近年来,移动设备和无线网络的广泛应用带来了基于位置的服务(LBS)应用的快速发展。位置信息相关的查询在LBS中扮演了极为重要的角色。其中一种重要的查询是(单色)反向k近邻查询(RkNN),该查询能够返回所有以查询点作为k近邻的对象集合。随着无线通讯技术的发展,用户已不再满足于仅获取静止对象的信息,还希望LBS应用能够提供移动对象的信息。当前,针对移动对象的空间查询受到了越来越多的关注。给定一个查询点q和一个查询时间段T,移动对象反向k近邻查询(M-RkNN)能够返回T时间段内所有时刻查询点q的反向k近邻集合。现有唯一能够处理该查询的算法(M-SAA)存在效率不高和只能处理2维移动对象等缺陷。为解决这一问题,本文提出了一种能够有效解决多维M-RkNN查询的新算法(M-TPL)。该算法基于过滤-精炼框架,并整合了两种高效的动态裁剪策略：移动对象支配域和时变最小包围盒对角线长度裁剪策略。当查询点也是线性运动时,M-RkNN问题将变得更加复杂。给定一个查询点q和一个查询时间段T,其中q使用关于t的线性函数表示,移动对象连续k近邻查询(CM-RkNN)可以返回查询时间段T内任意时刻查询点q在新位置的反向k近邻集合。本文首次提出并正式定义了CM-RkNN查询,并且给出了能够高效处理该查询的CM-TPL算法。实验结果表明：(1)M-TPL算法在2维数据集上比M-SAA算法大幅节省I/O和查询时间开销,并且它能够有效处理多维M-RkNN查询,且查询性能并不随维度增长下降；(2)CM-TPL算法能够高效处理多维CM-RkNN查询。