[发明专利]一种矢量QR树并行索引技术

权利要求书

1.一种矢量QR树并行索引技术，其特征主要在于：

面向任务均衡的多通道空间数据划分方法；

基于空间对象最小包围矩形中心点及空间对象真实范围的QR树构建方法；

QR树的主从式存储方法；

QR树协同检索方法。

2.根据权利要求1所述面向任务均衡的多通道空间数据划分方法，其特征在于，包含1个特征：

1)各通道依据空间对象最小包围矩形的中心点将相邻的空间对象集划分至不同进程，实现进程间空间数据集的负载均衡及检索的任务均衡。

3.根据权利要求1所述基于空间对象最小包围矩形中心点及空间对象真实范围的QR树构建方法，其特征在于，主要包含以下4个特征：

1)空间对象抽象为最小包围矩形的中心点，并将该抽象点插入QR树中的Q树，而插入QR树中的R树则为空间对象的最小包围矩形。

2)QR树中Q树为线性四叉树，且有与Q树叶子节点一一对应的二维数组，通过该二维数组去访问Q树叶子节点所包含的R树。

3)每个Q树叶子节点都包含两个范围：逻辑范围、实际范围。Q树叶子节点的逻辑范围与对应R树的范围合并，得到的新范围为叶子节点的实际范围。

4)Q树叶子节点的Length_Ratio_ij(实际范围长与逻辑划分范围长的比值)、Width_Ratio_ij(实际范围宽与逻辑划分范围宽的比值)，且计算Q树所有叶子节点中比值的最大值mev。

4.根据权利要求1所述QR树的主从式存储方法，其特征在于，包含以下2个特征：

1)Q树存储中包含以下信息：空间数据集范围、Q树深度、Q树叶子节点实际范围、叶子节点对应的R树索引位置、R树索引对应的空间数据集位置；

2)先存储Q树，Q树叶子节点中存储R树的位置及R树所包含空间对象集的位置，R树依赖于Q树对其进行查找，R树集与Q树叶子节点一一对应。

5.根据权利要求1所述QR树协同检索方法，其特征在于，包含以下3个特征：

1)Q树逻辑范围检索得到Q树叶子节点集，根据Q树膨胀阶mev，Q树叶子节点集的范围向外膨胀mev阶，得到最大检索Q树叶子节点集。

2)通过Q树协助对R树进行检索：最大检索Q树叶子节点集中每个叶子节点的实际范围与检索范围求交，若相交，则读取该叶子节点对应的R树索引来对空间对象本身进行检索；若不相交，则剔除该Q树叶子节点。

3)若膨胀后的检索范围大于Q树叶子节点范围，则从Q树根节点开始遍历Q树，用节点实际范围与检索范围计算获取相交的Q树叶子节点，读取相交Q树叶子节点对应的R树来对空间对象本身进行检索。