买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明涉及一种基于Geo‑BTree的范围查询方法及装置，本发明方法包括：数据预处理步骤，将数据集中所有位置点编码成长度为n的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID；空间索引建立步骤，根据排序后的字符串构建B‑Tree索引结构；范围查询步骤，以检索B‑Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。本发明采用基于geohash编码构建B‑Tree索引结构，具有较高的查询效率，可直接用于数据管理系统中；采用geohash空间索引方法，有效支持任意范围查询。

主权项：一种基于Geo‑BTree的范围查询方法，其特征在于：包括：数据预处理步骤，将数据集中所有位置点编码成长度为n的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID；空间索引建立步骤，根据排序后的字符串构建B‑Tree索引结构；范围查询步骤，以检索B‑Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。

全文数据：_种基于Geo-BTree的范围查询方法及装置技术领域[0001]本发明涉及一种基于Geo-BTree的范围查询方法及装置，属于数据库Database领域、范围查询RangeSearch领域、基于位置的服务Location-BasedService，LBS等领域。背景技术[0002]近年来，随着智能手机、平板电脑等移动设备的普及，基于桌面的互联网时代已转向移动互联网时代。与此同时，随着定位技术的发展，如:6?5、36、46、胃1?1等，导致产生了大量具有位置属性的数据，且数据量急剧增长。[0003]面对海量的空间数据，高效支持空间查询是一个迫切需要解决的问题。空间索引用于过滤、排除大量与特定空间操作无关的地理对象，从而缩减空间操作范围，为高效支持空间查询，则需高效的空间索引结构。从空间数据库的观点来看，空间索引结构可以分为两类:专门用于处理点对象的点存取方法PAM和处理具有空间扩展的空间对象包括点、线、面、体的空间存取方法SAM。PAM包括Grid文件、Buddy树、K-D-B树、hB树、LSD树等;依据空间对象的不同组织方式，SAM分为对象映射、对象分割复制和对象界定三类，对象映射即将高维空间中的对象线性映射到一维空间，用空间排列码如:Peano码、HiIbert码、Morton码等进行表达;对象分割复制是把与子空间相交的数据对象分割成几个子对象，分别存储在互不重叠的子空间中，在子空间中复制对象本身或其标识符，如:R+树、Ce11树、线性四叉树等;对象界定又称为区域重叠技术，其主要思想是允许子空间的相互重叠，如:R树、R*树等。R树是目前最流行的动态空间索引结构，其采用对象的最小外包矩形（MinimumBoundingRectangle,MBR来近似表示空间实体，可有效支持查询、插入、删除等操作。由于空间数据分布的偶然性，容易造成MBR重叠，查询时会产生多个查询分支，从而降低查询效率。[0004]选取geohash空间索引方法可有效解决R-Tree的多路径查询问题，geohash编码用二分法划分空间，避免了区域重叠;选用geohash编码可支持任意范围查询。因此，geohash空间索引方法广泛用于多个领域，如:地理信息系统领域（如:PostGIS、空间数据库领域如:MongoDB、信息检索领域如:Lucene。[0005]存储geohash编码常用的索引结构如：B-TreehB+TreedashingcB-Tree是一种自平衡的树，其支持对数据的增加、删除、修改、查找操作在对数时间内完成，故B-Tree常被应用在数据库和文件系统的实现上。R-Tree是B-Tree在k维空间上的自然扩展，因其采用对象界定技术组织空间对象，造成多路径查询问题，从而降低查询效率。发明内容[0006]本发明提供了一种基于Geo-BTree的范围查询方法及装置，目的在于有效支持任意范围查询;有效解决因R树存在的多路径查询问题而导致的检索低效问题;直接用于数据管理系统中。[0007]本发明的技术方案是:一种基于Geo-BTree的范围查询方法，包括：数据预处理步骤，将数据集中所有位置点编码成长度为η的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID;空间索引建立步骤，根据排序后的字符串构建B-Tree索引结构；范围查询步骤，以检索B-Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。[0008]所述数据预处理步骤，具体包括如下步骤：步骤110:给定一个由一系列位置点构成的数据集D，通过geohash算法将D中的位置点编码成长度为η的字符串string;其中，位置点由炜度、经度数据构成；步骤120:根据字符串按字典序对数据集中的位置点排序并编号，该编号即为对应的位置点ID，每一行数据称为一条记录，则由这些数据组成的数据集称为记录集;其中，记录由ID、炜度、经度、字符串组成。[0009]所述空间索引建立步骤，具体为：步骤210:根据字符串构建B-Tree索引结构，每个结点至少存储1个〈string，ID〉。