• Journal of Platform Technology
• /
• 제11권1호
• /
• pp.52-59
• /
• 2023

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.

• 한국정보과학회논문지:데이타베이스
• /
• 제35권1호
• /
• pp.54-66
• /
• 2008

시공간 데이타베이스에서 조인 연산은 매우 많은 비용이 소요되며, 시공간 조인 연산의 효율적인 질의 실행 계획을 세우기 위해 조인 연산에 대한 정확한 선택도 추정은 질의처리 성능에 결정적이다. 주어진 두 이산 데이타집합 $S_1,\;S_2$의 타임스탬프 $t_q$에서 시공간 조인 연산은 타임스탬프 $t_q$에서 서로 교차하는 모든 객체 쌍을 검색하는 것이다. 시공간 조인 연산의 선택도 추정치는 검색된 객체 쌍의 수를 $|S_1{\times}S_2|$로 나눈 값이다. 이 논문은 공간 조인 연산의 선택도 추정 기법인 기하 히스토그램 기법을 확장하여 시공간 조인 선택도 추정을 위한 시공간 히스토그램을 제안한다. 균일 데이타 집합과 편중 데이타 집합 모두를 사용하여 제안된 히스토그램 기법으로 시공간 조인 연산의 선택도를 정확하게 추정할 수 있다는 것을 증명하였다. 본 논문의 기여도는 먼저 이산 데이타 집합에 대한 시공간 조인 선택도 추정 연구의 첫 시도를 하였으며 다음으로 이산 객체의 유효시간 동안의 공간 통계정보를 압축하여 히스토그램을 재구축하는 효율적인 유지기법을 제안하였다.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.88-97
• /
• 2023

Traffic flow prediction is of great significance in urban planning and traffic management. As the complexity of urban traffic increases, existing prediction methods still face challenges, especially for the fusion of spatiotemporal information and the capture of long-term dependencies. This study aims to use the fusion model of graph neural network to solve the spatio-temporal information fusion problem in traffic flow prediction. We propose a new deep learning model Spatio-Temporal Information Fusion using Graph Neural Networks (STFGNN). We use GCN module, TCN module and LSTM module alternately to carry out spatiotemporal information fusion. GCN and multi-core TCN capture the temporal and spatial dependencies of traffic flow respectively, and LSTM connects multiple fusion modules to carry out spatiotemporal information fusion. In the experimental evaluation of real traffic flow data, STFGNN showed better performance than other models.

• 지능정보연구
• /
• 제10권2호
• /
• pp.15-37
• /
• 2004

최근 데이터 양이 급증하면서 데이터 마이닝에 대한 연구가 활발하게 진행되고 있으며 특히 GPS 시스템, 감시시스템, 기상 관측 시스템과 같은 다양한 응용 시스템으로부터 수집된 데이터를 분석하고자 하는 시공간 데이터 마이닝 연구에 대한 관심이 더욱 높아지고 있다. 기존의 시공간 데이터 마이닝 연구들에서는 비시공간 데이터 기반의 일반적인 클러스터링 기법들을 그대로 적용하고 있으나 데이터의 속성이 다른 시공간 데이터 마이닝에서 기존의 알고리즘들이 어느 정도의 성능을 보장하는지, 데이터의 시공간 속성에 따라 적절한 마이닝 알고리즘을 선택하기 위한 기준이 무엇인지 등에 대한 연구는 미흡한 실정이다. 본 논문에서는 기존의 시공간 데이터 마이닝 연구에서 일반적으로 많이 사용되어 온 알고리즘인 SOM(Self-Organizing Map)을 기반으로 시공간 데이터 마이닝 모듈을 개발하고, 개발된 클러스터링 모듈의 성능을 K-means과 두 가지 응집 계층(Hierarchical Agglomerative) 알고리즘들과 균질도, 분리도, 반면영상 너비, 정확도의 네 가지 평가 기준을 기반으로 비교하였다. 또한 입력 데이터의 특성 가시화 및 클러스터링 결과의 정확한 분석을 위해 시공간 데이터 클러스터링을 위한 가시화 모듈을 개발하였다.

