针对过去时空数据的索引的几种分类方法

参考：

• M. F. Mokbel, T. M. Ghanem, and W. G. Aref, “Spatio-temporal access methods,” IEEE Data Eng. Bull., vol. 26, no. 2, pp. 40–49, 2003.
• L.-V. Nguyen-Dinh, W. G. Aref, and M. Mokbel, “Spatio-temporal
  access methods: Part 2 (2003-2010),” 2010.

三维结构（空间2维+时间1维）

将时间索引附加到空间索引上，主要处理空间维度，时间维度作为第二层过滤条件。

• 【RT-tree】将时间段信息插入到空间 R-tree 的叶子节点上，其他和空间 R-tree 一样。
• 【STR-tree】
• 【3DR-Tree】将时间作为第三维空间，创建三维 R-tree。
• 【MTSB-tree】
• 【FNR-tree】每次移动设备留下一段线段，加入到2维R-tree索引中，并将时间段加到1维R-tree索引中
• 【MON-tree】第一层：一个2D R-tree索引多段线，一个hash结构指向底层2D R-tree。第二层：2D R-tree集合索引多段线对应的移动设备轨迹

重叠和多版本

首要根据时间维度构建索引，为每个时间点或时间段构建一个空间索引。对时间点查询十分有效，时间段查询效率低。很多条目会重复。

• 【HR-tree】
• 【HR+-tree】
• 【MR-tree】
• 【MV3R-tree】
• 【PPR-tree】
• 【PA-tree】
• 【GStree】每个时间段索引属于一条道路的轨迹集合

面向轨迹的索引方法

主要支持轨迹查询。空间范围查询和knn之类的不高效。

• 【TB-tree】优点:维持了“轨迹”的概念，每个节点包含一条轨迹的片段，同一个轨迹的节点被链接在一起，保证了时间连续性; 缺点:不同轨迹但空间邻近的片段将被存到不同的节点，即破坏了空间邻近性，不利于空间近邻查询。
• 【SETI】
• 【SEB-tree】SEB-tree: An Approach to Index Continuously Moving Objects 2003
• 【CSE-tree】
• 【Polar tree】
• 【Chebyshev Polynomial】