时空数据库由于其在交通控制、天气预报等领域广阔的应用前景成为数据库技术发展的热点。时空数据库包含了时空对象的时态数据和空间数据,并对其进行有效的管理,索引是支持时空数据快速存取的关键技术。根据时空数据类型的不同,时空数据库的索引可以分为三类:历史数据的索引、当前位置的索引和未来位置的索引。现有的大多数索引方法都是基于R树的变体,这些索引方法按照不同的方式对时态和空间数据进行组织以支持不同的时空查询。本论文首先介绍了时空数据库的相关知识,主要说明时空数据库中移动对象的相关概念和理论,并分别对时空数据的查询与索引方法进行了归类。其次,对现有的时空数据库的主要索引结构进行了研究与分析。主要介绍了.R.树及其变体的索引结构,重点对时空数据库中关于移动对象的索引方法进行了系统而全面的归类与总结,分析它们各自的主要设计思想和存在的优缺点。然后,着重分析了两个最主要的基于.R.树的预测索引——TPR.树和TPR*树,介绍了它们基本索引操作方法及其在更新过程中的性能。这两个索引结构的插入、删除操作在执行过程中需要对索引结构进行多次代价颇高的遍历操作,这就导致了在频繁更新中较差的性能表现。基于此,本文提出了增强型更新索引机制LGU-TPR*树。最后,本文研究和发展了Lee等人提出的自底向上更新机制,将其应用于TPR*树,提高了I/O及CPU效率。新的算法加入了三个辅助结构用来保存必要的信息以减少不必要的树遍历操作,解决了频繁更新中的性能瓶颈问题。