한국정보과학회논문지:데이타베이스 (Journal of KIISE:Databases)

한국정보과학회 (Korean Institute of Information Scientists and Engineers)
권호 표지

스트림 환경에서 이동객체 궤적의 효율적 관리

Efficient Management of Moving Object Trajectories in the Stream Environment

  • 이원철 (강원대학교 컴퓨터과학과) ;
  • 문양세 (강원대학교 컴퓨터과학과) ;
  • 이상민 (강원대학교 컴퓨터학과)
  • 발행 : 2007.08.15
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

센서 네트워크, 위치 기반 서비스 등의 기술 발전에 따라, 최근의 이동객체 위치정보는 연속적이고 끊임없이 변경되는 스트림 데이타 형태를 가지게 되었다. 본 논문에서는 이와 같이 스트림 형태로 발생하는 이동객체의 위치정보를 제한된 메모리에 저장하고, 과거 위치를 추정하는 효율적인 방법을 제안한다. 이를 위하여, 우선 제한된 메모리 양으로 지속적으로 추가되는 이동객체의 과거 위치 이력을 저장하기 위한 위치정보의 점진적 추출(incremental extraction) 개념을 제시한다. 점진적 추출이란 새로운 위치정보가 추가될 때마다, 시스템이 관리해야 할 과거 위치정보를 기존 위치정보와 새로운 위치정보를 바탕으로 점진적으로 추출하는 방법을 의미한다. 그런 다음, 이러한 점진적 추출 개념을 적용하여 스트림 환경에서 위치정보를 저장 및 추정하는 전체적인 프레임워크를 제시한다. 그리고, 제안한 프레임워크 하에서 추정위치를 계산하는 방법으로 다항식을 이용한 직선기반과 곡선기반 방법을 제시한다. 다음으로, 점진적 추출 개념을 사용하여 과거 위치를 추출하는 방법으로 균등 간격 추출, 기울기 기반 추출. 그리고 최근 시점강조 추출의 세 가지 방법을 제시한다. 실험 결과, 제안한 점진적 추출 방법은 적은 비율(0.1%)의 위치정보를 저장함에도 불구하고 과거 위치추정에 있어 비교적 높은 정확도(오차율 3% 이내)를 나타냈다. 특히, 곡선기반의 점진적 추출 방법은 전체 위치 데이타의 0.1% 만을 저장하면서도 오차율 1.5% 미만의 높은 정확도를 나타내었다. 이러한 결과로 볼 때, 제안한 방법은 스트림 환경에서 이동객체의 위치정보를 저장하고, 과거 위치를 추정하는 우수한 연구결과라 사료된다.

Due to advances in position monitoring technologies such as global positioning systems and sensor networks, recent position information of moving objects has the form of streaming data which are updated continuously and rapidly. In this paper we propose an efficient trajectory maintenance method that stores the streaming position data of moving objects in the limited size of storage space and estimates past positions based on the stored data. For this, we first propose a new concept of incremental extraction of position information. The incremental extraction means that, whenever a new position is added into the system, we incrementally re-compute the new version of past position data maintained in the system using the current version of past position data and the newly added position. Next, based on the incremental extraction, we present an overall framework that stores position information and estimates past positions in the stream environment. We then propose two polynomial-based methods, line-based and curve-based methods, as the method of estimating the past positions on the framework. We also propose three incremental extraction methods: equi-width, slope-based, and recent-emphasis extraction methods. Experimental results show that the proposed incremental extraction provides the relatively high accuracy (error rate is less than 3%) even though we maintain only a little portion (only 0.1%) of past position information. In particular, the curve-based incremental extraction provides very low error rate of 1.5% even storing 0.1% of total position data. These results indicate that our incremental extraction methods provide an efficient framework for storing the position information of moving objects and estimating the past positions in the stream environment.

