面向城市道路网络的时空数据的管理近年来已经成为时空数据库研究领域的一个重要研究方向,这主要得益于该问题的研究与人们的日常生活联系紧密,因此应用广泛。在城市的交通管理中往往涉及许多的运动物体(主要是指车辆),而这些运动物体夜以继日运动更是产生了海量的运动信息,因此,只有建立高效率的时空索引机制才能很好的满足在这种应用中涉及的复杂的时空查询在性能上的要求。显而易见,基于道路网络的时空索引方法是解决这种时空数据管理问题的关键点。　　 本文深入的研究了以城市道路网络为背景的时空数据模型和时空索引方法,详细分析了已经存在的城市交通道路网络的时空数据模型,并提出了一种改进型的城市交通网络的时空数据模型。同时,在这个数据模型的基础上提出了一种新型的基于道路网络的时空索引方法Imon-tree(Improved Mon-tree),Imon-tree针对Mon-tree索引方法时空窗口查询的搜索代价过大且没有有效的支持轨迹查询的不足,对Mon-tree进行了改进。最后,通过实验比较了Imon-tree和Mon-tree以及TMN-tree等索引方法的性能。　　 本文的工作可以归纳如下:　　 (1)总结分析了已有的道路网络的时空数据模型,改进并简化了Guting等人提出的面向道路网络的时空数据模型,在此基础上给出了交通网络模型和基于轨迹片段的运动模型的完整的模型结构。　　 (2)针对Mon-tree索引方法其时空窗口查询的搜索代价过大并且没有有效的支持轨迹查询的不足,在Mon-tree的基础上提出了一种新型的基于道路网络的时空索引方法Imon-tree。在该方法中用顶部四叉树网格结构索引交通道路网络以提升时空窗口查询的搜索速度;并以运动对象的标识符为键,以指向该运动对象运动信息的指针集合为值的方式将所有运动对象的运动信息通过一个哈希结构有效地组织起来,从而使该方法能够有效的支持轨迹查询功能。　　 (3)在Secondo平台下,用其自带的BerlinMOD脚本产生实验数据集进行对比实验。对比实验的结果表明,Imon-tree方法较Mon-tree和TMN-tree方法拥有更好的时空窗口查询和轨迹查询性能。