최근 인터넷의 발달과 더불어 지리정보시스템(GIS, Geographic Information System)에 대한 인식이 저변 확대되면서 일반인들도 위치 검색 기능을 제공하는 웹GIS를 쉽게 이용할 수 있게 되었다. 현재 서비스되고 있는 모든 위치 검색 기능은 사용자가 하나의 검색어를 입력하고 그에 대한 결과를 보여주는 서비스에 한정되어 있다. 하지만 사용자의 검색 목적이 다양해짐에 따라, 여러 가지 행위를 동시에 할 수 있는 장소를 검색하는 서비스는 없었다. 예를들어, 점심을 먹은 후, 은행에서 업무를 보고, 영화 한 편을 보고자 할 때 이러한 관심 지역(POI, Point of Interest)들이 모여 있는 장소를 필요로 할 수 있다. 따라서 본 논문에서는 사용자로부터 여러 장소를 입력받아 입력된 장소가 모여 있는 곳을 검색해주는 k-IPS 기법을 제안하고자 한다. 여기서 k는 다양한 행위를 할 수 있는 관심의 개수이다. 이 방법은 최소경계사각형(MBR, Minimum Bounding Rectangle)의 계층적 트리 구조인 $R^*$-tree 색인 기법을 이용하여 공간을 분할하고, 기존 공간 Join 연산의 성능 개선을 위하여 $R^*$-tree간의 겹치는 영역 추출하는 재귀적 공간 Join 연산을 구현하였다. k-IPS 기법의 성능 평가는 159개의 다양한 검색어 집합을 구성하여 k=2,3,4,6에 대한 검색 결과를 확인하였다. 실험 결과의 약 90%에 대해서 예상한대로 k개의 검색어 장소가 모여 있는 위치를 얻을 수 있었고, k=2,3,4의 처리 시간은 0.1초 이내의 응답을 얻을 수 있었다. k-IPS 서비스를 통하여 현대인의 순차적 생활 패턴에 맞춘 검색 서비스가 가능할 것으로 판단된다.
최근 인터넷의 발달과 더불어 지리정보시스템(GIS, Geographic Information System)에 대한 인식이 저변 확대되면서 일반인들도 위치 검색 기능을 제공하는 웹GIS를 쉽게 이용할 수 있게 되었다. 현재 서비스되고 있는 모든 위치 검색 기능은 사용자가 하나의 검색어를 입력하고 그에 대한 결과를 보여주는 서비스에 한정되어 있다. 하지만 사용자의 검색 목적이 다양해짐에 따라, 여러 가지 행위를 동시에 할 수 있는 장소를 검색하는 서비스는 없었다. 예를들어, 점심을 먹은 후, 은행에서 업무를 보고, 영화 한 편을 보고자 할 때 이러한 관심 지역(POI, Point of Interest)들이 모여 있는 장소를 필요로 할 수 있다. 따라서 본 논문에서는 사용자로부터 여러 장소를 입력받아 입력된 장소가 모여 있는 곳을 검색해주는 k-IPS 기법을 제안하고자 한다. 여기서 k는 다양한 행위를 할 수 있는 관심의 개수이다. 이 방법은 최소경계사각형(MBR, Minimum Bounding Rectangle)의 계층적 트리 구조인 $R^*$-tree 색인 기법을 이용하여 공간을 분할하고, 기존 공간 Join 연산의 성능 개선을 위하여 $R^*$-tree간의 겹치는 영역 추출하는 재귀적 공간 Join 연산을 구현하였다. k-IPS 기법의 성능 평가는 159개의 다양한 검색어 집합을 구성하여 k=2,3,4,6에 대한 검색 결과를 확인하였다. 실험 결과의 약 90%에 대해서 예상한대로 k개의 검색어 장소가 모여 있는 위치를 얻을 수 있었고, k=2,3,4의 처리 시간은 0.1초 이내의 응답을 얻을 수 있었다. k-IPS 서비스를 통하여 현대인의 순차적 생활 패턴에 맞춘 검색 서비스가 가능할 것으로 판단된다.
GIS-based web map service is all the more accessible to the public. Among others, location query services are most frequently utilized, which are currently restricted to only one keyword search. Although there increases the demand for the service for querying multiple keywords corresponding to seque...
