一种结合加权Voronoi图索引的多偏好有序路径Skyline查询处理机制的制作方法

本发明公开了一种结合加权Voronoi图索引的多偏好有序路径skyline查询处理机制，主要用于在实时道路网中为用户返回满足要求的多偏好有序路径skyline查询结果，涉及到候选数据点提取、加权Voronoi图实现、多偏好计算、路径动态探索以及支配检验等技术。

背景技术：

Skyline查询返回数据库中不被其他数据点支配的数据点，为用户决策提供有效的数据依据。早在20世纪70年代，Skyline计算就以最大向量问题的形式出现，2001年Borzsonyi等人首次提出Skyline查询的概念，由于在多目标决策、数据挖掘和可视化、用户偏好查询等领域具有潜在的应用，Skyline查询受到了越来越多的关注，已经被集成到了商业数据库系统中，并且在用户优先选择查询、协作数据检索以及Web交互系统等实际应用中发挥重要的作用。随着无线通信技术和智能移动终端的迅猛发展，基于位置的服务(Location-based Services，LBS)被提出并得到迅速发展。LBS根据移动设备或用户的位置，提供与位置相关的查询服务，目的是在合适的地方为用户提供实时的信息，方便用户做决策。Zheng等人正式提出基于位置的Skyline查询，研究了基于单个查询用户位置信息的Skyline查询。

skyline操作已被应用到道路网中。一些研究兴趣点的连续Skyline查询中通过兴趣点的属性和到移动对象的距离连续地搜索skyline兴趣点。这些研究的结果是同类型的Skyline兴趣点，而非完整路径。Deng等人提出道路网中多源skyline处理问题，在路网中根据数据点的属性和到多位置的聚合距离找到Skyline点，例如找到距离沙滩、学校和植物园都近且便宜的skyline酒店，该问题主要是计算Skyline地标，用于比较数据点到不同查询点或者移动的用户之间的路网距离，但它只假定一种数据点类型(如酒店)。

一些寻找skyline路径的路网skyline查询问题考虑多种路径属性，例如距离、行程时间、气体排放量以及红绿灯情况，不同的路径在每个路径属性上有不同的值，通过比较属性值的支配关系，得到一些skyline路径以供用户选择一条最合意的路径，由于这些问题中的数据点类型一致，且路径访问没有顺序限制。Huang等人提出路网中的in-route Skyline查询，假设一个用户在给定的路线上移动，算法提供最小的绕道，使得用户访问分布在路线上的地标位置，例如，一个用户在回家的途中想要去让趟超市或者加油站。

本发明所提到的结合加权Voronoi图索引的多偏好有序路径Skyline查询处理机制，是加权Voronoi图索引和多属性偏好在有序路径Skyline查询中的首次应用，本发明将从实时路网上庞大的路径数据集中选取出满足用户要求的Skyline路径集，考虑多种数据点类型和路段的多种属性，由不同类型的数据点有序地组成的路径的聚合属性值作用于结果集，这些路径是有序的，符合用户偏好的。本发明提出一种道路网中对于多偏好有序路径的高效路径Skyline查询算法，首先，利用网格索引对海量的道路网数据集进行划分以提高数据检索效率；然后，算法在划分出的满足条件的数据集上动态有序地探索子路径，利用加权Voronoi图的权值叠加特性对有序路径上的每个属性进行下界估计，当某条子路径的下界估计值已被另一条路径支配，则该条子路径不可能被扩展成Skyline路径，删除该子路径，以完成裁剪过程，提高有效路径的检索效率；最后，结合用户偏好，返回给用户最符合要求的Skyline路径集。

