随着地理信息系统、移动计算、医学、计算机辅助设计和卫星图像数据处理等领域的发展,空间数据的查询研究引起了人们的高度重视,对时空数据库中大量移动对象进行有效查询的算法变得越来越重要。目前,在时空数据库的实际应用开发过程中,研究者们发现空间数据量日益具增,数据结构复杂,操作代价昂贵,因此空间查询势必成为时空数据库应用的难点和突破点。反最近邻查询作为一种全新的查询方法,得到了广泛的关注和应用。　　 本文深入研究了传统的反最近邻查询算法,此类算法大都是基于R树或R树变体的索引结构来组织数据。在实际应用中发现,这类查询算法能够回答反最近邻查询,但在处理大规模移动对象数据集时响应较慢,不能满足用户的需求,并且多用户的连续查询不能得到及时处理,在数据频繁更新时也没有很好地算法进行及时响应。在现实生活中,针对大规模数据集的反最近邻查询运用是经常存在的,所以研究针对提高大规模数据集的反最近邻查询性能是非常重要的。基于此,本文具体研究了移动对象的反最近邻查询处理技术和连续反最近邻查询处理技术。　　 在静态环境中,本文综合分析了以往的反最近邻查询算法,深入分析了处理大规模数据集时查询性能低的原因。本文创新性地采用网格索引机制来组织移动对象,研究了基于网格索引的反最近邻查询处理技术,提出了GI-RNN查询算法。该算法通过网格索引的反最近邻查询定理来判断网格单元是否为候选单元,将查询空间缩小至候选单元集,有效地减少了查询的搜索空间,提高了反最近邻查询的效率。　　 针对动态环境下的连续反最近邻查询问题,本文具体研究了基于网格索引的连续反最近邻查询处理技术,提出了一种基于网格索引的连续反最近邻查询处理框架,并提出了GI-CRNN查询算法。随着移动对象的位置变化,该算法能够及时更新查询结果,具有良好的查询性能和更新性能。