GIS-based web map service is all the more accessible to the public. Among others, location query services are most frequently utilized, which are currently restricted to only one keyword search. Although there increases the demand for the service for querying multiple keywords corresponding to sequential activities(banking, having lunch, watching movie, and other activities) in various locations POI, such service is yet to be provided. The objective of the paper is to develop the k-IPS algorithm for quickly and accurately querying multiple POIs that internet users input and locating the search outcomes on a web map. The algorithm is developed by utilizing hierarchical tree structure of $R^*$-tree indexing technique to produce overlapped geometric regions. By using recursive $R^*$-tree index based spatial join process, the performance of the current spatial join operation was improved. The performance of the algorithm is tested by applying 2, 3, and 4 multiple POIs for spatial query selected from 159 keyword set. About 90% of the test outcomes are produced within 0.1 second. The algorithm proposed in this paper is expected to be utilized for providing a variety of location-based query services, of which demand increases to conveniently support for citizens' daily activities.
GIS-based web map service is all the more accessible to the public. Among others, location query services are most frequently utilized, which are currently restricted to only one keyword search. Although there increases the demand for the service for querying multiple keywords corresponding to sequential activities(banking, having lunch, watching movie, and other activities) in various locations POI, such service is yet to be provided. The objective of the paper is to develop the k-IPS algorithm for quickly and accurately querying multiple POIs that internet users input and locating the search outcomes on a web map. The algorithm is developed by utilizing hierarchical tree structure of $R^*$-tree indexing technique to produce overlapped geometric regions. By using recursive $R^*$-tree index based spatial join process, the performance of the current spatial join operation was improved. The performance of the algorithm is tested by applying 2, 3, and 4 multiple POIs for spatial query selected from 159 keyword set. About 90% of the test outcomes are produced within 0.1 second. The algorithm proposed in this paper is expected to be utilized for providing a variety of location-based query services, of which demand increases to conveniently support for citizens' daily activities.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 연구에서는 다양한 활동을 위한 관심 있는 장소가 인접한 위치를 찾기 위하여 k-IPS 검색 알고리즘을 개발하였고 실험을 통하여 웹에서의 활용 가능성을 검증하고자 하였다. 즉, 인접한 위치 연산을 위하여 R*-tree 공간 색인을 사용하였고, 서로 다른 검색어의 질의 결과 데이터 집합에 대한 위치적 공간 탐색을 위해 공간 Join 기능을 개발하였다.
(2009b)은 웹 환경에서 k-최근접 이웃 질의(k-NN)을 이용한 범위질의 시 질의점에서 가까이 있는 k 개의 위치 검색 방법을 제안하였고, 이에 대한 효율성 평가를 수행하였다. 이 연구에서는 웹상의 데이터를 대상으로 k-NN를 이용한 공간 범위 질의 기법을 수행할 때의 문제점을 지적하고 이를 해결하기 위한 4가지의 구분된 기법을 제안하였다. 또한 Shin et al.
이 연구의 목적은 사용자로부터 k개의 POI를 입력받아, 입력받은 관심지역이 모두 모여 있는 위치를 찾아낼 수 있는 검색 알고리즘을 개발하고 실증적 활용성을 검증하는 것이다. 이 알고리즘을 통하여 사용자가 입력한 k(k>1)개 이상의 POI 검색어들이 공간적으로 인접한 분포에 있는 장소들을 찾을 수 있도록 하고, 이에 소요되는 실행시간을 단축시키기 위해 재귀적 공간 Join 연산 알고리즘을 제안한다.
가설 설정
두개 이상의 POI 데이터 집합을 대상으로 검색하는 공간 질의로는 최대근접 객체 쌍(Closest Pairs) 질의와 e-distance join 질의가 있다. 최대근접 객체 쌍 질의(Corral et al., 2000)는 두개의 데이터 집합을 대상으로 가까이 있는 객체 쌍을 검색하는 공간 Join 질의로, 두 공간 데이터 집합이 R-tree 구조로 저장되어 있다는 것을 기본적으로 가정한다. Closest Pairs 질의 수행은 두개의 R-tree의 각 루트 노드를 동시에 탐색함으로써 시작되며, 같은 레벨에 존재하는 비 리프 노드에 대하여 MBR들 간에 최소 거리를 갖는 노드 쌍을 찾아내게 된다.
제안 방법
Table 1에서 예시한 바와 같이 각각의 검색어 집합을 4개의 POI로 구성하였고, k∈{2,3,4}의 각 연산에 대해 (a,b)∈(POI1, POI2), (a,b,c)∈(POI1, POI2, POI3), (a,b,c,d)∈(POI1, POI2, POI3, POI4)의 실험을 수행하였고, 추가적으로 재귀적 공간 Join 연산의 성능 테스트를 위해 k=6일 때의 처리 속도를 측정하였다.
