【数据结构与算法】基于STRtree 的矩形空间索引

STRtree是一个在空间数据库和GIS领域中非常经典且高效的数据结构。

核心概念

STRtree 是一种基于 R-tree 的空间索引数据结构。它的全称是 Sort-Tile-Recursive tree，这个名字基本概括了它的构建方法。它的核心目的是：将空间上相邻的物体（如矩形、多边形、点等）在磁盘或内存中也组织在一起，从而在查询时能快速排除大量不相关的数据。

1. 基本思想：用边界框进行层次分组

想象一下你有一个装满各种形状零件的盒子，现在要快速找到所有在某个区域内的零件。最笨的方法是逐个检查每个零件。而 STRtree 的做法是：

1. 先拿几个小盒子，把空间上相邻的零件分别装进去，并在小盒子上贴上标签，写明里面装了哪些零件的大致范围（即最小边界矩形 MBR）。
2. 再把这几个小盒子放进一个更大的盒子，同样贴上标签，写明所有小盒子覆盖的总范围。
3. 这样就形成了一个层次结构。

当你要查找时，先从最大的盒子开始：

• “这个查找区域和我的大盒子范围相交吗？”
  • 如果不相交，那么大盒子里的所有东西都可以整个排除，无需再查。
  • 如果相交，就继续检查大盒子里的每个小盒子：“查找区域和这个小盒子相交吗？”
    • 如果相交，就打开这个小盒子，逐个检查里面的零件。
    • 如果不相交，这个小盒子里的所有零件都被排除。

STRtree 就是这种思想的自动化、最优化的实现。

2. STRtree 的构建过程（Sort-Tile-Recursive）

这个名字拆开来就是它的构建算法：

第1步：Sort（排序）

• 将所有待索引的空间对象的边界矩形收集起来。
• 按照它们边界矩形中心点的X坐标进行排序。

第2步：Tile（分块）

• 设定一个节点能包含的子节点最大数量（例如 nodeCapacity = 10）。
• 将排序后的矩形列表按顺序分成若干组，每组包含大约 nodeCapacity 个矩形。这些组被称为 “Tiles”（瓦片/分块）。
  • 例如，有100个矩形，节点容量是10，那么就分成10组，每组10个矩形。

第3步：Recursive（递归）

• 为每一组矩形创建一个父节点。这个父节点的边界矩形（MBR）刚好能包裹住组内所有子节点的边界矩形。
• 现在，你有了第一层（叶子节点）的父节点（即中间节点）。
• 对这些新生成的父节点们，递归地重复 Sort -> Tile 过程，但这次是按照它们边界矩形中心点的Y坐标排序。
• 在下一轮递归中，再按X坐标排序，如此交替，直到所有节点被整合到一个根节点下。

这个过程确保了空间上靠近的物体有极大概率被分到同一个叶子节点中，从而保证了高效的查询性能。

3. 查询过程

当执行查询（例如 si.query(Envelope)）时：

1. 从根节点开始：将查询范围与根节点的MBR比较。
2. 递归下行：如果相交，则遍历根节点的所有子节点，检查查询范围与每个子节点的MBR是否相交。
3. 剪枝：如果某个子节点的MBR与查询范围不相交，则这个子节点下的整个子树都可以被跳过（剪枝）。这是性能提升的关键！
4. 到达叶子节点：当到达叶子节点时，检查该节点内存储的每个原始对象的边界矩形是否与查询范围相交。
5. 收集结果：将相交的原始对象加入结果列表。

4. 与其他R-tree变体的比较

STRtree 的优势在于：

• 它通过批量加载算法一次性构建，节点填充紧密，没有重叠或很少重叠，查询效率非常高。
• 对于静态数据（比如一个PDF页面的所有表格线、文本位置，或者一幅地图的所有要素），STRtree 是性能最好的选择之一。

在给定代码中的具体应用

在 RectangleSpatialIndex 类中：

import java.util.ArrayList;
import java.util.List;

import org.locationtech.jts.geom.Envelope;
import org.locationtech.jts.index.strtree.STRtree;