[0010]所述范围查询步骤，具体包括如下步骤：步骤310:给定查询位置点q和查询距离范围d，根据geohash精度表选定与d相对应的geohash编码长度p，通过geohash算法将位置点q编码为p位长度的字符串qs，获取字符串qs周围8个区域的geohash编码，并将字符串qs及其周围8个区域的geohash编码分别作为查询域，共9个查询域;其中，p对应的距离误差不小于d且为最小值，每一个geohash编码表示一个区域；步骤320:根据检索B-Tree索引结构返回的ID，在记录集中以此ID为起始点双向搜索至不满足查询条件，返回满足查询条件的ID，为一个查询域内的ID;重复以上操作至获取9个查询域内的ID;其中，每一行数据称为一条记录，则由这些数据组成的数据集称为记录集，记录由ID、炜度、经度、字符串组成；查询条件指记录集中字符串的前p位与查询域的geohash编码相同；步骤330:根据查询位置点q和查询距离范围d分别确定炜度范围与经度范围，通过经炜度范围对9个查询域内的ID进行筛选，最终得到ID候选集；步骤340:计算候选集中ID对应的位置点到q的距离dq:若Kd，则返回该位置点，否贝IJ，不返回。[0011]所述步骤110，包括下列步骤111、112:步骤111:根据geohash精度表确定geohash编码长度η;步骤112:通过geohash算法将所有位置点编码成长度为η的字符串。[0012]所述通过geohash算法将位置点编码成字符串具体为:首先，将经炜度范围看作二维平面坐标系;然后，采用二分法对经度炜度进行划分，根据位置点经度炜度在划分结果中的位置分别赋值〇或1，直到划分次数满足对应的经炜度位串的位数;之后，通过位交错方法合并经度位串与炜度位串；最后，通过Base32编码将经炜度位串编码为相应长度的字符串。[0013]所述步骤310中，获取qs周围8个区域的geohash编码的方法:根据qs的经炜度位串，东西方向的区域编码:经度位串不变，炜度位串加减1，通过位交错方法得到该区域的经炜度位串；南北方向的区域编码:炜度位串不变，经度位串减加1，通过位交错方法得到该区域的经炜度位串；东北西南方向的区域编码，经炜度位串均加减1，通过位交错方法得到该区域的经炜度位串；东南方向的区域编码:炜度位串加1，经度位串减1，通过位交错方法得到该区域的经炜度位串；西北方向的区域编码:炜度位串减1，经度位串加1，通过位交错方法得到该区域的经炜度位串；之后，通过Base32编码将以上8个位串进行编码即可获得qs周围8个区域的geohash编码。[0014]所述步骤320中，根据检索B-Tree索引结构返回ID的方法为：从根结点开始重复如下过程:若比结点的第一个关键字小，则查找在该结点第一个指针指向的结点进行;若等于结点中某个关键字，则查找成功;若在两个关键字之间，则查找在它们之间的指针指向的结点进行;若比该结点所有关键字大，则查找在该结点最后一个指针指向的结点进行;若查找已经到达某个叶子结点，还未匹配成功，则查找失败，其中，字符串的如P位为关键字。[0015]所述步骤330中，根据查询位置点q和查询距离范围d分别确定炜度范围与经度范围方法如下：炜度的最大值maxLat=Iat+range，炜度的最小值minLat=Iat-range;经度的最大值maxLng=Ion+IngR，经度的最小值minLng=Ion-IngR;其中，Iat表示查询位置点q的炜度值，Ion表示查询位置点q的经度值，[0016]一种基于Geo-BTree的范围查询装置，包括：数据预处理装置，用于将数据集中所有位置点编码成长度为η的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID;空间索引建立装置，用于根据排序后的字符串构建B-Tree索引结构；范围查询装置，用于以检索B-Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。[0017]本发明的有益效果是:本发明采用基于geohash编码构建B-Tree索引结构，具有较高的查询效率，可直接用于数据管理系统中；采用geohash空间索引方法，有效支持任意范围查询。附图说明[0018]图1是基于Geo-BTree的范围查询功能模块图；图2是geohash精度表；图3是Base32编码规则图；（注：（+_表不加减）；图4是位置点转换为字符串图；图5是位置点排序图；（注:记录集）图6是基于字符串构建的B-Tree图；图7是创建索引时间对比图；图8是查询响应时间对比图；图9是基于最小外包矩形划分的空间区域图；图10是基于图9构建的R-Tree图。具体实施方式[0019]实施例1:如图1-10所示，一种基于Geo-BTree的范围查询方法，包括：数据预处理步骤：步骤111、根据geohash精度表如图2所示），将geohash编码长度η设置为8，则经炜度位串分别为20位；步骤112、通过geohash算法将D中的位置点转换成长度为8的字符串，实现方法如下：示例：（19.596412-99.219501首先将炜度范围-90，90平分成-90，0、（0，90两个区间，如果目标炜度位于前一个区间，则编码为〇，否则编码为1。因19.596412属于区间（0，90，所以编码为1;然后再将0，90分成0,45、（45,90两个区间，因19.596412属于区间（0,45，所以编码为0;以此类推，直至位串长度为20。最终19.596412的编码为10011011110111101101。[0020]经度也采取同样的方法，对范围（-180,180依次细分至位串长度为20。最终-99.219501的编码为00111001011100011010。