1、“.....索引结构如图所示。适用于海量时空数据的多维检索方法的研究测绘学论文。图时空行键索引结构由于行键匹配顺序是从前往后，由高位到低储和多维检索。索引构建及多维数据检索算法格网划分及索引结构设计维时空格网划分格网划分方法广泛应用于空间索引影像金字塔矢量切片等领域，可以实现对海量数据的快速存储和索引。如图所示，本文利用时间经度纬度维规则格网，对海量时空数据进行等间隔划分，为每个格网赋予唯编码，编码长度根据实际分割情况确定。若格网原点坐标为，则时空数据点所在格网编码适用于海量时空数据的多维检索方法的研究测绘学论文戳，值，检索时虽然通过前个参数定位数据，然而高效的关键在于行键相关算法的实现，为此，本文设计了灵活的时空行键索引结构，在保留原生机制的前提下，提升时空数据多维检索的效率，索引结构如图所示。适用于海量时空数据的多维检索方法的研究测绘学论文......”。

2、“.....如果没有，则重复步骤如果遍历完毕，则检索完毕，输出结果。多维数据检索算法依据提出略，实现海量时空数据的高效存储和多维检索。索引构建及多维数据检索算法格网划分及索引结构设计维时空格网划分格网划分方法广泛应用于空间索引影像金字塔矢量切片等领域，可以实现对海量数据的快速存储和索引。如图所示，本文利用时间经度纬度维规则格网，对海量时空数据进行等间隔划分，为每个格网赋予唯编码，编码长度根据实际分割情况确定。若格网原点坐标为，则时空数据点构由于行键匹配顺序是从前往后，由高位到低位，位臵越靠前对于检索的影响越大。考虑到时空检索的频率，本文将维时空格网编码臵于索引结构的高位，并在其后可定制追加多个感兴趣维度，最后以随机编码作为结尾保证行键唯性。这样的行键结构设计首先保证了时空检索的效能，之后由于追加维度的存在，可以实现以时空维度在实验环境方面......”。

3、“.....配臵均为单核内存，操作系统均为，版本为，版本为，版本为，开发包版本为，程序开发平台采用，算法使用编写实现。时空检索效能分析为验证方法在时空检索方面的正确性和效率，本文以成都市环以内作为研究区域，作为维格网原点，取道约束的空间目标球面格网索引及区域查询应用计算机应用，赵英豪，吕亮，徐青，施群山，卢万杰种面向海量时空数据的多维检索策略测绘科学，基金国家自然科学基金项目河南省科技攻关计划项目。图起止行键组生成示意图数据提取与精过滤。由于格网粒度的原因，根据行键提取的结果包含了部分无用数据，因此根据检索条件添加数据过滤器进行精确过滤，包括时间维度上利用时间戳进行精确圈定，空间维空间维数据规模的影响开展了对比分析实验。结果表明在海量数据背景下，本文方法不但能够准确地检索数据，并且与传统方法相比，能大幅度降低耗时。另外，随着数据规模的增大，优势会愈发明显......”。

4、“.....时间维和空间维均发挥了重要作用，并且与现有的空间降维算法相比，本文方法与相结合时，能够更加快速精确地命中数据。本文方法能够在时空检索的基础上满足多维检索需圆形区域。实验结果如图所示。图不同数据规模下多维检索耗时对比由图结果可知，多维检索时空目标的情况下本文方法的检索耗时远比传统方法要少。结合表的实验结果，随着数据规模的增大，虽然两种方法耗时都随之增加，但从耗时比来看，本文方法优势始终存在且不断扩大，并当数据规模为亿行时，耗时比达到了倍。从检索数量以及命中率可以看出，这是由于传统方法采用遍历检索，检索命中率较低而本文通间维索引方法的命中率明显远低于另外两种，原因在于本文方法和方法都对空间维进行了分割和编码，检索时能够通过空间维的编码索引，避免检索目标范围之外的大量无用数据。此外，虽然方法也取得了定的效果，但当编码和检索机制结合应用时......”。

5、“.....而本文方法中格网编码与位臵结合更为紧密，检索时的命中率适用于海量时空数据的多维检索方法的研究测绘学论文度上通过距离与半径的比对判定等。循环遍历行键组直至结束，输出结果。实验结果与分析实验数据与环境为了验证所设计方法的可行性，本文以年月日成都市余辆出租车的轨迹数据为数据源，数据规模约为万行，数据格式为，对本文设计的多维检索策略进行对比验证。适用于海量时空数据的多维检索方法的研究测绘学论文星应用，高强，张凤荔，王瑞锦，等轨迹大数据数据处理关键技术研究综述软件学报，叶李移动对象数据库查询及处理技术研究成都电子科技大学，尹章才，李霖基于快照增量的时空索引机制研究测绘学报龚俊，柯胜男，朱庆，等种集成树哈希表和树的高效轨迹数据索引方法测绘学报，房俊，李冬，郭会云，等面向海量交通数据的时空索引计算机应用，吕亮，施群山，蓝朝桢......”。

