近几年,空间数据库查询技术在智能识别系统、地理信息系统等领域具有越来越主要的地位。在空间数据库中,近邻查询是重要查询类型之一,但现有的最近邻查询并不适合应用于实际生活中的所有问题,所以近邻查询的研究方向已由理想情况过渡到复杂的路网环境,研究对象也由数据点对象转换为线段对象。由于现有的近邻研究并没有查询对象为不规则图形的解决方法,因此本文重点解决在空间数据库中基于欧式环境、障碍环境以及路网环境的线段k最近区域查询方法。首先,为了解决在高维环境下的基于线段的k最近区域查询问题,提出了基于Hilbert曲线网格划分的空间线段k最近区域查询(Query Method of k Nearest Regions of Spatial line Segment Based on Hilbert Curve Mesh,HLNR)方法。预计算过程存储查询线段的邻近区域及区域r_i的H值,缩减后续的查询过程,提高了查询效率。在精炼过程中,通过所提定理删减对查询结果没有影响的区域,进一步提出了精炼算法,该过程降低了查询结果的失误率。进一步研究了在障碍环境下的线段k最近区域查询方法。在筛选数据集的过程中,删减对查询线段没有影响的区域集合,该过程可以降低CPU利用率;进一步,依据候选区域集中在Voronoi图中所在位置,提出了基于候选区域集合的剪枝策略。该查询方式根据Voronoi图的特征在剪枝、精炼过程当中优化了查询速度,提高了查询结果的准确率。最后提出了路网环境下的线段k最近区域查询方法,并将该方法应用到数据集更新的情况。由于数据集的实时动态改变可能影响到查询结果,所以研究了增加区域和删除区域两种情况下的线段k最近区域查询方法。在区域集合约减过程中,可以缩减查询区域范围,降低CPU的处理时间。在精炼过程中进一步提出了精炼算法和判定规则。依据所提相关的判定规则,可以降低区域的重复查询,从而降低了查询的失误率。