[0021]接下来将经炜度位串进行合并，奇数位为炜度，偶数位为经度，得到编码0100101111000111011110110101011011011001。[0022]最后，通过Base32编码（如图3所示）得到（19.5964412-99.219501的geohash编码为9g3rqpqt。[0023]通过geohash算法将D中的位置点转换成长度为8的字符串，如图4所示。[0024]步骤120、根据字符串按字典序对数据集中的位置点排序并编号，如图5所示。[0025]步骤210、空间索引的建立：字符串集{2jtc7013,2jtc73c4,2svshqyr，3p0905sx，4qr2jmhq,4qstlsd7,4qt9d6rj,4qt9dxxg,4qtduesw,9g3rmy55,9g3rmzlw,9g3rqn7z,9g3rqp4t,9g3rqp57,9g3rqp5t,9g3rqp7u,9g3rqpbz,9g3rqphk,9g3rqpmz,9g3rqpnl,9g3rqpnl,9g3rqpqt,9g3rqpvz,9g3rqqmk,9g3rqr7x,9g3rqrbt,9g3rtb4h,9g3rw04d,9g3rw058，9g3rw27u}，根据字符串构建B-Tree索引结构，选取m=5，则每个非叶子结点至多有5棵子树，每个结点至多有4个〈string，ID;除根结点外，其它每个分支结点至少有3棵子树;根结点至少有2棵子树;有3个孩子的非叶子结点恰好有2个〈string，ID，有4个孩子的非叶子结点恰好有3个〈string，ID;B-Tree索引结构的构建过程:依次从字符串集中获取字符串，其中，叶子结点编号从左至右依次为1、2、3、4、5、6、7、8、9、10，注：因以Map的形式存储〈string，ID，若string重复，就覆盖前一个〈string，ID，故9g3rqpnl仅出现一次，其相对应的ID为21。）步骤一：获取字符串“2jtc7013”，其对应的ID为1，存储;获取字符串“2jtc73c4”，其对应的ID为2，依次存储〈2jtc73c4，2;获取字符串“2svshqyr”，其对应的ID为3，依次存储;获取字符串“3p0905sx”，其对应的ID为4，依次存储〈3p0905sx，4;获取字符串“4qr2jmhq”，其对应的ID为5，依次存储，因每个结点至多存储4个〈string，ID，故引起分裂在中间值进行分裂，下同），如图6所示，第1个叶子结点依次存储〈2jtc7013，1、〈2jtc73c4，2，第2个叶子结点依次存储、〈4qr2jmhq，5，两个叶子结点的父结点存储;步骤二:获取字符串“4qstlsd7”，其对应的ID为6,第2个叶子结点依次存储;获取字符串“4qt9d6rj”，其对应的ID为7，第2个叶子结点依次存储;获取字符串“4qt9dxxg”，其对应的ID为8,第2个叶子结点依次存储，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第2个叶子结点依次存储、〈4qr2jmhq，5，第3个叶子结点依次存储、，第1、2、3个叶子结点的父结点依次存储、〈4qstlsd7,6;步骤三:获取字符串“4qtduesw”，其对应的ID为9，第3个叶子结点依次存储;获取字符串“9g3rmy55”，其对应的ID为10，第3个叶子结点依次存储;获取字符串“9g3rmzlw”，其对应的ID为11，第3个叶子结点依次存储，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第3个叶子结点依次存储、，第4个叶子结点依次存储、，第1、2、3、4个叶子结点的父结点依次存储〈2svshqyr，3、〈4qstlsd7,6、〈4qtduesw，9;步骤四：获取字符串“9g3rqn7z”，其对应的ID为12,第4个叶子结点依次存储〈9g3rqn7z，12;获取字符串“9g3rqp4t”，其对应的ID为13,第4个叶子结点依次存储〈9g3rqp4t，13;获取字符串“9g3rqp57”，其对应的ID为14，第4个叶子结点依次存储〈9g3rqp57，14，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第4个叶子结点依次存储、〈9g3rmzlw,11，第5个叶子结点依次存储、〈9g3rqp57,14，第1、2、3、4、5个叶子结点的父结点依次存储、〈4qstlsd7,6、〈4qtduesw，9、〈9g3rqn7z，12;步骤五：获取字符串“9g3rqp5t”，其对应的ID为15，第5个叶子结点依次存储〈9g3rqp5t，15;获取字符串“9g3rqp7u”，其对应的ID为16，第5个叶子结点依次存储〈9g3rqp7u，16;获取字符串“9g3rqpbz”，其对应的ID为17，第5个叶子结点依次存储〈9g3rqpbz，17，第5个叶子结点依次存储、〈9g3rqp57,14，第6个叶子结点依次存储〈9g3rqp7u，16、〈9g3rqpbz，17，第1、2、3、4、5、6个叶子结点的父结点依次存储〈2svshqyr，3、〈4qstlsd7，6、〈4qtduesw，9、〈9g3rqn7z，12、〈9g3rqp5t，15，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第1、2、3个叶子结点的父结点依次存储〈28¥81^71'，3、〈4981:1817,6，第4、5、6个叶子结点的父结点依次存储〈983以1172，12、〈9g3rqp5t,15，第1、2、3、4、5、6个叶子结点的父结点的父结点存储;步骤六：获取字符串“9