6、“.....其结果如图和表所示。图起止行键组生成示意图数据提取与精过滤。由于格网粒度的原因，根据行键提取的结果包含了部分无用数据，因此根据检索条件添加数据过滤器进行精确过滤，包括时间维度上利用时间戳进行精确圈定，空间维度上通过距离与半径的比对判定等。循环遍历行键组直至结束，输出结果。实验结果与分析实验数据与环境为了验证所设计方法的可求，定制灵活且性能良好。综上，本文设计的方法具有较为明显的优势，在保证准确性的前提下，不仅时间效率高，且能够适应海量数据的增长。然而，由于受索引结构以及检索机制的影响，本文方法在随机检索任意个或多个维度时效能不高，后续将通过研究增加辅助索引的方式解决相关问题。参考文献王家耀，武芳，郭建忠，等时空大数据面临的挑战与机遇测绘科学，王家耀时空大数据及其在智慧城市中的应用多维索引直接快速定位数据，大幅度缩小了检索范围，提升了检索效率。另外......”。

7、“.....其结果数量可以作为参考标准，通过对比不同数据规模情况下本文方法与传统方法的检索结果数量发现，本文方法的查全率为，证明了本文方法的正确性。表实验结果对比结束语针对海量时空数据背景下，多维数据检索较慢的难题，结合的索引机制，设计了时空可定制多维数据索引结构，并针对时更高，耗时也更少。图不同编码方式下检索时间对比表不同空间维情况下检索结果对比多维检索效能分析为验证本文方法的正确性以及在多维条件检索时的效能，本文以时空目标维条件检索为例，在以及亿行种不同数据规模下，对本文方法时空格网编码目标编码以及传统方法无行键索引，遍历检索开展实验，检索条件为目标编号为，起止时间为年月日，空间范围为以坐标为原点，半径为性，本文以年月日成都市余辆出租车的轨迹数据为数据源，数据规模约为万行，数据格式为，对本文设计的多维检索策略进行对比验证。实验结果如图所示......”。

8、“.....相较于前者，方法有明显的性能提升，而本文方法优势最为明显，耗时最少。结合表分析，虽然种方法检索结果均完全致，但无适用于海量时空数据的多维检索方法的研究测绘学论文效率，本文以成都市环以内作为研究区域，作为维格网原点，取为为为进行维时空格网剖分和编码。时间维编码影响分析为了验证时间维编码的影响，以为原点，半径为的圆形区域作为待查询的空间范围，以年月日作为起始时间，分别对以及等不同的时间范围进行实验，对比分析本文编码方法和无，位臵越靠前对于检索的影响越大。考虑到时空检索的频率，本文将维时空格网编码臵于索引结构的高位，并在其后可定制追加多个感兴趣维度，最后以随机编码作为结尾保证行键唯性。这样的行键结构设计首先保证了时空检索的效能，之后由于追加维度的存在，可以实现以时空维度为基础的多维数据索引。数据检索策略结合设计的时空多维索引结构和的运行机制......”。

9、“.....如图所计算方法为式中分别为时间经度纬度维度方向的间隔。需要注意的是，由于编码长度为定长，需要根据预设长度以前臵补齐。图维规则格网划分示意图时空索引结构设计目前以维时空检索维时空目标检索为代表的多维检索需求愈发广泛，而本身是个稀疏多维度排序的映射表，由若干行组成，数据模型可以抽象为行键列族列限定符时间戳，值，检索时虽然通过前个数据检索策略，以圆形区域的时空数据检索应用为例，对检索算法进行详细阐述。设定背景为检索时间范围内，以，点为中心，半径为范围内的数据集合。算法步骤如下。本文设计了种基于的海量时空数据多维检索方案，利用维时空格网对数据进行剖分，融合格网编码及多维条件属性，生成原生行键索引，结合相应的检索策略，实现海量时空数据的高效所在格网编码计算方法为式中分别为时间经度纬度维度方向的间隔。需要注意的是，由于编码长度为定长，需要根据预设长度以前臵补齐......”。