技术实现要素：

[发明目的]：本发明主要解决在实时道路网中，通过采集用户查询信息及道路信息数据实现多偏好有序路径skyline查询的问题。

[技术方案]：本发明方案主要包括以下两点内容：

1.数据采集和初步筛选：

1)从实时道路网中采集每个路段的不同属性值，如距离、行程时间、交通灯个数、以及油耗等；

2)利用网格索引划分海量的道路网数据集，筛选出满足要求的小数据集；

2.加权Voronoi图索引的实现：

1)根据加权Voronoi图索引的特性，针对路段的每一个属性在道路网上构建加权Voronoi图索引，进行下界估算；

3.有偏好有序路径Skyline的查询：

1)动态地有序地探索道路网，得到子路径，利用下界估算裁剪掉不可能成为Skyline路径的子路径。

[有益效果]：本发明作为加权Voronoi图索引和多属性偏好在有序路径Skyline查询中的首次应用，拓展了路径Skyline查询的应用领域，且在实际生活中具有很强的实用性。另外，本发明可利用现有的普遍应用的各类移动设备如手机，平板电脑等，可为本发明的推广提供条件。最后，本发明的设计保证了整个机制的真实性。

附图说明

图1为本发明提出的系统结构流程图；

图2道路网中Voronoi图和加权Voronoi图索引的示意图；

具体实施方式

以下结合附图和具体实例对本发明做具体的介绍。

本发明主要有两部分组成：加权Voronoi图索引构建与多偏好有序路径skyline结果计算部分。可以用现有的地图、路况反馈为作为实时道路网的数据来源，用一个带有定位功能的终端设备作为用户位置的信号输入，用装有Intel5300的设备(笔记本或者台式机)进行定位处理以及多偏好有序路径skyline结果计算。

如附图1所示，采集完实时道路网路况数据之后，对路网中不同类型的数据点(用户想遍历的地点的类型)进行加权Voronoi图索引构建，计算有序Skyline路径集，并通过用户的偏好设置反馈给用户最合适的路径skyline结果集。具体实施过程如下：

步骤1：数据采集与初步删选

采集用户的查询信息以及实时道路网路况信息。从终端传送到服务端的关键字和时间顺序信息将被储存起来，例如“上午+电影院”、“下午+商场”等，用于获取道路网中不同类型的数据点信息，和数据点的遍历顺序；从现有的地图和实时路况反馈信息中获取路段不同属性信息，例如距离、行程时间、交通灯个数、以及油耗等。

收集完实时道路网信息和用户需求信息后，利用网格索引，对海量的道路网大数据集进行划分，选取部分满足实际要求的小数据集，例如实际生活中用户一般会考虑20公里路程以内的休闲或生活场所。

步骤2：实现加权Voronoi图索引

步骤2.1：将采集到的道路网信息和路段实时属性信息筛选成两部分，其中一部分为用户需要遍历的不同类型的数据点信息；另一部分为道路网路段信息，将此部分信息构建成多属性道路网邻接表MAL，它的结构为L(V，E)，其中V是点集(包括道路网顶点)，是边集，每一条边E上都有属性集W，W是d维正权值属性集。

步骤2.2：将用户遍历顺序中最后一位遍历的某一类型数据点从所有类型数据点中筛选出来，添加到多属性道路网邻接表MAL中。此时由于该类型数据点是遍历过程的终点，所以不需要对它们进行加权Voronoi图索引构建。遍历添加了数据点的MAL，将这些数据点作为道路网顶点，更新MAL中的顶点和边信息。

步骤2.3：将用户遍历顺序中前一类型的数据点从所有类型数据点中筛选出来，添加到MAL中，将这些数据点作为道路网顶点，更新MAL中的顶点和边信息。

根据加权Voronoi图索引的特性：

在一般Voronoi图中，存在点集P，点集中的点p∈R^d。平面中包含的所有点x∈R^d。根据给定的距离度量d(.，.)，Voronoi图将片面划分成小区域，使得每个区域中对应的点p∈P，都有

使公式取等的点在p的区域和p′的区域的边界上。当距离度量d(.，.)不同时得到的Voronoi图也不同。图2(a)为在欧式度量下二维平面上九个数据点的Voronoi图，定义VC(p)为包含点p的Voronoi单元，也称点p为Voronoi单元VC(p)的生成点。每个多边形的边都是两个相邻数据点的垂直平分线的线段，每条边称为Voronoi边，多边形的顶点称为点p的Voronoi顶点，对每个与p享有共同Voronoi边的点，称为p的Voronoi邻居，如p′。

