近日，烟台大学计算机与控制工程学院于自强教授团队关于“大图移动对象空间查询”的最新研究成果被数据库领域国际顶级会议53rd International Conference on Very Large Data Bases (VLDB 2027)录用，论文题目为“BAG: A Bound‑Aware Graph Partitioned Framework for Spatial Queries over Moving Objects on Road Networks”。VLDB是中国计算机学会（CCF）推荐的 A 类国际顶级会议。该会议以严格的评审标准和高水平的学术成果著称，在国际上享有盛誉并具有广泛的学术影响力。此次论文获录用，体现了国际学术同行对团队研究创新性与学术价值的认可。

BAG：面向大图移动对象空间查询的图分割框架

  大图移动对象的空间查询是基于位置服务领域的关键科学问题。传统算法大多采用图增量遍历策略，通过逐一计算候选对象的最短路线距离验证其是否满足查询条件。当移动对象规模庞大时，该方式会产生高昂的计算开销，影响查询效率。针对该挑战，于自强教授团队提出了支持移动对象高效空间查询的图分割算法 BAG。该算法通过图分割使各子图具备闭包性质，查询时仅需访问子图的任意边界点，即可判断该子图是否包含查询结果，从而将传统的逐个对象验证转变为子图整体验证，显著降低查询开销。此外，BAG 构建的空间索引仅依赖静态图拓扑结构，移动对象的位置变化无需触发索引结构调整，仅需常数级索引维护开销。实验结果表明，BAG可避免对查询结果中至少 50% 的移动对象进行最短距离计算，在保持极低索引更新开销的同时，查询效率显著优于现有主流算法。

  该研究成果以烟台大学为第一单位，于自强教授为第一作者，合作单位包括加拿大约克大学、复旦大学和威尔弗里德·劳里埃大学。目前，于自强教授团队已以烟台大学为第一单位，在 SIGMOD、VLDB 和 ICDE 三大数据库领域国际顶级会议上发表学术论文，持续提升学校在数据库与数据管理领域的国际学术影响力。

  作者：郑强   责任编辑：王莹洁   审核：段昕