随着数据采集技术的不断发展,城市路况信息得以获得,人们出行开始更多的关注动态变化的出行时间而不再是距离,利用分段线性函数来刻画边权值随时间变化的动态路网（即时间依赖路网）得到了广泛关注。在网约车的应用场景中,为乘客找到能够最快到达其所在位置的多辆出租车具有实际意义。本文研究的就是动态路网中面向移动对象的近邻查询问题（Time-dependent k-Nearest Neighbor Query,TD-k NN）,给定用户位置及当前时刻,在动态路网中,返回能够最快到达其位置的k个移动对象。动态路网中最短路径查询和近邻查询的结果都与出发时刻相关,其带来的最大挑战是构建索引过程复杂且速度慢;由于被查询对象的位置不断变化,使用基于索引结构或预计算方式的k近邻查询方法面临频繁更新的问题;而不构建索引结构,采用在线扩展方式的搜索策略只能查找从查询点到移动对象的最快到达时间,无法反向求解移动对象到查询点的时间。现有研究工作无法直接高效解决本文所提出的TD-k NN查询问题。为解决以上挑战,本文扩展了基于轻量级网格索引的近邻查询框架（Grid Based Labeling with Scheduling,GLAD）,一方面可以高效处理移动对象位置更新,另一方面可以将k NN问题转换为最快到达时间查询问题,从而解决了查询方向性的问题;提出了一种动态路网下的层次两跳标签索引（Time-dependent Hierarchical 2-Hop index,TDH2H）,利用树分解及预计算权值函数标签,快速求解动态路网中两点间的最快到达时间;提出了多种剪枝策略,进一步优化TD-k NN查询效率;对TD-k NN的问题定义进行了扩展,分别提出了考虑被占用对象的可达k NN（Time-dependent Approachable k NN,TD-Ak NN）,和限制到达时间的k NN（Time-dependent k NN with Limited Arrival Time,TD-Lk NN）两种查询,并对本文所提索引及框架进行了应用;此外,针对TD-Lk NN查询提出了基于被占用对象和未被占用对象的剪枝策略,进一步提高了查询效率。本文基于纽约和北京真实地图数据,进行了大量的对比实验。实验结果表明,在最快路径查询效率方面,本文所提索引结构TD-H2H比已有TD-G-tree索引快1-2个数量级（10-100倍）,比TD-Dijkstra快3-4个数量级;在TD-k NN及相关查询方法,本文基于GLAD框架和TD-H2H的索引技术比基于TD-Dijkstra和TD-G-tree的方法快2-4个数量级。验证了所构建索引以及查询框架和相应剪枝策略的高效性和有效性。