，41（2）：76-80.） 7GEDIK B，SINGH A， LIU L. Energy efficient exact kNN search in wireless broadcast environments C/ GIS04： Proceedings of the 12th Annual ACM International Workshop
26、 on Geographic Information Systems. New York： ACM， 2004： 137-146. 8LIU CM， FU SY. Effective protocols for kNN search on broadcast multidimensional index trees J. Information Systems， 2008， 33（1）： 18- 35. 9PARK K， CHOO H， VALDURIEZ P. A scalable energyefficient continuous nearest neighbor search in w
27、ireless broadcast systems J. Wireless Networks， 2010， 16（4）： 1011-1031. 10ZHENG B， LEE WC， LEE K C K， et al. A distributed spatial index for errorprone wireless data broadcast J. The VLDB Journal， 2009， 18（4）： 959-986. 11YU P. Research on data broadcast scheduling and air indexing in wireless enviro
28、nments D. Shanghai： Fudan University， 2008.（余平.无线数据广播调度与索引技术研究D.上海：复旦大学，2008.） 12MOKBEL M F， AREF W G， KAMEL L. Analysis of multidimensional spacefilling curves J. GeoInformatica， 2003，7（3）： 179-209. 13VERMA S， KUMARI S， RAKHEE， et al. Time efficient indexing technique for querying location dependent data in wireless broadcastJ.International Journal of Computer Application， 2010， 7（10）： 1-6.第 13 页 共 13 页