검색어 집합 1의 예에서는 아웃백에서 저녁을 먹은 후, 가까운 스타벅스에서 커피를 마시고, 전철을 이용하여 집에 오기까지 최소한의 지리적 이동을 위한 장소들을 검색하고자 하였다. 검색어 집합1에 대한 결과는 Fig.
계속해서 모든 JPOIk-2,POIk-1에 저장된 점 객체 a와 모든 b∈POIk에 대하여 검색 거리 d를 MBR 연산을 수행한다.
이 방법은 먼저 루트 노드에 있는 엔트리들을 질의점과 최소거리에 따라 정렬한 후 힙을 구성한다. 그 다음 최소거리가 가장 작은 엔트리를 삭제하고, 이 엔트리가 가리키는 자식노드의 엔트리들을 최소거리에 따라 정렬하고 또다시 힙을 구성한다. 이러한 과정을 반복하여 질의점으로부터 가장 가까운 k개의 객체를 찾는다.
첫째, 기존 Close-3POI에서 제안한 서로 다른 깊이에서의 R*-tree기반의 공간 Join 알고리즘을 재귀적 처리 기법을 통해 개선하여 검색 속도를 향상시켰다. 둘째, 기존의 연구에서 3개의 POI만을 검색할 수 있었던 것을 일반화하여 k개의 POI를 검색할 수 있도록 하였다.
모든 검색어에 대한 연산은 항상 최초 연산에 의해 만족할 만한 결과를 얻는 것은 아니다. 본 연구에서는 사용자가 걸어갈 수 있는 거리 500m를 최초 검색 거리로 입력하였지만, 검색 결과가 없을 경우 검색거리 d를 100 씩 증가시키면서 반복 연산을 수행하였고, 그에 따른 종료 조건과의 부합여부를 판단하였다.
성능 실험을 위하여 k=2, k=3, k=4에 대해 각각 159개의 검색어 집합을 생성하고 아래와 같은 내용의 검색을 수행하였다.
DBMS로는 ORACLE 10g를 사용하였고, 알고리즘은 C++을 이용하여 구현하였다. 실험 결과는 KML(Keyhole MarkupLanguage)을 이용하여 생성하고, 이를 Google Map에 표현하였다.
이 알고리즘을 통하여 사용자가 입력한 k(k>1)개 이상의 POI 검색어들이 공간적으로 인접한 분포에 있는 장소들을 찾을 수 있도록 하고, 이에 소요되는 실행시간을 단축시키기 위해 재귀적 공간 Join 연산 알고리즘을 제안한다.
이 알고리즘의 성능을 검증하기 위하여 159개의 테스트 데이터 집합에 대해 실험을 수행하였고, 그 결과를 Google Map에서 서울시의 일부 지역에 실증·적용하였다.
이 연구에서 제안한 k-IPS 검색 기법은 윈도우즈 XP 플랫폼에서 성능 평가를 수행하였다. 하드웨어는 2.
다중 검색어 검색 알고리즘과 관련한 선행연구로서 Seon and Kim(2012)은 두 객체 집합에 대해 순환적 위치속성을 고려하여 가장 근접해 있는 k개의 객체 쌍을 찾는 알고리즘을 제안하였다. 이 연구에서는 검색거리측도인 순환최소거리, 순환최대거리 그리고 순환최적거리를 제시하였고, R*-tree에서 k개의 최대근접객체 쌍을 찾기 위해 방문할 필요가 없는 객체 쌍들을 방문대상에서 제외하는 알고리즘을 제안하였다. 유사한 맥락에서 Bae et al.
,S1∈DSk)집합을 찾는 알고리즘으로, 기존 알고리즘의 처리 속도를 개선하기 위하여 재귀적 공간 Join 연산을 수행한다. 이는 비교 대상 노드 쌍을 찾기 위해 탐색 횟수를 줄이는 방법으로 기존의 동일한 루틴의 반복과정인 전수(brute force)기법이 아닌 재귀적(recursive)공간 조인 기법을 구현하였다.
이 연구에서는 다양한 활동을 위한 관심 있는 장소가 인접한 위치를 찾기 위하여 k-IPS 검색 알고리즘을 개발하였고 실험을 통하여 웹에서의 활용 가능성을 검증하고자 하였다. 즉, 인접한 위치 연산을 위하여 R*-tree 공간 색인을 사용하였고, 서로 다른 검색어의 질의 결과 데이터 집합에 대한 위치적 공간 탐색을 위해 공간 Join 기능을 개발하였다. k개의 검색어 데이터 집합을 얻기 위해 k=2, 3, 4에 대한 실험을 진행하였고, 실험 중 약 90%가 0.
