连续K近邻查询(Continuous K Nearest Neighbor queries,CKNN)是快照K近邻查询(K Nearest Neighbor queries,KNN)的一种变体,定义为查找指定路径上每个点的K个最小代价数据对象。目前国内外的一些学者只研究了欧式空间和静态路网中的CKNN问题,但是在现实生活中,路网中边权值往往是随时间变化而改变的动态值,传统静态路网中CKNN的查询处理技术无法直接应用。本文基于边权值动态变化的时间依赖路网,对CKNN查询问题进行了深入研究。本文定义并解决了时间依赖路网中连续K近邻查询(Continuous K Nearest Neighbor queries in time-dependent road networks,TD-CKNN)问题。利用积分性质以及通过对边权值代价函数合并的方式提出了两阶段的基于分割点的TD-CKNN查询算法SPB(Split Point Based)。SPB算法包括过滤阶段和求精阶段,过滤阶段提出了计算节点到达时间的方法,再利用到达时间查询出多个候选K近邻结果,最后用时间依赖路网中基于修剪的连续路径查询算法验证子路段起始节点到终止节点时间区间内,两个节点分别到各自多个数据对象的路径是否和出发时刻两个节点到数据对象的路径相同;求精阶段将查询点到候选结果的权值函数合并,通过计算函数交点得到分割点。由于同一路段的两个端点内结果可能相同,因此查询时先将整个查询路径划分为多个子路段,对每个子路段执行一次SPB算法,进而为查询返回若干个分割点以及相应区间内的K近邻结果。基于真实的Oldenburg城市路网数据,利用仿真数据集对比了进行多次快照K近邻查询的朴素算法和本文所提出SPB算法的性能。实验结果表明,在多种相同实验设置下,SPB算法都比朴素算法的响应时间减少近一个数量级。