Design and implementation of a time-based R-tree for indexing moving objects

이동체의 색인을 위한 시간 기반 R-트리의 설계 및 구현

  • 전봉기 (부산대학교 컴퓨터공학과) ;
  • 홍봉희 (부산대학교 컴퓨터공학과)
  • Published : 2003.06.01

Abstract

Location-Based Services(LBS) give rise to location-based queries of which results depend on the locations of moving objects. One of important applications of LBS is to examine tracks of continuously moving objects. Moving objects databases need to provide 3-dimensional indexing for efficiently processing range queries on the movement of continuously changing positions. An extension of the 2-dimensional R-tree to include time dimension shows low space utilization and poor search performance, because of high overlap of index nodes and their dead space. To solve these problems, we propose a new R-tree based indexing technique, namely TR-tree. To increase storage utilization, we assign more entries to the past node by using the unbalanced splitting policy. If two nodes are highly overlapped, these nodes are forcibly merged. It is the forced merging policy that reduces the dead space and the overlap of nodes. Since big line segments can also affect the overlap of index nodes to be increased, big line segments should be clipped by the clipping policy when splitting overfull nodes. The TR-tree outperforms the 3DR-tree and TB-tree in all experiments. Particularly, the storage utilization of the TR-tree is higher than the R-tree and R*-tree.

위치 기반 서비스는 이동체의 위치에 따라 종속적인 결과를 얻는 위치 기반 질의를 필요로 하게 하였다. 연속적으로 이동하는 이동체의 위치를 추적하는 것은 위치 기반 서비스에서는 중요한 응용 중의 하나이다. 효과적인 질의 처리를 위해 이동체 데이터베이스는 연속적으로 위치를 변경하는 이동체의 이동을 관리하는 3차원 색인을 필요로 한다. 2차원 R-tree의 확장으로 시간 도메인을 포함하는 3DR-tree와 같은 이동체 색인은 노드 간의 높은 중복과 사장 공간으로 인하여 낮은 공간 활용도와 검색 성능이 저하되는 문제점이 있다. 이 논문에서 제시하는 TR-tree는 R-tree 기반의 색인으로서, 시간 도메인의 성장을 고려하여 시간 축 분할 시 비균등 분할 정책을 사용하여 공간 활용도를 높였다. 노드간의 중복과 사장 공간을 최소화 하기 위하여 강제 합병 정책을 사용하여 중복이 심한 노드를 강제 합병 시킨다. 또한 오버플로우 노드의 분할 시에 노드간의 중복을 심하게 하는 원인이 되는 긴 선분을 절단 정책을 사용하여 2개의 선분으로 절단하여 분할 노드 간의 중복을 제거한다. 실험 평가 결과에서 TR-tree는 3DR-tree와 TB-tree 보다 성능이 우수하였으며, 특히 R-tree와 R*-tree보다 색인의 크기가 작다.

Keywords

References

  1. H. Samet, The design and analysis of spatial data structures, Reading, MA: Addision-Wesley, 1989
  2. J. T. Robinson, The K-D-B-tree: A search structure for large multidimensional dynamic indexes, ACM SIGMOD Conference, p10-18, 1981 https://doi.org/10.1145/582318.582321
  3. A. Guttman, Rrtrces: A dynamic index structure for spatial searching, ACM SIGMOD Conference, p47-54, 1984 https://doi.org/10.1145/602259.602266
  4. N. Beckmann and H. P. Kriegel, 'The R*-tree: An Efficient and Robust Access Method for Points and Rectangles', In Proc. ACM SIGMOD, p332-331, 1990 https://doi.org/10.1145/93597.98741
  5. T. K. Sellis, N. Roussopoulos and C. Faloutsos, 'The Rr-Tree: A Dynamic Index for Multi-Dimensional Objects', Proceedings of the 13th VLDB Conference, p507-518, 1987
  6. Z. Song and N. Roussopoulos, Hashing Moving Object, Intl. Conf. on Mobile Data Management, p161-172, 2001
  7. S. Saltenis, C. S. Jensen, S.T. Leutenegger, and M. A. Lopez, Indexing the Positions of Continuously Moving Objects, In Proc. ACM SIGMOD on Management of data, p331- 342, 2000 https://doi.org/10.1145/342009.335427
  8. J. Tayeb, O. Ulusoy, and O. Wolfson. A Quadtree Based Dynamic Attribute Indexing Method, The Computer Journal, 41(3), p185-200, 1998 https://doi.org/10.1093/comjnl/41.3.185
  9. D. Pfoser, Y. Theodoridis, and C.S. Jensen, Indexing Trajectories in Query Processing for Moving Objects, CHROochronos Technical Report, CH-99-3, October, 1999
  10. D. Pfoser, C.S. Jensen, and Y. Theodoridis, Novel Approaches in Query Processing for Moving Objects, In Proc. of the VLDB Conference, p395406, 2000
  11. Y. Theodoridis, M. Vazirgiannis, and T. K. Sellis, Spatio-Temporal Indexing for Large Multimedia Applications, IEEE International Conference on Multimedia Computing and Systems, p441-448, 1996 https://doi.org/10.1109/MMCS.1996.535011
  12. M. A. Nascimento and J. R. O. Silva, Towards historical R-trees, ACM symposium on Applied Computing, p235-240, 1998 https://doi.org/10.1145/330560.330692
  13. Y. Tao and D. Papadias, MV3R-Tree: A SpatioTemporal Access Method for Timestamp and Interval Queries, Proceedings of International Conference on VLDB, p431-440, 2001
  14. S. Berchtold, D. A. Keirn, H. P. Kriegel, The X -tree: An Index Structure for High-Dimensional Data, International Conference on Very Large Data Bases, p28-39, 1996
  15. D. Greene, An Implementation and Performance Analysis of Spatial Data Access Methods, Proceedings of International Conference on Data Engineering, IEEE, p606-615, 1989 https://doi.org/10.1109/ICDE.1989.47268
  16. Y. Theodoridis, J. R. O Silva and M.A Nascimento, On the Generation of Spatiotemporal Datasets, SSD, LNCS 1651, p147-164, 1999