• Spatial Information Research
• /
• 제22권5호
• /
• pp.9-18
• /
• 2014

유비쿼터스 컴퓨팅 환경이 발전함에 따라 GeoSensor와 같이 GPS 기능을 보유한 센서로부터 생성된 시공간 센서 데이터 활용이 증가하고 있으며, 시공간 센서 데이터를 사용해 사용자에게 다양한 서비스를 효율적으로 제공해주기 위한 시맨틱 센서 웹이 연구되고 있다. 특히, W3C에서는 OGC의 SWE(Sensor Web Enablement)와 같은 센서 관련 표준들을 활용하고, 센서 데이터를 온톨로지로 표현할 수 있는 SSNO(Semantic Sensor Network Ontology)를 개발하였다. 그러나 이러한 연구들은 비시공간 센서 데이터에 대한 질의 처리는 가능하지만 시간과 공간 정보를 포함하는 시공간 센서 데이터를 효율적으로 처리하기 어렵다는 문제점이 존재한다. 따라서, 본 논문에서는 OGC의 "OpenGIS Simple Feature Specification for SQL"에서 제시한 공간 데이터 타입과 공간 연산자를 확장하여 시공간 데이터 타입과 시공간 연산자를 지원하는 SSNO 기반의 시공간 시맨틱 센서 웹을 개발하였다. SSNO 기반의 시공간 시맨틱 센서 웹은 시공간 센서 데이터인 SensorML(Sensor Model Language)과 O&M(Observations and Measurements) 스키마를 분석하여 SSNO 문서로 변환 및 저장하고, 시공간 연산자와 시공간 추론 규칙을 적용하여 효율적인 질의 처리를 수행한다. 마지막으로, 이러한 SSNO 기반의 시공간 시맨틱 센서 웹을 가상 시나리오에 적용해 봄으로써 본 시스템의 효용성을 검증하였다.

• 정보처리학회논문지D
• /
• 제16D권2호
• /
• pp.237-248
• /
• 2009

최근 이동 객체의 동적인 위치나 이동성에 기반하여 여러 분야에 적용가능한 위치 기반 서비스를 개발하고자 다양한 객체의 이동 패턴들로 부터 유용한 패턴을 추출하기 위한 패턴 탐사 기법에 대한 연구가 활발히 진행되고 있다. 이동 패턴 탐사는 특성상 방대한 시공간 데이터의 분석 및 처리 방법에 따라 패턴 탐사의 성능이 좌우된다. 기존의 시공간 패턴 탐사 기법들[1-6,8-11] 중 일부는 이러한 문제를 해결하기 위한 방법을 제시하였으나, 패턴 탐사 수행 시간이나 패턴 탐사 시 사용되는 메모리양을 최소화하는데 있어 아직 부족한 실정이다. 이에 본 논문에서는 방대한 시공간 이동 데이터 집합으로부터 순차적이고 주기적인 빈발 이동 패턴을 효과적으로 추출하기 위한 새로운 시공간 이동 패턴 탐사기법을 제안한다. 제안된 기법에서는 이동 객체의 이력 데이터로부터 해시 트리 기반의 이동 시퀀스 트리를 생성하여 빈발 이동 패턴을 탐사함으로써 탐사 수행 시간을 $83%{\sim}93%$ 감소시키고, 시간 및 공간 속성을 가진 상세 수준의 이력 데이터들을 공간 및 시간 개념 계층을 이용하여 실세계의 의미있는 시간 및 공간영역으로 일반화함으로써 탐사 시 소요되는 메모리양을 감소시켜 보다 효과적인 패턴 탐사를 유도한다.

