Design of Moving Object Pattern-based Distributed Prediction Framework in Real-World Road Networks

Recently, due to the proliferation of mobile smart devices, the inovation of bigdata, which analyzes and processes massive data collected from various sensors implaned in smart devices, expands to LBSs. Many location prediction techniques for moving objects have been studied in literature. However, as the majority of studies perform location prediction which depends on specific applications, they hardly reflect the technical requirements of next-generation spatio-temporal information services. Therefore, this paper proposes the design of general-purpose distributed moving object prediction query processing framework that is capable of performing primitive and various types of queries effectively based on massive spatio-temporal data of moving objects in real-world space networks.

실세계 도로 네트워크 환경에서의 이동객체 패턴기반 분산 예측 프레임워크 설계

최근 모바일 스마트 기기의 보급으로 스마트 기기에 탑재된 다양한 센서에서 수집되는 대량의 데이터를 분석하여 처리하는 빅 데이터의 시대는 위치기반 서비스(LBSs: Location-Based Services)에 까지 확대대고 있다. 이동객체 위치 예측 기술은 차세대 시공간 정보 서비스에서 요구하는 필수적인 기술로 많은 연구가 진행되어 왔다. 그러나 대부분의 기존연구는 특정 어플리케이션에 종속적인 이동객체 위치 예측 질의처리 연구로서 증가하는 차세대 시공간 정보 서비스의 기술적 요구를 반영하기가 어렵다. 따라서 본 논문은 실세계 공간 네트워크에서 이동객체들의 초대용량 시공간적 데이터를 토대로 필수적으로 예측에 필요한 기본적이고 다양한 질의를 효율적으로 처리할 수 있는 범용적 분산 이동객체 예측 질의처리 프레임워크 설계를 제안한다.