/**
 * 基于 STRtree 的矩形空间索引。
 *
 * <p>
 * 存储实现了 Rectangle 的对象，并使用 JTS 的 STRtree 提供快速的空间查询（点查找、相交查询等）。
 * 同时维护一个原始对象列表以便计算总体边界（bounding box）。
 * </p>
 *
 * @param <T> 存储的矩形类型，必须继承自 Rectangle
 */
public class RectangleSpatialIndex<T extends Rectangle> {

    /**
     * 后端的空间索引（R-tree 实现）。
     */
    private final STRtree si = new STRtree();

    /**
     * 存放所有添加到索引中的矩形对象（用于计算整体边界等）。
     */
    private final List<T> rectangles = new ArrayList<>();

    /**
     * 将一个矩形对象加入索引。
     *
     * 该方法会：
     * - 将对象加入内部列表 rectangles
     * - 将对象的包围盒作为 Envelope 插入到 STRtree 中（用于后续空间查询）
     *
     * @param te 要加入索引的矩形对象
     */
    public void add(T te) {
        rectangles.add(te);
        si.insert(new Envelope(te.getLeft(), te.getRight(), te.getBottom(), te.getTop()), te);
    }

    /**
     * 返回完全包含在给定矩形 r 内的所有对象列表。
     *
     * <p>
     * 实现步骤：
     * </p>
     * <ol>
     * <li>先使用 STRtree.query 获取与 r 的 Envelope 相交的候选集合（快速但可能包含部分相交项）</li>
     * <li>遍历候选集合，筛选出真正被 r 完全包含的对象（r.contains(ir)）</li>
     * <li>按照已弃用的矩形顺序对结果进行排序以保证稳定性</li>
     * </ol>
     *
     * @param r 用于包含测试的矩形区域
     * @return 被 r 完全包含的对象列表（可能为空）
     */
    public List<T> contains(Rectangle r) {
        List<T> intersection = si.query(new Envelope(r.getLeft(), r.getRight(), r.getTop(), r.getBottom()));
        List<T> rv = new ArrayList<T>();

        for (T ir : intersection) {
            if (r.contains(ir)) {
                rv.add(ir);
            }
        }

        Utils.sort(rv, Rectangle.ILL_DEFINED_ORDER);
        return rv;
    }

    /**
     * 返回与给定矩形 r 空间上相交的所有对象（基于 STRtree 的快速查询）。
     *
     * <p>
     * 注意：此方法直接返回 STRtree.query 的结果，不对结果做进一步筛选或排序，
     * 可能包含部分相交的对象。
     * </p>
     *
     * @param r 要查询的矩形区域
     * @return 与 r 相交的对象列表（未经过精确包含检查）
     */
    public List<T> intersects(Rectangle r) {
        return si.query(new Envelope(r.getLeft(), r.getRight(), r.getTop(), r.getBottom()));
    }

    /**
     * 返回索引中所有矩形对象的最小外接矩形（bounding box）。
     *
     * @return 包含索引中所有矩形的最小 Rectangle。如果索引为空则可能抛出异常（调用方需注意）
     */
    public Rectangle getBounds() {
        return Rectangle.boundingBoxOf(rectangles);
    }

}

• 插入：虽然代码中使用了 insert 方法，但STRtree通常是在所有对象插入完毕后，在第一次查询时隐式地执行一次批量构建。或者可以显式调用 build() 方法。
• 查询：contains 和 intersects 方法都利用了STRtree的快速空间过滤能力，先通过树结构快速找到候选集，再进行精确判断。

总结

STRtree 的原理可以概括为：通过 Sort-Tile-Recursive 这一特定算法，将空间对象进行分层、分组，并用最小边界矩形来概括每一组对象的空间范围，从而在查询时利用层次结构进行快速剪枝，极大地减少了需要精确比较的对象数量。它是一种为读操作优化的、非常适合静态数据的高效空间索引。