• 한국공간정보시스템학회 논문지
• /
• 제9권1호
• /
• pp.59-77
• /
• 2007

모바일 환경의 대중화와 이를 위한 기반 기술의 발전으로 인하여 이동 객체들을 효과적으로 표현하고 분석하는 것이 중요한 문제로 대두되고 있다. 이러한 환경에서 이동 객체 궤적의 유사성 검색은 궤적에 대한 데이터 마이닝의 일부분으로 중요한 연구 분야중의 하나이다. 본 논문에서는 도로 네트워크상의 이동 객체 궤적을 위한 시공간 유사 궤적 검색 알고리즘을 제안한다. 이를 위하여 도로 네트워크상에서 두 이동 객체 궤적 사이의 시공간 거리를 정의하고, 이를 기반으로 궤적 사이의 시공간 유사도 측정 방법을 제안한다. 유사 궤적 알고리즘은 효율적인 검색을 위하여 시그니쳐 파일 기법을 이용하여 궤적을 검색한다. 마지막으로, 본 논문에서 제안하는 시공간 유사 궤적 검색 알고리즘을 구현하고, 성능 분석을 통해 제안하는 알고리즘의 효율성을 입증한다.

• Spatial Information Research
• /
• 제10권2호
• /
• pp.185-199
• /
• 2002

본 연구에서는 가변적 공간 단위의 문제를 고려한 시공간 자료 분석 방법을 탐색하는 것을 목적으로 하였다. 기존의 시계열 연구에서는 행정 구역 신설이나 경계 변동같은 공간 단위(areal unit)의 가변성을 제대로 반영하지 못했기 때문에 속성 자료와 공간 자료의 불부합 현상이 있었다. 지역의 공간적 특성과 시공간적 변화를 지가 변동분석을 통하여 살펴보기 위해서는 분석 공간 단위의 가변성에 영향을 받지 않도록 개별적인 정보를 유지할 수 있는 시공간 데이터베이스를 구축하는 것이 필요하다. 이 연구에서는 기본 격자로 공간 단위를 구성함으로써 분석 기준 시점의 속성 자료와 공간자료를 일치시킬 수 있었기 때문에 ‘가변적 공간 단위의 문제’를 보완할 수 있었다.

• Journal of Information Processing Systems
• /
• 제16권3호
• /
• pp.612-628
• /
• 2020

This paper presents a new approach for detecting abnormal behaviors in complex surveillance scenes where anomalies are subtle and difficult to distinguish due to the intricate correlations among multiple objects' behaviors. Specifically, a cascaded probabilistic topic model was put forward for learning the spatial context of local behavior and the temporal context of global behavior in two different stages. In the first stage of topic modeling, unlike the existing approaches using either optical flows or complete trajectories, spatio-temporal correlations between the trajectory fragments in video clips were modeled by the latent Dirichlet allocation (LDA) topic model based on Markov random fields to obtain the spatial context of local behavior in each video clip. The local behavior topic categories were then obtained by exploiting the spectral clustering algorithm. Based on the construction of a dictionary through the process of local behavior topic clustering, the second phase of the LDA topic model learns the correlations of global behaviors and temporal context. In particular, an abnormal behavior recognition method was developed based on the learned spatio-temporal context of behaviors. The specific identification method adopts a top-down strategy and consists of two stages: anomaly recognition of video clip and anomalous behavior recognition within each video clip. Evaluation was performed using the validity of spatio-temporal context learning for local behavior topics and abnormal behavior recognition. Furthermore, the performance of the proposed approach in abnormal behavior recognition improved effectively and significantly in complex surveillance scenes.

• 한국통신학회논문지
• /
• 제22권6호
• /
• pp.1195-1209
• /
• 1997

This paper presents a new morphological spatio-temporal segmentation algorithm. The algorithm incorporates luminance and motion information simultaneously, and uses morphological tools such as morphological filtersand watershed algorithm. The procedure toward complete segmentation consists of three steps:joint marker extraction, boundary decision, and motion-based region fusion. First, the joint marker extraction identifies the presence of homogeneours regions in both motion and luminance, where a simple joint marker extraction technique is proposed. Second, the spatio-temporal boundaries are decided by the watershed algorithm. For this purposek, a new joint similarity measure is proposed. Finally, an elimination ofredundant regions is done using motion-based region function. By incorporating spatial and temporal information simultaneously, we can obtain visually meaningful segmentation results. Simulation results demonstratesthe efficiency of the proposed method.