Page 175 - 《软件学报》2026年第3期

1138 软件学报 2026 年第 37 卷第 3 期

chinawater, 并借助 HydroSHEDS 数据进行扩充, 以评估 NALSpatial 在不同数据负载条件下的处理效率和稳
定性.
● 范围大小的影响. 按照区域面积依次倍增, 选取南京市的玄武区、雨花台区、栖霞区和江宁区进行范围查
询. 基于测试用例, 为每个行政区构造 10 个对相同地理信息 (包括 POI、road、park 等) 的范围查询. 根据区域的
不同, 将这些 NLQ 分为 4 组: A 组是玄武区, B 组是雨花台区, C 组是栖霞区, D 组是江宁区. 分别测试每组的可翻
译性、翻译精度和平均响应时间. 实验结果如图 7(a) 所示, 每组的可翻译性都为 100%, 翻译精度都为 90%, 平均
响应时间保持在 2.55–2.65 s 之间.

2.7 2.7
2.61
2.58 2.59
2.6 2.55 2.6 2.52 2.5 2.54
响应时间 (s) 2.5 响应时间 (s) 2.5 2.45
2.4
2.4
2.3 2.3
2.2 2.2
玄武区 雨花台区 栖霞区 江宁区 1 8 16 32
查询范围 邻居个数
(a) 范围查询关键参数调整 (b) 最近邻居查询关键参数调整
2.7 2.7
2.6 2.6 2.51 2.55
响应时间 (s) 2.5 2.34 响应时间 (s) 2.5 2.36

2.4
2.4
2.3 2.27 2.31 2.32 2.3
2.2 2.2
位置相交 0.8 km 1 km 1.5 km count sum max
连接条件 统计函数
(c) 空间Join查询关键参数调整 (d) 聚合查询关键参数调整
图 7 NALSpatial 的第 1 组性能验证实验结果

● 邻居个数的影响. 基于测试用例, 选取 10 个最近邻居查询, 通过将最近邻居数修改为 1、8、16 或 32 扩展
到 40 个查询. 根据最近邻居数的不同, 将这些 NLQ 分为 4 组: A 组是 1 个, B 组是 8 个, C 组是 16 个, 和 D 组是
32 个. 分别测试每组的可翻译性、翻译精度和平均响应时间. 实验结果如图 7(b) 所示, 每组的可翻译性都为
100%, 翻译精度都为 100%, 平均响应时间保持在 2.45–2.55 s 之间.
● 连接条件的影响. 基于测试用例, 选取 10 个空间 Join 查询, 通过将连接条件修改为位置相交、距离小于
800 m、距离小于 1 km 或距离小于 1.5 km 扩展到 40 个查询. 根据连接条件的不同, 将这些 NLQ 分为 4 组: A 组
是位置相交, B 组是距离小于 800 m, C 组是距离小于 1 km, 和 D 组是距离小于 1.5 km. 分别测试每组的可翻译性、
翻译精度和平均响应时间. 实验结果如图 7(c) 所示, 每组的可翻译性都为 90%, 翻译精度都为 90%, 平均响应时间
保持在 2.25–2.35 s 之间.
● 统计函数的影响. 基于测试用例, 选取 10 个聚合查询, 通过将统计函数修改为 count、sum 或 max 扩展到
30 个查询. 根据统计函数的不同, 将这些 NLQ 分为 3 组: A 组是 count 函数, B 组是 sum 函数, 和 C 组是 max 函
数. 分别测试每组的可翻译性、翻译精度和平均响应时间. 实验结果如图 7(d) 所示, 每组的可翻译性都为 100%,
翻译精度都为 90%. 系统的平均响应时间随聚合查询的统计函数的改变而不同. 统计函数为 sum 的聚合查询涉及
地点的识别和相交面积的计算, 响应时间是最大的. 统计函数为 max 的聚合查询的关键实体信息提取只涉及空间
关系, 响应时间是最小的.