Continuous Discovery of Dense Regions in the Database of Moving Objects

이동객체 데이터베이스에서의 밀집 영역 연속 탐색

Small mobile devices have become commonplace in our everyday life, from cellular phones to PDAs. Discovering dense regions for the mobile devices is one of the problems of grate practical importance. It can be used in monitoring movement of vehicles, concentration of troops, etc. In this paper, we propose a novel algorithm on continuously clustering a large set of mobile objects. We assume that a mobile object reports its position only if it is too far away from the expected position and thus the location data received may be imprecise. To compute the location of each individual object could be costly especially when the number of objects is large. To reduce the complexity of the computation, we want to first cluster objects that are in proximity into a group and treat the members in a group indistinguishable. Each individual object will be examined only when the inaccuracy causes ambiguity in the final results. We conduct extensive experiments on various data sets and analyze the sensitivity and scalability of our algorithms.

일상 생활에서 널리 사용 중인 핸드폰, PDA 등 소형 이동장치들의 밀집된 영역들을 구하는 것은 매우 중요한 문제들 중의 하나로서, 군대의 집결, 차량 이동의 모니터링 등 다양한 분야에 사용될 수 있다. 본 논문에서는 대량의 이동객체 데이터베이스 상에서 밀집 영역 탐색을 연속적으로 수행하기 위한 새로운 알고리즘을 제안한다. 본 논문에서는 이동객체들이 전원 절약 등의 이유로 자신들의 위치를 주기적으로 서버에 보고하는 대신, 기대되는 위치로부터 멀리 떨어지게 되는 경우에만 새로운 위치를 보고하는 환경을 가정한다. 이러한 경우 서버에서 관리되는 이동객체 위치는 정확하게 지정할 수 없고 확률적으로 표시되는데, 대량의 이동객체에 대해 확률적인 분포를 고려하여 밀집 영역을 찾기 위해서는 커다란 비용이 요구된다. 본 논문에서는 근접한 위치에 있는 이동객체들을 하나의 그룹으로 묶고, 동일한 그룹에 속한 이동객체들은 동일하게 취급함으로써 계산의 복잡도를 줄인다. 최종 결과에서 밀집 영역 판단이 모호해지는 경우에만 개별 이동객체들이 자세히 조사된다. 여러 데이터 집합들을 대상으로 다양한 실험을 수행하여 제안된 알고리즘의 우수성을 보이고, 민감성 및 확장성 분석 결과를 제시한다.