| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第12-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-18页 |
| 1.1.1 室内空间特点 | 第15-16页 |
| 1.1.2 室内定位技术 | 第16-17页 |
| 1.1.3 室内数据生成 | 第17页 |
| 1.1.4 典型的室内应用 | 第17-18页 |
| 1.2 选题依据和意义 | 第18-19页 |
| 1.3 本文的主要工作 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-22页 |
| 第二章 室内移动对象数据管理相关工作 | 第22-31页 |
| 2.1 室内移动对象数据管理框架 | 第22-24页 |
| 2.2 室内空间数据模型 | 第24-28页 |
| 2.2.1 对象特征模型 | 第24-25页 |
| 2.2.2 几何空间模型 | 第25-26页 |
| 2.2.3 符号空间模型 | 第26-27页 |
| 2.2.4 混合模型 | 第27-28页 |
| 2.3 室内移动对象查询 | 第28-30页 |
| 2.3.1 位置相关查询 | 第28-29页 |
| 2.3.2 室内路径查询 | 第29页 |
| 2.3.3 距离感知查询 | 第29页 |
| 2.3.4 范围监控查询 | 第29-30页 |
| 2.3.5 室内连接查询 | 第30页 |
| 2.3.6 轨迹相似查询 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 情境相关的双层室内空间数据模型 | 第31-43页 |
| 3.1 问题描述 | 第31-32页 |
| 3.2 室内空间的细粒度划分方法 | 第32-35页 |
| 3.2.1 形式化定义 | 第32-33页 |
| 3.2.2 划分方法 | 第33-34页 |
| 3.2.3 带障碍的室内空间距离 | 第34-35页 |
| 3.3 InDC_Model模型 | 第35-39页 |
| 3.3.1 情境本体 | 第35-36页 |
| 3.3.2 模型的形式化描述 | 第36-37页 |
| 3.3.3 模型的层次关系 | 第37-38页 |
| 3.3.4 室内空间关系操作 | 第38-39页 |
| 3.4 实例分析与模型比较 | 第39-42页 |
| 3.4.1 实例分析 | 第39-41页 |
| 3.4.2 模型比较 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 情境约束的室内路径查询 | 第43-57页 |
| 4.1 问题描述 | 第43-44页 |
| 4.2 查询基础及相关定义 | 第44-49页 |
| 4.2.1 分层建模方法 | 第44-45页 |
| 4.2.2 路径情境约束 | 第45-47页 |
| 4.2.3 并行Dijkstra算法 | 第47-49页 |
| 4.3 基于并行Dijkstra算法的CIP查询方法 | 第49-53页 |
| 4.3.1 查询处理过程 | 第49-52页 |
| 4.3.2 路径连续更新 | 第52-53页 |
| 4.4 实验与结果分析 | 第53-56页 |
| 4.4.1 实验设置 | 第53页 |
| 4.4.2 结果分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 情境相关的室内群组TOP-K查询 | 第57-68页 |
| 5.1 问题描述 | 第57-58页 |
| 5.2 查询基础及相关定义 | 第58-60页 |
| 5.2.1 扩展SQL语句描述 | 第58-59页 |
| 5.2.2 群组成员相似度 | 第59-60页 |
| 5.2.3 室内情境评分函数 | 第60页 |
| 5.3 室内群组情境Top-k查询方法 | 第60-64页 |
| 5.3.1 Top-k查询过程 | 第61-62页 |
| 5.3.2 聚集优化方法 | 第62-64页 |
| 5.4 实验与结果分析 | 第64-67页 |
| 5.4.1 实验设置 | 第64页 |
| 5.4.3 结果分析 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 结束语 | 第68-70页 |
| 6.1 主要工作和贡献 | 第68-69页 |
| 6.2 不足和未来的研究方向 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果及发表的学术论文 | 第78页 |