키워드

참고문헌

  1. Hu, H., Xu, J., and Lee, D. L., 'A Generic Framework for Monitoring Continuous Spatial Queries over Moving Objects,' In Proc. Int'l Conf. on Management of Data ACM SIGMOD, Baltimore, Md, pp. 479-490, June 2005
  2. Wang, G., Cao, G., Porta, T., and Zhang, W., 'Sensor Relocation in Mobile Sensor Networks,' IEEE, INFOCOM, Vol. 4, pp. 2302-2312, Mar. 2004
  3. Brugnoli, M. C., Hamard, J., and Rukzio, E., 'User Expectations for Simple Mobile Ubiquitous Computing Environments,' In Proc. the 2nd workshop on Mobile Commerce and Services, Munich, Germany, pp. 2-10, July 2005
  4. Nievergelt, J. and Hinterberger, H., 'The Grid File: An Adaptable, Symmetric Multikey File Structure,' ACM Transactions on Database Systems, Vol. 9, No. 1, pp. 38-71, Mar. 1984 https://doi.org/10.1145/348.318586
  5. Tzouramanis, T., Vassilakopoulos, M., and Manolopoulos, Y., 'Overlapping Linear Quadtrees: A Spatio-Temporal Access Method,' In Proc. the 6th Int'l Symp. on Advances in Geographic Information Systems, Washington D.C., pp. 1-7, Nov. 1998
  6. Guttman, A., 'R-trees: A Dynamic Index Structure for Spatial Searching,' In Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Boston, MA, pp. 47-57, June 1984
  7. Nascimento, M. and Silva, J., 'Towards Historical R-trees,' In Proc. of ACM Symp. on Applied Computing, ACM SAC, Atlanta, Georgia, pp. 235-240, Feb. 1998
  8. Pfoser, D., Jensen, C., and Theodoridis, Y., 'Novel Approaches to the indexing of Moving Object Trajectories,' In Proc. Int'l Conf. on Very Large Data Bases(VLDB), Cairo, Egypt, pp. 395-406, Sept. 2000
  9. Cai, Y. and Ng, R., 'Indexing Spatio-Temporal Trajectories with Chebyshev Polynomials,' In Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Paris, France, pp. 599-610, June, 2004
  10. Saltenis, S., Jensen, C. S., Leutenegger, S. T., and Lopez, M. A., 'Indexing the Positions of Continuously Moving Objects,' In Proc. Int'l. Conf. on Management of Data, ACM SIGMOD, Dallas, TX, pp. 331-342, June 2000
  11. Yu, B.-G., Kim, S.-H., Bailey, T., and Gamboa, R., 'Curve-Based Representation of Moving Object Trajectories,' In Proc. Int'l Conf. on Database Engineering and Applications Symposium, IEEE, Dijon, France, pp. 419-425, Apr. 2004
  12. Tao, Y., Faloutsos, C., Papadias, D., and Liu, B., 'Prediction and Indexing of Moving Objects with Unknown Motion Patterns,' In Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Paris, France, pp. 611-622, June 2004
  13. Faloutsos, C., Ranganathan, M., and Manolopulos, Y., 'Fast Subsequence Matching in Time-Series Database,' In Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Minneapolis, MN, pp. 419-429, May 1994
  14. Chan, K.-P. and Fu, W.-C., 'Efficient Times Series Matching by Wavelets,' In Int'l Conf. on Data Engineering, IEEE, Sydney, Australia, pp. 126-133, Mar. 1999
  15. Keogh, J. E., Chakrabarti, K., Mehrotra, S., and Pazzani, M., 'Locally Adaptive Dimensionality Reduction for Indexing Large Time Series Databases,' In Int'l Conf. on Management of Data, ACM SIGMOD, Santa Barbara, CA, pp. 151-162, May 2001
  16. Babcock, B. et al., 'Models and Issues in Data Stream Systems,' In Proc. of the 21st ACM SIGACT-SIGMOD-SIGART Symp. On Principles of Databases Systems (PODS), Madison, Wis, pp. 1-16, June 2002
  17. Lim, H.-S., Lee, J.-G., Lee, M.-J., Whang, K.-Y., and Song, I.-Y., 'Continuous Query Processing in Data Streams Using Duality of Data and Queries,' In Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Chicago, Ill, pp. 313-324, June 2006
  18. Keogh, E. J. et al., 'LB_Keogh Supports Exact Indexing of Shapes under Rotation Invariance with Arbitrary Representations and Distance Measures,' In Proc. Int'l Conf. on Very Large Data Bases (VLDB), Seoul, Korea, pp. 882-893, Sept. 2006
  19. Rao, S. S., Applied Numerical Methods for Engineers and Scientists, Prentice Hall, 2002
  20. Theodoridis,Y., Silva, J. R. O., and Nacimento, M. A., 'On the Generation of Spatiotemporal Datasets,' In Proc. Symp. on Advances in Spatial Databases, Hong Kong, China, pp. 147-164, July 1999
  21. Palpanas, T., Vlachos, M., Keogh, E., Gunopulos D., and Truppel, W., 'Online Amnesic Approximation of Streaming Time Series,' In Proc. Int'l Conf. on Data Engineering, IEEE, Boston, MA, pp. 338-349, Mar. 2004
  22. Keogh, J. E., and Pazzani, J. M., 'An Enhanced Representation of Time Series Which Allows Fast and Accurate Classification, Clustering and Relevance Feedback,' In Proc. Int'l Conf. on Knowledge Discovery and Data Mining, New York, NY, pp. 239-243, Aug. 1998