도로 네트워크에서 $A^*$ 알고리즘을 이용한 k-최근접 이웃 객체에 대한 효과적인 경로 탐색 방법

Efficient Path Finding Based on the $A^*$ algorithm for Processing k-Nearest Neighbor Queries in Road Network Databases

  • 신성현 (한양대학교 공과대학 컴퓨터공학부) ;
  • 이상철 (한양대학교 공과대학 컴퓨터공학부) ;
  • 김상욱 (한양대학교 공과대학 컴퓨터공학부) ;
  • 이정훈 (제주대학교 전산통계학과) ;
  • 임을규 (한양대학교 공과대학 컴퓨터공학부)
  • 발행 : 2009.10.15

초록

본 논문에서는 기존 k-최근접 객체 검색의 효율성을 개선하고 도로 네트워크에의 응용을 용이하게 하기 위하여 질의 점으로부터 k개의 정적 객체까지의 경로를 효과적으로 탐색할 수 있는 방법을 제안한다. 제안한 방법은 우선, k-최근접 이웃 질의 방법을 이용하여 후보 정적 객체들을 선정한 후 이들 후보 객체들의 위치 정보를 이용하여 최단 경로를 탐색한다. 일대다 경로탐색을 위하여 A* 알고리즘을 개선하여 반복된 일대일 경로탐색에 따르는 중복된 노드 스캔을 제거한다. 또, 계산된 결과를 이용하여 질의점으로부터 네트워크 거리상으로 가까운 k개의 정적 객체들의 위치를 재정렬하여 반환한다. 성능평가 실험 결과, 제안한 방법은 기존 방법들인 INE, post-Dijkstra, 그리고 $na{\ddot{i}}ve$ method에 비해 정확성이 100%로 매우 높게 나타났으며, 노드 탐색 시간은 $1.3{\sim}3.0$배로 향상된 성능을 보였다.

This paper proposes an efficient path finding scheme capable of searching the paths to k static objects from a given query point, aiming at both improving the legacy k-nearest neighbor search and making it easily applicable to the road network environment. To the end of improving the speed of finding one-to-many paths, the modified A* obviates the duplicated part of node scans involved in the multiple executions of a one-to-one path finding algorithm. Additionally, the cost to the each object found in this step makes it possible to finalize the k objects according to the network distance from the candidate set as well as to order them by the path cost. Experiment results show that the proposed scheme has the accuracy of around 100% and improves the search speed by $1.3{\sim}3.0$ times of k-nearest neighbor searches, compared with INE, post-Dijkstra, and $na{\ddot{i}}ve$ method.

키워드

참고문헌

  1. Wu, S. and Wu, K., 'Effective Location-Based Services with Dynamic Data Management in Mobile Environments,' Wireless Networks, vol.12, no.3, pp.369-381, 2006 https://doi.org/10.1007/s11276-005-5280-0
  2. Lee, S.-C., Kim, S.-W., Lee, J. and Yoo, J. S., 'Approximate Indexing in Road Network Databases,' ACM Int'l Symp. on Applied Computing, ACM SAC, pp.1568-1572, Mar. 2009 https://doi.org/10.1145/1529282.1529632
  3. Papadias, D., Zhang, J. MarnouIis, N., and Tao, Y, 'Query Processing in Spatial Network Databases,' In Proc. Int'l Conf. on Very Large Data Bases, VLDB, pp.802-813, Sept. 2003
  4. Kolahdouzan, M. and Shahabi, C., 'Voronoi- Based K-Nearest Neighbor Search for Spatial Network Databases,' In Proc. Int'l Conf on Very Large Data Bases, VLDB, pp.840-851, Sept. 2004
  5. Faloutsos, C. and Lin, K., 'Fastlap: A Fast Algorithm for Indexing, Data-Mining and Visualization of Traditional and Multimedia Datasets,' In Proc. ACM Int'l Conf. on Management of Data, ACM SIGMOD, pp.163-174, May 1995. https://doi.org/10.1145/223784.223812
  6. Hart, P, E, Nilsson, N. J., and Raphael, B., 'A Formal Basis for the Heuristic Determination of Minimum Cost Paths in Graphs,' IEEE Trans. on Systems Science and Cybernetics, vol, SSC-4, no. 2, pp.100-107, July 1968. https://doi.org/10.1109/TSSC.1968.300136
  7. Dijkstra, K W., 'A note on two problems in connection with graphs,' Numerische Mathematik, vol.1, pp.269-271, 1959 https://doi.org/10.1007/BF01386390
  8. Beckmann, N., Kriegel, H., Schneider, R., and Seeger, B., 'The R$\ast$-tree: An Efficient and Robust Access Method for Points and Rectangles,' In Proc. the ACM Int'l Carr[. on Management of Data, ACM SIGMOD, pp.322-331, May 1990 https://doi.org/10.1145/93605.98741