Journal of Platform Technology

  • 제11권1호
  • /
  • Pages.52-59
  • /
  • 2023
  • /
  • 2289-0181(pISSN)
  • /
  • 2289-019X(eISSN)
ICT플랫폼학회 (ICT Platform Society)
권호 표지

이동 객체를 위한 시공간 궤적의 질의 처리

Query Processing of Spatio-temporal Trajectory for Moving Objects

  • 오병우 (국립금오공과대학교 컴퓨터공학과)
  • 투고 : 2023.02.16
  • 심사 : 2023.02.27
  • 발행 : 2023.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

최근 전염성이 높은 COVID-19 바이러스의 영향으로 접촉자 추적에 사용할 수 있는 시공간 궤적에 대한 중요성이 커지고 있다. 시공간 궤적은 객체가 이동한 시간 및 공간 데이터를 저장한다. 본 논문에서는 이동 객체의 시공간 궤적에 대한 질의 처리를 제안한다. 이동 객체의 시공간 궤적 모델은 위치를 저장하기 위하여 포인트 형태의 공간 데이터를 가지고 타임스탬프 형태의 시간 데이터를 가진다. 궤적 질의는 같은 버스에 탑승하여 서로 밀접하게 접촉한 사용자들의 쌍을 검색하는 질의이다. 궤적 질의를 처리하기 위하여 데이터셋으로는 마이크로소프트의 Geolife 데이터를 사용한다. 제안된 궤적 질의 처리는 궤적 데이터를 날짜별로 나누고 각 날짜에 대해 사용자의 궤적들이 근처에 있었는지 검사하고 접촉자들에 대한 정보를 결과로 생성한다.

The importance of spatio-temporal trajectories for contact tracing has increased due to the recent COVID-19 pandemic. Spatio-temporal trajectories store time and spatial data of moving objects. In this paper, I propose query processing for spatio-temporal trajectories of moving objects. The spatio-temporal trajectory model of moving objects has point type spatial data for storing locations and timestamp type temporal data for time. A trajectory query is a query to search for pairs of users who have been in close contact by boarding the same bus. To process the trajectory query, I use the Geolife dataset provided by Microsoft. The proposed trajectory query processing method divides trajectory data by date and checks whether users' trajectories were nearby for each date to generate information about contacts as the result.

키워드

과제정보

이 연구는 금오공과대학교 학술연구비로 지원되었음 (과제번호: 202002400001)

참고문헌

  1. B. T. Nixon, R. Alseghayer, B. Graybill, X. Zhang, C. Costa, and P. K. Chrysanthis, "Efficient Detection of COVID-19 Exposure Risk," in Proc. of the IEEE International Conference on Mobile Data Management (MDM), Jun. 2022, pp. 310-313.
  2. P. Vepakomma, S. N. Pushpita, and R. Raskar. (2021). DAMS: Meta-estimation of private sketch data structures for differentially private COVID-19 contact tracing. Tech. Rep. [Online]. Available: https://www.researchgate.net/profile/Praneeth-Vepakomma2/publication/344238306_DAMS_Meta-estimation_of_private_sketch_data_structures_for_differentially_private_contact_tracing/links/5f5f6f8392851c0789652448/DAMS-Meta-estimation-of-private-sketch-data-structures-for-differentially-private-contact-tracing.pdf
  3. M. E. Ali, S. S. Eusuf, and K. A. Islam. (2020). An Efficient Index for Contact Tracing Query in a Large Spatio-Temporal Database. [Online]. Available: https://arxiv.org/pdf/2006.12812.pdf
  4. S. Wang, Z. Bao, J. S. Culpepper, and G. Cong, "A survey on trajectory data management, analytics, and learning," ACM Computing Surveys (CSUR), Vol. 54, No. 2, pp. 1-36, 2021. https://doi.org/10.1145/3440207
  5. M. M. Alam, T. Luis, and B. Albert. "A survey on spatio-temporal data analytics systems," ACM Computing Surveys, Vol. 54, No.10s, pp. 1-38, Nov. 2022. https://doi.org/10.1145/3507904
  6. H. Butler, M. Daly, A. Doyle, S. Gillies, S. Hagen, and T. Schaub. (2016). The geojson format (rfc7946). [Online]. Available: https://www.rfc-editor.org/rfc/rfc7946
  7. B. Mohamed, S. Mahmoud, and Z. Esteban, "Distributed spatiotemporal trajectory query processing in SQL," in Proc. of the 28th International Conference on Advances in Geographic Information Systems, Nov. 2020, pp.87-98.
  8. Y. Zheng, L. Zhang, X. Xie, and W. Y. Ma, "Mining interesting locations and travel sequences from GPS trajectories," in Proc. of International conference on World Wild Web (WWW 2009), Madrid, Spain, pp. 791-800.
  9. Y. Zheng, Q. Li, Y. Chen, X. Xie, and W. Y. Ma, "Understanding Mobility Based on GPS Data," in Proc. of ACM conference on Ubiquitous Computing (UbiComp 2008), Seoul, Korea, pp. 312-321.
  10. Y. Zheng, X. Xie, and W. Y. Ma, "GeoLife: A Collaborative Social Networking Service among User, location and trajectory," Invited paper, in IEEE Data Engineering Bulletin. Vol. 33, No. 2, pp. 32-40, 2010.