초록
위치기반서비스에서 이동체의 위치 데이타 수집 비용을 줄이기 위하여 위치 데이타를 주기적으로 수집한다. 주기적으로 수집된 위치 데이타는 보고 주기 사이의 위치 변화를 반영하지 못하기 때문에 시간에 대한 선형 함수를 이용하여 예측된 위치 데이타와 오차가 발생한다. 따라서 오차를 포함한 불확실한 미래위치데이타로 인하여 TPR 트리에서 현재위치질의의 정확도가 떨어지는 문제점이 발생한다. 이 논문에서는 불확실한 위치 데이타에 대한 현재질의를 처리하기 위하여 선형 함수에 의해 예측된 위치 데이타에 오차분을 반영한 불확실성 영역을 정의하고 불확실성 영역을 설정하기 위하여 최근 예측 오차 가중치 기법과 칼만 필터 기법을 제시한다. 또한 TPR 트리를 기반으로 불확실성 영역을 반영한 질의 처리기를 구현하고 성능 비교 평가를 수행한다. 성능 평가 결과에 따르면 기존의 선형함수 기반 질의처리 기법보다 불확실성 영역 기반 질의처리 기법이 최소 약 15% 이상의 정확도가 향상되는 장점을 가진다.
Positional data of moving objects can be regularly sampled in order to minimize the cost of data collection in LBS. Since position data which are regularly sampled cannot include the changes of position occurred between sampling periods, sampled position data differ from the data predicted by a time parameterized linear function. Uncertain position data caused by these differences make the accuracy of the range queries for present positions diminish in the TPR tree. In this paper, we propose the uncertainty region to handle the range queries for uncertain position data. The uncertainty region is defined by the position data predicted by the time parameterized linear function and the estimated uncertainty error. We also present the weighted recent uncertainty error policy and the kalman filter policy to estimate the uncertainty error. For performance test, the query processor based by the uncertainty region is implemented in the TPR tree. The experiments show that the Proposed query processing methods are more accurate than the existing method by 15%.