g3rqphk”，其对应的ID为18,第6个叶子结点依次存储〈9g3rqphk，18;获取字符串“9g3rqpmz”，其对应的ID为19,第6个叶子结点依次存储〈9g3rqpmz，19;获取字符串“9g3rqpnl”，其对应的ID为21，第6个叶子结点依次存储〈9g3rqpnl，21，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第6个叶子结点依次存储、〈9g3rqpbz，17，第7个叶子结点依次储存、〈983印?111，21，第4、5、6、7个叶子结点的父结点依次存储〈983^1172，12、〈983印?5115、〈9g3rqphk,18；步骤七：获取字符串“9g3rqpqt”，其对应的ID为22,第7个叶子结点依次存储〈9g3rqpqt，22;获取字符串“9g3rqpVZ”，其对应的ID为23，第7个叶子结点依次存储〈9g3rqpVZ，23;获取字符串“9g3rqqmk”，其对应的ID为24，第7个叶子结点依次存储〈9g3rqqmk，24，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第7个叶子结点依次储存、〈9g3rqpnl，21，第8个叶子结点依次存储、〈9g3rqqmk，24，第4、5、6、7、8个叶子结点的父结点依次存储、、〈9g3rqphk,18、〈9g3rqpqt，22;步骤八：获取字符串“9g3rqr7x”，其对应的ID为25,第8个叶子结点依次存储〈9g3rqr7x，25;获取字符串“9g3rqrbt”，其对应的ID为26，第8个叶子结点依次存储〈9g3rqrbt，26;获取字符串“9g3rtb4h”，其对应的ID为27，第8个叶子结点依次存储〈9g3rtb4h，27，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第8个叶子结点依次存储、，第9个叶子结点依次储存、〈983竹匕411，27，第4、5、6、7、8、9个叶子结点的父结点依次存储〈983^1172，12、〈983^?5七，15、〈9g3rqphk,18、〈9g3rqpqt，22、〈9g3rqr7x，25，因每个结点至多存储4个〈string,ID，故引起分裂，如图6所示，第4、5、6个叶子结点的父结点依次存储、〈9g3rqp5t，15，第7、8、9个叶子结点的父结点依次存储、〈9g3rqr7x，25，第1、2、3、4、5、6、7、8、9个叶子结点的父结点的父结点依次存储〈49七1116819、〈983印?1^，18;步骤九：获取字符串“9g3rw04d”，其对应的ID为28,第9个叶子结点依次存储〈9g3rw04d，28;获取字符串“9g3rw058”，其对应的ID为29，第9个叶子结点依次存储〈9g3rw058，29;获取字符串“9g3rw27u”，其对应的ID为30，第9个叶子结点依次存储〈9g3rw27u，30，因每个结点至多存储4个〈string，ID，故引起分裂，如图6所示，第9个叶子结点依次储存、，第10个叶子结点依次储存、〈9g3rw27u，30，第7、8、9、10个叶子结点的父结点依次存储、〈9g3rw04d,28〇[0026]范围查询包括下列步骤：步骤311、给定查询位置点（19.596412-99.219501和查询距离范围500米，需p对应的距离误差不小于500米且为最小值，则p值应设置为6，通过geohash算法将（19.596412-99·219501编码为6位长度的字符串9g3rqp;步骤312、获取9831'«周围8个区域的86〇1^811编码，并将9831'«及其周围8个区域作为查询域，方法如下：9g3rcip的炜度位串为100110111101111，经度位串为001110010111000。[0027]北方区域的geohash编码：炜度位串为100110111101111，经度位串为001110010111000+1=001110010111001，经炜度位串为010010111100011101111011010111，geohash编码为9g3rqr;东北区域的geohash编码:炜度位串为100110111101111+1=100110111110000,经度位串为001110010111000+1=001110010111001，经炜度位串为010010111100011101111110000010，geohash编码为9g3rw2;东方区域的geohash编码:炜度位串为100110111101111+1=100110111110000,经度位为001110010111000,经炜度位串为010010111100011101111110000000，geohash编码为9g3rw0；东南区域的geohash编码:炜度位串为100110111101111+1=100110111110000,经度位串为001110010111000-1=001110010110111，经炜度位串为01001011110001110111110010101046〇1^811编码为983竹13;南方区域的geohash编码：炜度位串为100110111101111，经度位串为001110010111000-1=001110010110111，经炜度位串为010010111100011101111001111111，geohash编码为9g3rmz;西南区域的geohash编码:炜度位串为100110111101111-1=100110111101110,经度位串为001110010111000-1=001110010110111，经炜度位串为01001011110001110111100111111046〇1^811编码为983^1^;西方区域的geohash编码:炜度位串为100110111101111-1=100110111101110,经度位为001110010111000,经炜度位串为010010111100011101111011010100,geohash编码为9g3rqn；西北区域的geohash编码:炜度位串为100110111101111-1=100110111101110,经度位串为001110010111000+1=001110010111001，经炜度位串为01001011110001110111101101011046〇1^811编码为983印9。