随着移动设备的日益普及和社交网络的蓬勃发展,近年来,带有丰富语义信息的轨迹检索问题受到了极大的关注。大量关于在这些轨迹上匹配用户空间位置信息和语义文本要求的查询已经被提出。语义轨迹反向k最近邻居查询(Reverse k Nearest Neighbors query Semantic Trajectories,Rk NNST)就是查出那些把查询点作为轨迹本身空间文本信息相关的k个最近邻居候选集之一的轨迹集合。主要研究内容如下:首先,根据语义轨迹反向k最近邻居查询,即需要语义关键匹配约束,又需要轨迹和查询点空间位置的范围约束。提出了一种新的索引结构索引树,它使用倒排表存储语义轨迹的关键字信息,使用M树将轨迹的全局模糊位置存储在树节点中,并使用节点连接B+树存储准确的位置信息,便于在整体和局部两个层面做出距离判断。其次,针对语义轨迹反向k最近邻居查询中的轨迹和查询点之间相关距离算法需要枚举轨迹所有包含文本关键字信息的子轨迹组合来计算相关距离。设计了相关距离算法,用倒排表存储轨迹关键字,并用查询点关键字做指针匹配,选择对应点组成子轨迹。并基于相关距离算法,提出反向k最近邻居查询的简要查询算法。此算法以轨迹索引树访问为主,并使用轨迹索引树节点交替访问查询索引树来判断轨迹索引树节点中的轨迹是否为反向k最近邻居轨迹。最后,针对于查询算法交替访问轨迹索引树节点,实际效率较为低下,根据轨迹索引树节点,查询索引树和查询点之间几何距离特性提出剪枝规则,并对规则做出理论证明。在轨迹索引树节点访问查询索引树节点时使用规则,可以判断出是否访问节点和节点的子节点,减少无用节点访问,减少算法运行时间。然后使用真实的用户数据集进行多组实验,在多种条件下与不包含索引的NA,W,WI种算法进行对比。