空间数据描述的是实体对象的形状、位置等属性信息,被广泛地应用于社交网络、物流系统等系统领域。随着计算机技术和位置数据采集技术的愈发成熟,位置数据规模急剧增长,针对位置数据的查询、检索等操作面临着严峻的挑战。空间数据的查询问题是空间数据处理问题中的热点研究问题,发展至今已有很多成熟、高效的求解算法。然而,在当今许多现实应用中,空间位置数据是大量的、随机变化的,经典空间数据的索引结构及其查询方法,往往不能给出满足查询条件的最优解决方案。本文研究分析移动空间数据的索引创建和查询问题,针对大量随机变化的移动空间数据,提出了创建一个两层的空间索引结构,并在此基础上进行区域查询、KNN查询、区域近似查询、KNN动态查询研究。首先,本文进行两层索引结构的创建,在索引创建过程中,先生成局部Voronoi图,再依据局部Voronoi图生成R树,由此,便创建了一个两层的空间索引结构,针对海量、随机变化的移动空间数据,该索引结构能够有效地进行创建和更新;接着,在这个两层索引结构中,进行区域查询、KNN查询、区域近似查询和KNN动态查询,其中,区域近似查询是针对索引更新期间数据的变化,而对区域查询结果的一种近似地精确,KNN动态查询是在索引更新期间,针对数据变化问题对KNN查询结果的进一步精确,提高查询的时效性;最后,分别在模拟数据集和真实数据集对索引创建时间、区域查询算法、KNN查询算法和动态查询进行实验。通过实验验证,本文提出的空间索引结构具有较短的创建时间,其查询算法具有较好的性能和准确率。