[0028]9g3rqp周围的8个区域为：9g3rqr、9g3rw2、9g3rw0、9g3rtb、9g3rmz、9g3rmy、9g3rqn、9g3rqq;步骤320:根据检索B-Tree索引结构返回的ID，在记录集中以此ID为起始点双向搜索至不满足查询条件，返回满足查询条件的ID，为一个查询域内的ID;重复以上操作至获取9个查询域内的ID;其中，每一行数据称为一条记录，则由这些数据组成的数据集称为记录集，记录由ID、炜度、经度、字符串组成；查询条件指记录集中字符串的前p位与查询域的geohash编码相同；实现过程如下：通过检索B-Tree索引结构返回ID的过程，其中，从根结点至第1、2、3个叶子结点称为B-Tree的第一分支，以9g3rqp查询域为例：从根结点（叶子结点的父结点的父结点）开始，根结点中依次存储〈4qtduesw，9、〈9g3rqphk，18，关键字为“4qtdue”、“9g3rqp”，9g3rqp与第2个关键字相等，故通过B-Tree查询9g3rqp区域的ID为18。若9g3rqp比第1个关键字小，则查找在第1、2、3个叶子结点的父结点进行，若比第1、2、3个叶子结点的父结点的第1个关键字小，则查找在第1个叶子结点进行;若比第1、2、3个叶子结点的父结点的第1个关键字大，小于第1、2、3个叶子结点的父结点的第2个关键字，则查找在第2个叶子结点进行;若比第1、2、3个叶子结点的父结点的第2个关键字大，则查找在第3个叶子结点进行;若等于第1、2、3个叶子结点的父结点的某一个关键字，则返回对应的ID;若未匹配成功，则查找失败。若9g3rqp比第1个关键字大，比第2个关键字小，则查找在第4、5、6个叶子结点的父结点进行，查询方法与对B-Tree的第一分支的操作一致。若9g3rqp比第2个关键字大，则查找在第7、8、9、10个叶子结点的父结点进行，查询方法与对B-Tree的第一分支的操作一致。[0029]通过B-Tree查询9g3rqp区域的ID为18,在记录集中，以ID为18的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rqp”，故9g3rqp区域内的ID为{18，17，16，15,14,13,19,20,21,22,23}；通过B-Tree查询9g3rqr区域的ID为25,在记录集中，以ID为25的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rqr”，故9g3rqr区域内的ID为{25，26};通过B-Tree查询9g3rw2区域的ID为30,在记录集中，以ID为30的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rw2”，故9g3rw2区域内的ID为{30};通过B-Tree查询9g3rw0区域的ID为28,在记录集中，以ID为28的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rw0”，故9g3rw0区域内的ID为{28，29};通过B-Tree查询9g3rtb区域的ID为27,在记录集中，以ID为27的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rtb”，故9g3rtb区域内的ID为{27};通过B-Tree查询9g3rmz区域的ID为11，在记录集中，以ID为11的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rmz”，故9g3rmz区域内的ID为{11};通过B-Tree查询9g3rmy区域的ID为10,在记录集中，以ID为10的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rmy”，故9g3rmy区域内的ID为{10};通过B-Tree查询9g3rqn区域的ID为12,在记录集中，以ID为12的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rqn”，故9g3rqn区域内的ID为{12};通过B-Tree查询9g3rqq区域的ID为24,在记录集中，以ID为24的记录为起始点双向搜索至ID所对应的字符串的前6位不等于“9g3rqq”，故9g3rqq区域内的ID为{24};由上可知，9个查询域内的ID为：{10，11，12，13，14，15，16，17，18，19，20，21，22，23，24，25，26，27，28，29，30};步骤330、根据查询位置点（19.596412-99.219501和查询距离范围500m确定炜度范围与经度范围，如下所示：stepl:range=180+3.141593X0.5+6372.797=0.004495step2:IngR=0.004495+cos19.596412X3.141593+180.0=0.004771step3:19.596412+0.004495=19.600907炜度的最大值）step4:19.596412-0.004495=19.591917炜度的最小值）step5:-99.219501+0.004771=-99.214730经度的最大值）step6:-99.219501-0.004771=-99.224272经度的最小值）由上可知，炜度范围为[19.591917,19.600907]，经度范围为[-99.224272，-99.214730]。