[发明专利]移动环境下基于大规模反近邻查询的物流调度系统

权利要求书

1.一种移动环境下基于大规模反近邻查询的物流调度系统，其特征在 于：该系统包括云中心服务系统和智能移动客户端系统，云中心服务 系统用于进行倒排网格索引的建立，以及执行分布式大规模反近邻算 法，智能移动客户端适应不同用户功能需求与使用习惯，通过内置的 定位系统和运营商的基站，以及依托网络获取自身的实时空间地理位 置，发起物流快递相关查询请求，并与云中心服务系统进行信息交互。

2.根据权利要求1所述的移动环境下基于大规模反近邻查询的物流 调度系统，其特征在于：当发件客户发出发送物流快递相关请求后， 由智能移动客户端的定位系统自动采集并提交发件客户和发件客户 附近的物流货车的位置信息至云中心服务系统，云中心服务系统通过 采集到的发件客户和发件客户附近的物流货车的位置信息，建立发件 客户位置信息的分布式倒排网格索引，并对发件客户位置及其附近物 流货车的位置进行分布预处理，且按照需要进行定期动态更新；由云 中心服务系统使用倒排网格索引进行分布式时空信息的反最近邻查 询，并返回最优物流货车信息给发件客户。

3.根据权利要求2所述的移动环境下基于大规模反近邻查询的物流 调度系统，其特征在于：倒排网格索引的处理步骤具体为：给定空间 数据集P与Q，P与Q是由欧几里德空间数据点组成的集合，数据集 P具有客户位置以及Q具有物流货车位置信息，对于P中的客户位置 点p，来查询q∈Q在数据集Q的位置用表达式q(x,y)表示，点q包 含物流车的位置信息及其周边的客户信息，将以上大数据集文件存储 到分布式文件系统HDFS上，HDFS会自动将其分割成很多数据分块， 每个Mapper读入一个输入数据分片，然后每个Mapper分析数据分片 中的空间数据点，并计算出空间数据点到网格单元格的映射，最后 Mapper把单元格p(i,j)在网格当中的位置作为key，把点q(x,y) 的位置信息作为value，并将该<key,value>对应输出，Reducer则 读取Mapper的数据输出，并收集相同单元格(key)中的点数据，然后 洗牌输出单元格索引和包含在该单元格中的点的集合。

4.根据权利要求1-3任一项所述的移动环境下基于大规模反近邻查 询的物流调度系统，其特征在于：大规模反近邻查询(SRNN)的定义为： 假设有一个由空间对象p组成的N维空间D以及查询对象q，反最近 邻查询是通过遍历所有对象p∈P并找出满 足:RNN(q)＝{p∈P|Dist(p,q)＜Dist(p,p')},这里的Dist()是两个对象 之间的欧氏距离，p'是P中离p第k远的近邻对象，SRNN查询处理 过程，可以分解为两个分别独立的空间处理过程：其中过滤阶段为： 以p为中心，初始化轮圈半径r_δ，对这个圆型区域覆盖的单元格区 域进行监控，当在并行执行中增加半径r_δ时，会触发新的一轮PCT 用以增量更新近邻对象，经过迭代执行过程，在单位时间片内，只需 要监控半径r_δ所对应的区域S而不用监控整个数据空间，最终通过 增量的执行PCT算法可以找到p周围空间的所有邻居并作为候选结果 集S_cnd，整个计算过程，是把PCT作为一种可以在分布式环境下支持 大规模的空间对象查询的可扩展查询算法来执行；验证阶段：验证阶 段主要是通过计算检查所有的S_cnd候选集，排除候选集中不属于RNN 的点从而获得最终正确的RNN结果，把S_cnd中的每一个点作为查询点， 通过执行分布式kNN查询算法，来计算S_cnd集中每一个点各自的反向 邻居来验证其是否为q的RNN，对于每一个候选集S_cnd中的点，采用 分布式的机制来并发进行验证。

5.根据权利要求4所述的移动环境下基于大规模反近邻查询的物流 调度系统，其特征在于：大规模反最近邻查询中二分超平面剪枝方法 的应用。

6.根据权利要求5所述的移动环境下基于大规模反近邻查询的物流 调度系统，其特征在于：基于网格索引的大规模反最近邻查询的方法 为：首先建立空间网格索引，并对网格空间进行整体扫描，从而建立 了倒排网格索引，在Map函数中对分片数据区域用PCT轮圈算法， 以点c_i为圆心，半径r＝|c_i,s_i|进行轮圈，并将圆区域内或与圆边 界相交的网格Cell(i)的Counter(g_i)值计为1，即Counter(g_i)＝1； 每个分片数据区域单独处理完后，最后在Reduce函数中合并，合并 的过程中，按照网格处理算法进行扫描，每次扫描的过程中，对重叠 的网格Cell(i)的Counter(g_i)值累加，最后输出整个空间区域权值W 最大Cell(j)。