1.拥塞感知的路网移动对象连续K近邻查询方法，包括如下步骤：

1初始时刻拥塞感知的K近邻查询；

初始时刻拥塞感知的K近邻查询用于获得在连续查询时间段[ti，tj]开始时刻ti距离查询点带权路网距离最近的K个移动对象；该阶段采用基于拥塞感知的增量式路网扩展策略；

在路网扩展的同时判断出道路的拥塞性，确定道路拥塞性系数，对道路长度进行加权处理；

具体包括：

11)根据车辆面积密度对道路的拥塞性进行判断；利用了一种基于道路交通流特征参数设计道路拥堵判断方法，具体为基于车辆面积密度Φ的道路拥堵判断方法；以路口划分出路网中的每条道路，将道路上汽车总占地面积和道路面积之比定义为车辆面积密度Φ；

根据Φ划分了四种拥堵级别，以及对应的道路拥塞系数ω，即道路长度加权系数；当Φ＜

0.3时，该路段运行畅通，拥塞系数ω设为1；当0.3≤Φ＜0.41时，该路段处于轻度拥堵状态，所以ω设为1.5；当0.41≤Φ≤0.53时，该路段处于中度拥堵状态，所以ω设为2；当Φ＞

0.53时，该路段处于重度拥堵状态，通过性很差，车辆通过该路段要花费很长的时间，所以ω设为5；

12)根据拥塞系数ω对每条道路的长度进行加权处理；使用DijKstra算法预计算各个路网节点到查询点的单源最短带权路网距离；在路网的扩展过程中，会维持一个优先队列决定路网节点扩展优先级；优先队列中存储的是路网节点距查询点的最短带权路网距离，权重代表道路的拥塞性；距离查询点路网距离更近的路网节点的邻接边会被先进行扩展，直到获得距离查询点带权路网距离最近的K个移动对象才停止路网扩展；

13)将得到的K个距离查询点带权路网距离最近的移动对象加入结果集；假设按照距离查询点带权路网距离由近到远排序的K个移动对象为：p1，p2，...，pk，其中p1为距离查询点带权路网距离最近的对象，p2为距离查询点带权路网距离第二近的对象，pk为距离查询点带权路网距离最远的对象；初始时刻拥塞感知的K近邻查询结果集为：P＝{p1，p2，...，pk}；

2获取需要监测的候选对象；

该阶段是为了获取构建或扩展局部路网所需的监测范围，并在局部路网内监测候选移动对象；如果对整个路网进行监测查询，那么计算成本太高，查询效率会很低；本方法以监测范围为基础进行局部路网的构建和扩展，筛选掉大量不满足查询条件的移动对象；首先利用初始时刻拥塞感知的K近邻查询结果确定局部路网的监测范围；然后在查询点进行局部路网的构建与扩展，并在局部路网内进行移动对象距离查询点最短带权路网距离的计算；最后以带权路网距离为标准进行候选移动对象的筛选，进而获得满足条件的候选移动对象集合；具体包括：

21)计算监测范围；连续查询时间区间[ti，tj]，查询点q的监测范围记为MDq(ti，tj)，计算公式如下：

MDq(ti，tj)＝NDq，pk(ti)+vq*(tj‑ti)*ω(q)+addDist    (1)addDist＝max{ei.maxV*(tj‑ti)*ω(i)}(ei∈E)    (3)式中ti，tj表示连续查询时间区间的起始终止时刻，Length(i)表示每条道路的长度，ω(i)表示每条道路的拥塞系数，E表示路网中所有边的集合；NDq，pk(ti)表示在连续查询时间区间[ti，tj]开始时刻ti，此时查询结果集P＝{p1，p2，...，pk}中距离查询点最远的带权路网距离，即pk的带权路网距离；vq为查询点的运动速度，vq*(tj‑ti)*ω(q)表示的是在连续查询时间区间[ti，tj]内查询点移动的带权路网距离；addDist表示额外监测距离，目的是保证查结果的准确性，避免漏掉可能影响查询结果的移动对象；

22)获取候选对象；以距离查询点带权路网距离小于监测范围的节点的邻接边为基础构建局部路网，局部路网内包含了所有可能是连续K近邻查询结果的候选移动对象；然后以查询点为中心开始进行路网扩展，将距离查询点带权路网距离小于监测范围的移动对象添加到候选移动对象集合中，用于后续验证；

3验证候选对象，完成连续K近邻查询；

由于候选对象在不断运动，位置信息在不断发生改变；候选移动对象可能在连续查询时间[ti，tj]内的某一时刻取代ti时刻的结果集P＝{p1，p2，...，pk}中最远的移动对象pk；该阶段的目的就是确定结果集P每次发生更新的时刻，然后将连续查询时间[ti，tj]划分成多个子查询时间区间[ti，ti+1]，[ti+1，ti+2]…，[tj‑1，tj]，保证在每个子查询时间段内任意时刻查询结果都是相同的；

31)第一次连续查询时间段划分；根据局部路网内所有候选移动对象到达路网节点的时刻划分多个子查询时间区间，不仅保证每个子查询时间区间内所有对象都在同一条路段上，还可以使带权路网距离的计算更加准确；

32)第二次连续查询时间段划分；当候选移动对象p′到查询点的带权路网距离小于结果集中最大带权路网距离时，结果集会发生更新，用p′替换pk；将步骤31)中划分的子查询时间区间记为[tm，tn]，通过等式NDq，p′(t)＝NDq，p(t)确定结果集发生更新的时刻t；在此基础上将[tm，tn]进一步划分并将结果集进行更新：[tm，t]：Res＝{p1，p2，...，pk}；[t，tn]：Res＝{p1，p2，...，p′}；

33)返回连续K近邻查询结果集；完成验证后返回查询结果集，连续查询一段时间[ti，tj]内距离查询点最近的K个移动对象返回的结果集为<[ti，ti+1]，{p1，p2，...，pk}>，<[ti+1，ti+2]，{pk+1，pk+2，…，p2k}，…，<[tj‑1，tj]，{pn，pn+1，...，pn+k‑1}>。