根据经炜度范围对9个查询域内的ID{10,11，12,13,14,15,16,17,18,19,20，21，22，23，24，25，26，27，28，29，30}进行过滤并返回经炜度范围内的位置点。如：ID为10时，其炜经度为（19.589223-99.23521，19.589223不位于[19.591917,19.600907]内，故过滤ID为10的位置点。经过滤后，候选集为{14，15，16，18，19，20，21，22，23，26，29}。[0030]步骤340、计算候选集{14，15，16，18，19，20，21，22，23，26，29}中ID对应的位置点19.596412-99.219501的距离dq，若dq〈=500，则返回该位置点，实现过程如下所示：查询条件：（19.596412-99.219501，500米；距离计算公式:设ΑΧ1，_Π，BX2，_F2，贝Ij根据公式（1依次计算位置点集中的位置点与（19.596412-99.219501的距离，返回不大于500米的位置点，经计算，满足要求的位置点集为{{19.594717-99.22388}，{19.59506-99.223537},{19.596261-99.223194},{19.594888-99.222507},{19.596776-99.220447},{19.594324-99.220118},{19.594354-99.220102},{19.596412-99.219501},{19.599523-99.220447},{19.59918-99.21667}}。[0031]故满足查询范围内的位置点为{{19.594717-99.22388}，{19.59506-99.223537}，{19.596261-99.223194},{19.594888-99.222507},{19.596776-99.220447},{19.594324-99.220118},{19.594354-99.220102},{19.596412-99.219501},{19.599523-99.220447},{19.59918-99.21667}}。[0032]一种基于Geo-BTree的范围查询装置，包括：数据预处理装置，用于将数据集中所有位置点编码成长度为η的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID;空间索引建立装置，用于根据排序后的字符串构建B-Tree索引结构；范围查询装置，用于以检索B-Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。[0033]为说明基于Geo-BTree的范围查询方法的有效性，本实施例实验以创建索引的时间开销与查询响应时间为指标，对基于Geo-BTree的范围查询方法与基于R-Tree的范围查询方法进行比较，如下所述。[0034]实验的测试环境，如下表所示，实验数据集:Foursquaredata，3000000个位置点（炜度经度）。[0035]实验结果:创建索引的时间开销如图7所示，由图可知，创建索引的时间开销随着数据量的增加而增大，其中，基于Geo-BTree的范围查询方法的创建索引的时间开销呈缓慢增长趋势，而基于R-Tree的范围查询方法的创建索引的时间开销呈快速增长趋势；查询响应时间如图8所示，由图可知，查询响应时间随着数据量的增加而增大，但基于Geo-BTree的范围查询方法的查询响应时间均小于基于R-Tree的范围查询方法的查询响应时间。[0036]实验结果分析：由上可知，相较于基于R-Tree的范围查询方法，无论是以创建索引的时间开销为指标进行分析，还是以查询响应时间为指标进行分析，基于Geo-BTree的范围查询方法的索引创建时间与查询响应时间更少。出现上述实验结果的主要原因是:R-Tree采用区域重叠技术组织空间对象，数据量越大，重叠区域越多，导致大量的查询路径，从而直接降低检索效率;基于Geo-BTree的范围查询方法通过geohash算法将空间对象线性映射为一维对象，其中，geohash用二分法的方法划分空间，避免了区域重叠，故基于Geo-BTree的范围查询方法具有更好的检索效率;R-Tree是B-Tree向多维空间发展的另一形式，其创建过程如图9-10所示，最小域MBR仅位于叶节点，而在B-Tree中，最小域位于所有节点；在B-Tree中，每个结点存储的〈string,ID需按升序排列，因数据预处理步骤对字符串进行了升序排序，故基于B-Tree创建索引的时间开销较少。