[发明专利]云计算环境下基于空间反近邻查询的物流调度方法

权利要求书

1.一种云计算环境下基于空间反近邻查询的物流调度方法，其特征在于：由云中心服务系统和智能移动客户端系统，执行步骤如下：

S1.云中心服务系统用于进行分布式倒排网格索引的建立，以及执行分布式大规模反近邻算法；

S2.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所述的云计算环境下基于空间反近邻查询的物流调度方法，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，离线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所述的云计算环境下基于空间反近邻查询的物流调度方法，其特征在于：分布式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读取数据分片中的空间数据点，并计算出每个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，并收集与对相同单元格(key)中的点数据进行洗牌操作，然后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任一项所述的云计算环境下基于空间反近邻查询的物流调度方法，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所述的云计算环境下基于空间反近邻查询的物流调度方法，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所述的云计算环境下基于空间反近邻查询的物流调度方法，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)。