The KIPS Transactions:PartD (정보처리학회논문지D)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Trajectory Indexing for Efficient Processing of Range Queries

영역 질의의 효과적인 처리를 위한 궤적 인덱싱

  • Published : 2009.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper addresses an indexing scheme capable of efficiently processing range queries in a large-scale trajectory database. After discussing the drawbacks of previous indexing schemes, we propose a new scheme that divides the temporal dimension into multiple time intervals and then, by this interval, builds an index for the line segments. Additionally, a supplementary index is built for the line segments within each time interval. This scheme can make a dramatic improvement in the performance of insert and search operations using a main memory index, particularly for the time interval consisting of the segments taken by those objects which are currently moving or have just completed their movements, as contrast to the previous schemes that store the index totally on the disk. Each time interval index is built as follows: First, the extent of the spatial dimension is divided onto multiple spatial cells to which the line segments are assigned evenly. We use a 2D-tree to maintain information on those cells. Then, for each cell, an additional 3D $R^*$-tree is created on the spatio-temporal space (x, y, t). Such a multi-level indexing strategy can cure the shortcomings of the legacy schemes. Performance results obtained from intensive experiments show that our scheme enhances the performance of retrieve operations by 3$\sim$10 times, with much less storage space.

본 연구에서는 대용량 궤적 데이터베이스에서 영역 질의를 효과적으로 처리하기 위한 인덱싱 기법에 대하여 논의한다. 먼저, 기존 인덱싱기법의 문제점을 지적하고, 이러한 문제점을 해결하는 새로운 기법을 제안한다. 제안된 기법에서는 우선 시간 차원을 다수의 시간 구간으로 분할하고, 인덱싱의 대상이 되는 전체 라인 세그먼트들을 시간 구간별로 구분한다. 각 시간 구간에 속하는 라인 세그먼트들에 대하여 별도의 인덱스를 구축한다. 또한, 디스크에서 관리되는 과거 시간 구간에 대한 인덱스들과는 달리 최근 시간 구간에 대한 인덱스는 메인 메모리상에 관리함으로써 삽입과 검색의 성능을 크게 개선할 수 있다. 각 시간 구간에 속하는 라인 세그먼트들은 다음과 같은 방식으로 인덱스를 구축한다. 먼저, 2D-트리를 이용하여 전체 공간 차원을 유사한 수의 라인 세그먼트들이 배정되도록 다수의 셀들로 분할한다. 또한, 분할된 각 셀마다 시공간 차원 (x, y, t)에 대한 별도의 3차원 $R^*$-트리를 두어 보다 상세한 인덱싱을 지원한다. 이와 같은 다양한 전략을 이용함으로써 기존 기법의 문제점들을 해결 할 수 있다. 다양한 실험을 통하여 제안된 기법의 우수성을 정량적으로 검증한다. 실험 결과에 의하면, 기존 기법에 비하여 작은 인덱스 구조를 갖으면서도 검색 성능면에서 3$\sim$10배까지의 성능 향상 효과를 갖는 것으로 나타났다.

Keywords

References

  1. N. Beckmann, H. P. Kriegel, R. Schneider, and B. Seeger, 'The R*-tree: An Efficient and Robust Access Method for Points and Rectangles,' In Proc. Int'l. Conf. on Management of Data, pp.322-331, 1990 https://doi.org/10.1145/93605.98741
  2. J.L. Bentley, 'Multidimensional Binary Search Trees Used for Associative Searching,' Comm. of the ACM, 18(9), 1975 https://doi.org/10.1145/361002.361007
  3. Berkeley University, The GiST Indexing Project, http://gist.cs.berkely.edu, 2007
  4. V. P. Chakka, A. C. Everspaugh, J. M. Patel, 'Indexing Large Trajectory Data Sets With SETI,' In Proc. Int'l. Conf. on Biennial Conference on Innovative Data Systems Research, CIDR, 2003
  5. R. H. Guting, M. H. Bohlen, M. Erwig, C. S. Jensen, N. A. Schneider, and M. VazirGiannis, 'A Foundation for Representing and Quering Moving Objects,' ACM Transactions on Database Systems, Vol.25, No.1, pp.1-42, 2000 https://doi.org/10.1145/352958.352963
  6. J. M. Hellersten, J. F. Naughton, and A. Pfeffer, Guttman, 'Generalized Search Trees for Database Systems,' In Proc. Int'l Conf. on Very Large Data Bases, VLDB, 1995
  7. G. Kollios, D. Gunopulos, and V. J. Tsotras, 'On Indexing Mobile Objects,' In Proc. ACM SIGACT-SIGMOD-SIGART Symp. on Principles of Database Systems, pp.261-272, 1999 https://doi.org/10.1145/303976.304002
  8. Z. -H. Liu, X. -L. Liu, J. -W. Ge and H. -Y. Bae, 'Indexing Large Moving Objects from Past to Future with PCFI+- Index,' In Proc. Int'l Conf. on Mangement of Data, COMAD, pp.131-137, 2005
  9. D. Pfoser, C. S. Jensen, and Y. Theodoridis, 'Novel Approaches in Query Processing for Moving Object Trajectories,' In Proc. Int'l Conf. on Very Large Data Bases, VLDB, pp.395-406, 2000
  10. E. Pitoura, and G. Samaras, 'Locating Objects in Mobile Computing,' IEEE Transactions on Knowledge and Data Engineering, Vol.13, No.4, pp.571-592, 2001 https://doi.org/10.1109/69.940733
  11. S. Saltenis, C. S. Jensen, S. T. Leutenegger, and M. A. Lopez, 'Indexing the Positions of Continuously Moving Objects,' In Proc. ACM-SIGMOD Conf., pp.331-342, 2000 https://doi.org/10.1145/335191.335427
  12. Z.Song and N.Roussopoulos. SEB-tree: An Approach to Index Continuously Moving Objects, In Proc. Int'l Conf. on Mobile Data Management, MDM, pp.340-344, 2003 https://doi.org/10.1007/3-540-36389-0_25
  13. Y. Theodoridis, M. Vazirgiannis, and T. K. Sellis, 'Spatio- Temporal Indexing for Large Multimedia Applications,' In Proc. Int'l Conf. on Multimedia Computing and Systems, pp.441-448, 1996
  14. M. A. Nascimento and J. R. O. Silva, 'Towards Historical R-trees,' In Proc. ACM Symp. on Applied Computing, pp.235-240, 1998 https://doi.org/10.1145/330560.330692
  15. Y. Tao and D. Papadias, 'MV3R-Tree: A Spatio-Temporal Access Method for Timestamp and Interval Queries,' In Proc. Int'l Conf. on Very Large Data Bases, VLDB, pp.431-440, 2001
  16. Y. Theodoridis, J. R. O. Silva and M. A. Nascimento, 'On the Generation of Spatiotemporal Datasets,' In Proc. Int'l Symp. on Large Spatial Databases, SSD, pp.147-164, 1999
  17. Y. Tao, D. Papadias, and J. Sun, 'The tpr*-tree: An optimized spatio-temporal access method for predictive queries,' In Proc. Int'l Conf. on Very Large Data Bases, VLDB, pp.790-801, 2003