假设点集P中的点具有权重w(p)∈R^d，我们定义加权的距离度量d(x，p)为D(x，p)+w(p)，其中D(x，p)为距离度量。为了不失一般性，假设D(x，p)为欧式距离。在欧式距离度量下，点集P的附加权重Voronoi(AWV)图将片面划分成小区域，使得每个区域中对应的点p∈P，都有

对MAL中顶点集V上每个顶点v记录下(u，p_v，d_v)，其中p_v是距离v最近的数据点，d_v是顶点v到数据点p_v的道路网距离D_n(v，p_v)。如果一条边[u，v]中距离两个顶点u和v的最近数据点不是同一点，即p_u≠p_v，则可知边[u，v]上存在p_u和p_v的两个Voronoi单元边界点。图2(b)为道路网中加权Voronoi图索引。

利用最小堆更新每个顶点的最近数据点和到该数据点的最短距离。

将属于同一数据点的所有顶点都存入到该数据点的Voronoi顶点集nvp中。构造完该类型所有数据点的Voronoi单元后，找到距离每个数据点p_i最近的上一个类型数据点p_i-1，将D(p_i，p_i-1)作为数据点p_i的权重值，此时D为道路网距离。

重复步骤2.3，直到所有类型的数据点均添加入MAL中。此时，每种类型的数据点的加权Voronoi图索引就构造完成。

重复步骤2.1-2.3，可构造出基于每个属性值的每种类型的数据点的加权Voronoi图索引结构。

步骤3：多偏好有序路径Skyline结果查询

构造完成加权Voronoi图索引结构后，依据最优有序路径的两个性质：1)最后一个点是序列中它的前一个点的最近邻点；2)序列中取任意点，该点之后的子队列均是这个点的最优有序路径。将点的最优有序路径的长度和记作它的权重。利用Voronoi图索引的近邻性质，分别画出不同类型的数据点的加权Voronoi图索引，即可得出起始点在哪个点的Voronoi单元中，而该点的权重即代表它的最优有序路径，由此可得出从起始点出发的最优有序路径。

根据用户给定的起点位置信息，开始动态地有序地探索道路网。

步骤3.1：根据用户定义的起点位置，将起点定位到在数据点的Voronoi单元中。从该Voronoi单元中可获取从起点出发的最优有序路径。由于对不同路段属性均构造了加权Voronoi图索引，所以可以获取到d条最优有序路径，这些路径可作为下界估算用来裁剪不可能成为路径Skyline的路径。

步骤3.2：从起点动态有序地探索地图，将获得大量的子路径，将他们存储入堆中。根据定理：给定MAL的路网邻接表L(P，E，W)和d维路径属性空间RAS，p’＝(v_s，…，v_i)是一条子路径。若RAS中属性向量p’.lb[]被另一条路径p∈P(v_s，v_t)的属性向量支配，则所有包含子路径p’的路径都不可能是Skyline路径。子路径p’被裁剪，不需要继续探索。可以利用最优有序子路径和最优有序路径来裁剪掉不可能探索成Skyline路径的子路径，将数据量大大删减。

重复步骤3.2，直到路径探索完毕，即可得到有序路径Skyline结果集。在根据用户的偏好，在给定的d维地图结构中，边的权重计算路径p在偏好向量П＝(π_l，...，π_d)下的偏好函数Pref_П(p)为：

Pref_П(p)＝∑π_l·cost^l(p)

偏好函数是边属性W的权重和，偏好向量定义了用户查询过程中每个属性的重要性，即可给用户返回符合他要求的多偏好有序路径Skyline结果集。

上面对本发明作了详细的说明，但是本发明并不限于上述的实施方式，在本领域的技术人员可以根据自己所具备的知识，对本发明做各种变化以达到更优的效果。