대상 데이터
이 연구에서 제안한 k-IPS 검색 기법은 윈도우즈 XP 플랫폼에서 성능 평가를 수행하였다. 하드웨어는 2.4GHz 쿼드코어 프로세서, 4GB 메모리의 컴퓨터를 사용하였다. DBMS로는 ORACLE 10g를 사용하였고, 알고리즘은 C++을 이용하여 구현하였다.
이론/모형
4GHz 쿼드코어 프로세서, 4GB 메모리의 컴퓨터를 사용하였다. DBMS로는 ORACLE 10g를 사용하였고, 알고리즘은 C++을 이용하여 구현하였다. 실험 결과는 KML(Keyhole MarkupLanguage)을 이용하여 생성하고, 이를 Google Map에 표현하였다.
3장에서는 기존의 공간 검색 알고리즘의 취약성을 보완하여 k-IPS 알고리즘을 제안한다. 이 알고리즘은 검색거리를 적응적으로 설정하여 반복 연산을 수행하는 Incremental Distance 방식을 적용하여 설계하였다. 4장에서 이 알고리즘을 실증자료에 적용하여 성능평가를 수행한다.
성능/효과
4를 보면, 예상했던 것과 같이 k=2의 검색 속도는 대체로 k=3,4,6의 경우보다 빠른 것으로 나타났다. 159 개의 실험 검색어 집합에 대해 실험을 수행한 결과 모든 4개 미만의 k개에 대해 약 90%의 실험 대상은 0.1초 이내의 검색 결과를 얻을 수 있었다. 나머지 10% 정도는 검색 시간의 초과 또는 적응적 검색 거리의 증가 회수를 초과하였기 때문에 결과를 얻지 못하였다.
공간 Join 연산은 k 개의 점집합 DS1,DS2,...,DSk 중 검색 결과의 개수가 적은 순서로 정렬 후, 두개의 검색 결과 집합POI1, POI2을 대상으로 공간 Join 연산을 수행하는 과정에서 1차 연산과 1차 연산에서 얻은 결과 집합을 POI3과 공간 Join 연산을 수행하는 2차 연산으로 구성된다.
이를 통하여 검색어의 개수가 증가할수록 해당 장소가 한 곳에 모여 있는 위치의 검색 성공률이 낮아지는 것을 알 수 있었다. 또한 Table 3의 결과와 같이 실험에 사용한 모든 검색어 집합의 처리속도와 성공적으로 최종 결과를 얻은 검색어 집합의 처리속도를 살펴본 결과, k=4에서는 전체 대비 성공한 검색어의 처리시간이 약 30%를 차지하지만, k=6에서는 약 58%를 차지하는 것으로 나타났다. 이는 최종 결과를 얻지 못한 검색어 데이터 집합의 공간 Join 연산이 몇 단계 Join 과정에서 중단되었는가에 따라 처리 속도가 달라지기 때문인 것으로 풀이된다.
(2000)은 두 공간 데이터 집합 사이의 데이터 쌍을 거리상으로 가까운 순으로 검색하는 공간 Join으로 적응식 다단계 거리 Join 기법을 제안하였다. 이 논문에서는 균등분포와 비균등 분포 가정 하에 한계 거리 값을 예측하는 실험하였고, CPU 비용과 I/O 비용에서 많은 향상이 있음을 보였다. Kim and Chang(2007)은 POI 기반 실체화 기법을 이용한 closest pairs 및 e-distance join 질의 알고리즘을 개발하였다.
이 연구에서 제시한 알고리즘은 검색어 개수 k가 증가할수록 그리고 입력된 k개의 POI 검색 결과 집합이 클수록 공간 Join 횟수가 증가하여 응답 속도에 영향을 미치는 한계를 가지고 있다. 제안한 알고리즘은 웹 환경에서의 서비스를 위하여 제약사항을 설정하여 이를 초과하는 경우 연산을 중단하도록 하였지만 향후에는 검색어의 대체 장소를 반영한 향상된 알고리즘 개발이 필요하다.
k=2인 경우에는 모든 테스트 데이터 집합에 대한 검색 결과를 얻은 반면 k=3,4,6의 경우 각각 75%, 49%, 16%의 검색 결과를 얻을 수 있었다. 이를 통하여 검색어의 개수가 증가할수록 해당 장소가 한 곳에 모여 있는 위치의 검색 성공률이 낮아지는 것을 알 수 있었다. 또한 Table 3의 결과와 같이 실험에 사용한 모든 검색어 집합의 처리속도와 성공적으로 최종 결과를 얻은 검색어 집합의 처리속도를 살펴본 결과, k=4에서는 전체 대비 성공한 검색어의 처리시간이 약 30%를 차지하지만, k=6에서는 약 58%를 차지하는 것으로 나타났다.