[0037]实施例2:如图1-10所示，一种基于Geo-BTree的范围查询方法，包括：数据预处理步骤，将数据集中所有位置点编码成长度为η的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID;空间索引建立步骤，根据排序后的字符串构建B-Tree索引结构；范围查询步骤，以检索B-Tree索引结构返回的ID为起始点在记录集中双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。[0038]进一步地，可以设置所述数据预处理步骤，具体包括如下步骤：步骤110:给定一个由一系列位置点构成的数据集D，通过geohash算法将D中的位置点编码成长度为η的字符串string;其中，位置点由炜度、经度数据构成；步骤120:根据字符串按字典序对数据集中的位置点排序并编号，该编号即为对应的位置点ID，每一行数据称为一条记录，则由这些数据组成的数据集称为记录集;其中，记录由ID、炜度、经度、字符串组成。[0039]进一步地，可以设置所述空间索引建立步骤，具体为：步骤210:根据字符串构建B-Tree索引结构，每个结点至少存储1个〈string，ID〉。[0040]所述范围查询步骤，具体包括如下步骤：步骤310:给定查询位置点q和查询距离范围d，根据geohash精度表选定与d相对应的geohash编码长度p，通过geohash算法将位置点q编码为p位长度的字符串qs，获取字符串qs周围8个区域的geohash编码，并将字符串qs及其周围8个区域的geohash编码分别作为查询域，共9个查询域;其中，p对应的距离误差不小于d且为最小值，每一个geohash编码表示一个区域；步骤320:根据检索B-Tree索引结构返回的ID，在记录集中以此ID为起始点双向搜索至不满足查询条件，返回满足查询条件的ID，为一个查询域内的ID;重复以上操作至获取9个查询域内的ID;其中，每一行数据称为一条记录，则由这些数据组成的数据集称为记录集，记录由ID、炜度、经度、字符串组成；查询条件指记录集中字符串的前p位与查询域的geohash编码相同；步骤330:根据查询位置点q和查询距离范围d分别确定炜度范围与经度范围，通过经炜度范围对9个查询域内的ID进行筛选，最终得到ID候选集；步骤340:计算候选集中ID对应的位置点到q的距离dq:若Kd，则返回该位置点，否贝IJ，不返回。[0041]进一步地，可以设置所述步骤110，包括下列步骤111、112:步骤111:根据geohash精度表确定geohash编码长度η;步骤112:通过geohash算法将所有位置点编码成长度为η的字符串。[0042]进一步地，可以设置所述通过geohash算法将位置点编码成字符串具体为:首先，将经炜度范围看作二维平面坐标系;然后，采用二分法对经度炜度进行划分，根据位置点经度炜度在划分结果中的位置分别赋值0或1，直到划分次数满足对应的经炜度位串的位数;之后，通过位交错方法合并经度位串与炜度位串；最后，通过Base32编码将经炜度位串编码为相应长度的字符串。[0043]进一步地，可以设置所述步骤310中，获取qs周围8个区域的geohash编码的方法：根据qs的经炜度位串，东西方向的区域编码:经度位串不变，炜度位串加减1，通过位交错方法得到该区域的经炜度位串；南北方向的区域编码:炜度位串不变，经度位串减加1，通过位交错方法得到该区域的经炜度位串；东北西南方向的区域编码，经炜度位串均加减I，通过位交错方法得到该区域的经炜度位串；东南方向的区域编码:炜度位串加I，经度位串减1，通过位交错方法得到该区域的经炜度位串；西北方向的区域编码:炜度位串减1，经度位串加1，通过位交错方法得到该区域的经炜度位串；之后，通过Base32编码将以上8个位串进行编码即可获得qs周围8个区域的geohash编码。[0044]进一步地，可以设置所述步骤320中，根据检索B-Tree索引结构返回ID的方法为：从根结点开始重复如下过程:若比结点的第一个关键字小，则查找在该结点第一个指针指向的结点进行;若等于结点中某个关键字，则查找成功;若在两个关键字之间，则查找在它们之间的指针指向的结点进行;若比该结点所有关键字大，则查找在该结点最后一个指针指向的结点进行;若查找已经到达某个叶子结点，未匹配成功，则查找失败，其中，字符串的如P位为关键字。[0045]进一步地，可以设置所述步骤330中，根据查询位置点q和查询距离范围d分别确定炜度范围与经度范围方法如下：炜度的最大值maxLat=Iat+range，炜度的最小值minLat=Iat-range;经度的最大值maxLng=Ion+IngR，经度的最小值minLng=Ion-IngR;其中，Iat表示查询位置点q的炜度值，Ion表示查询位置点q的经度值，range=180π*d6372.797,IngR=rangecoslat*π180.0。[0046]一种基于Geo-BTree的范围查询装置，包括：数据预处理装置，用于将数据集中所有位置点编码成长度为η的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID;空间索引建立装置，用于根据排序后的字符串构建B-Tree索引结构；范围查询装置，用于以检索B-Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。[0047]上面结合图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

权利要求：1.一种基于Geo-BTree的范围查询方法，其特征在于:包括：数据预处理步骤，将数据集中所有位置点编码成长度为η的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID;空间索引建立步骤，根据排序后的字符串构建B-Tree索引结构；范围查询步骤，以检索B-Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。2.根据权利要求1所述的基于Geo-BTree的范围查询方法，其特征在于:所述数据预处理步骤，具体包括如下步骤：步骤110:给定一个由一系列位置点构成的数据集D，通过geohash算法将D中的位置点编码成长度为η的字符串string;其中，位置点由炜度、经度数据构成；步骤120:根据字符串按字典序对数据集中的位置点排序并编号，该编号即为对应的位置点ID，每一行数据称为一条记录，则由这些数据组成的数据集称为记录集;其中，记录由ID、炜度、经度、字符串组成。3.根据权利要求1所述的基于Geo-BTree的范围查询方法，其特征在于:所述空间索引建立步骤，具体为：步骤210:根据字符串构建B-Tree索引结构，每个结点至少存储1个〈string，ID。4.根据权利要求1所述的基于Geo-BTree的范围查询方法，其特征在于:所述范围查询步骤，具体包括如下步骤：步骤310:给定查询位置点q和查询距离范围d，根据geohash精度表选定与d相对应的geohash编码长度p，通过geohash算法将位置点q编码为p位长度的字符串qs，获取字符串qs周围8个区域的geohash编码，并将字符串qs及其周围8个区域的geohash编码分别作为查询域，共9个查询域;其中，p对应的距离误差不小于d且为最小值，每一个geohash编码表示一个区域；步骤320:根据检索B-Tree索引结构返回的ID，在记录集中以此ID为起始点双向搜索至不满足查询条件，返回满足查询条件的ID，为一个查询域内的ID;重复以上操作至获取9个查询域内的ID;其中，每一行数据称为一条记录，则由这些数据组成的数据集称为记录集，记录由ID、炜度、经度、字符串组成；查询条件指记录集中字符串的前p位与查询域的geohash编码相同；步骤330:根据查询位置点q和查询距离范围d分别确定炜度范围与经度范围，通过经炜度范围对9个查询域内的ID进行筛选，最终得到ID候选集；步骤340:计算候选集中ID对应的位置点到q的距离dq:若Kd，则返回该位置点，否则，不返回。5.根据权利要求2所述的基于Geo-BTree的范围查询方法，其特征在于:所述步骤110，包括下列步骤111、112:步骤111:根据geohash精度表确定geohash编码长度η;步骤112:通过geohash算法将所有位置点编码成长度为η的字符串。6.根据权利要求2或4所述的基于Geo-BTree的范围查询方法，其特征在于：所述通过geohash算法将位置点编码成字符串具体为:首先，将经炜度范围看作二维平面坐标系;然后，采用二分法对经度炜度进行划分，根据位置点经度炜度在划分结果中的位置分别赋值O或I，直到划分次数满足对应的经炜度位串的位数;之后，通过位交错方法合并经度位串与炜度位串；最后，通过Base32编码将经炜度位串编码为相应长度的字符串。7.根据权利要求4所述的基于Geo-BTree的范围查询方法，其特征在于：所述步骤310中，获取qs周围8个区域的geohash编码的方法:根据qs的经炜度位串，东西方向的区域编码:经度位串不变，炜度位串加减1，通过位交错方法得到该区域的经炜度位串；南北方向的区域编码:炜度位串不变，经度位串减加1，通过位交错方法得到该区域的经炜度位串；东北西南方向的区域编码，经炜度位串均加减1，通过位交错方法得到该区域的经炜度位串；东南方向的区域编码:炜度位串加1，经度位串减1，通过位交错方法得到该区域的经炜度位串；西北方向的区域编码:炜度位串减1，经度位串加1，通过位交错方法得到该区域的经炜度位串；之后，通过Base32编码将以上8个位串进行编码即可获得qs周围8个区域的geohash编码。8.根据权利要求4所述的基于Geo-BTree的范围查询方法，其特征在于：所述步骤320中，根据检索B-Tree索引结构返回ID的方法为：从根结点开始重复如下过程:若比结点的第一个关键字小，则查找在该结点第一个指针指向的结点进行;若等于结点中某个关键字，则查找成功;若在两个关键字之间，则查找在它们之间的指针指向的结点进行;若比该结点所有关键字大，则查找在该结点最后一个指针指向的结点进行;若查找已经到达某个叶结点，还未匹配成功，则查找失败，其中，字符串的如P位为关键字。9.根据权利要求4所述的基于Geo-BTree的范围查询方法，其特征在于：所述步骤330中，根据查询位置点q和查询距离范围d分别确定炜度范围与经度范围方法如下：炜度的最大值maxLat=Iat+range，炜度的最小值minLat=Iat-range;经度的最大值maxLng=Ion+IngR，经度的最小值minLng=Ion-IngR;其中，Iat表示查询位置点q的炜度值，Ion表示查询位置点q的经度值，range=180π*d6372.797,IngR=rangecoslat*V180.0〇10.—种基于Geo-BTree的范围查询装置，其特征在于:包括：数据预处理装置，用于将数据集中所有位置点编码成长度为η的字符串string，根据字符串按字典序对数据集中的位置点排序并编号ID;空间索引建立装置，用于根据排序后的字符串构建B-Tree索引结构；范围查询装置，用于以检索B-Tree索引结构返回的ID为起始点双向搜索获取查询域内的ID，经过滤得到ID候选集，并对候选集中ID所对应的位置点验证返回查询范围内的位置点。

百度查询： 昆明理工大学 一种基于Geo‑BTree的范围查询方法及装置