이 알고리즘을 통하여 사용자가 입력한 k(k>1)개 이상의 POI 검색어들이 공간적으로 인접한 분포에 있는 장소들을 찾을 수 있도록 하고, 이에 소요되는 실행시간을 단축시키기 위해 재귀적 공간 Join 연산 알고리즘을 제안한다. 정리하면, 기존에 제안된 Close-3POI 알고리즘의 경우 3개의 POI만 검색할 수 있었던 반면에, k-IPS는 일반적인 k개의 검색이 가능할뿐 만 아니라 검색에 소요되는 시간 역시 단축했다는 점에서 알고리즘이 개선된 것으로 볼 수 있다. 이 알고리즘의 성능을 검증하기 위하여 159개의 테스트 데이터 집합에 대해 실험을 수행하였고, 그 결과를 Google Map에서 서울시의 일부 지역에 실증·적용하였다.
이 연구에서 제안한 k-IPS 알고리즘은 다음과 같은 면에서 기존의 타 검색 알고리즘과 차별성을 지닌다. 첫째, 기존 Close-3POI에서 제안한 서로 다른 깊이에서의 R*-tree기반의 공간 Join 알고리즘을 재귀적 처리 기법을 통해 개선하여 검색 속도를 향상시켰다. 둘째, 기존의 연구에서 3개의 POI만을 검색할 수 있었던 것을 일반화하여 k개의 POI를 검색할 수 있도록 하였다.
후속연구
k-IPS 서비스를 통하여 식사를 하고, 커피를 마신 후, 영화를 보고, 전철을 타는 등의 현대인의 순차적 생활 패턴 맞춤형 검색 서비스가 가능할 것으로 판단된다. 또한 초등학교 주변의 다양한 유해시설을 검색하는 등의 공간분석에도 활용할 수 있을 것으로 예상된다.
k-IPS 서비스를 통하여 식사를 하고, 커피를 마신 후, 영화를 보고, 전철을 타는 등의 현대인의 순차적 생활 패턴 맞춤형 검색 서비스가 가능할 것으로 판단된다. 또한 초등학교 주변의 다양한 유해시설을 검색하는 등의 공간분석에도 활용할 수 있을 것으로 예상된다.
이 연구에서 제시한 알고리즘은 검색어 개수 k가 증가할수록 그리고 입력된 k개의 POI 검색 결과 집합이 클수록 공간 Join 횟수가 증가하여 응답 속도에 영향을 미치는 한계를 가지고 있다. 제안한 알고리즘은 웹 환경에서의 서비스를 위하여 제약사항을 설정하여 이를 초과하는 경우 연산을 중단하도록 하였지만 향후에는 검색어의 대체 장소를 반영한 향상된 알고리즘 개발이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
공간색인 기법이란 무엇인가?
공간색인 기법은 방대한 양의 공간 자료를 데이터 특성과 질의 조건을 고려하여 가장 적합한 공간 접근 방법(spatial access method)을 선택하는 과정이다. 공간색인은 크게 공간 기반(space-driven)의 색인과 데이터 기반(data-driven)의 색인으로 분류할 수 있다.
웹GIS 서비스는 어떤방식으로 공간정보를 제공하는가?
최근 인터넷의 발달과 더불어 GIS에 대한 인식이 저변 확대되면서 일반인들도 Google, Bing, Daum, Naver 등의 포털 사이트들에서 제공하는 웹GIS 서비스를 쉽게 이용할 수 있게 되었다. 이러한 웹GIS 서비스는 위치 검색기능을 통하여 관심지역(Point Of Interest: POI)의 위치를 화면상에 나타내고 이를 설명하는 텍스트 정보와 결합하는 방식으로 공간정 보를 제공한다. 현재 위치 검색 서비스는 하나의 목적지를 검색하는 서비스가 대부분이다.
R+-tree는 R-tree의 어떤 단점을 극복하고자 한 방법인가?
R-tree는 노드 내 엔트리들 사이의 겹침(overlay)을 허용하기 때문에 공간 질의를 수행하기 위해서 방문해야 하는 경로 (path)의 수가 증가한다는 단점을 가진다. 이러한 단점을 극복 하고자 한 것이 R+-tree(Sellis et al.
참고문헌 (22)
Bae, Y. (2010), Design, Application, and Analysis of Close- 3POI Algorithm for Location Search Map Service based on Web GIS. MD. Dissertation, Seoul National University, Seoul, Korea. (in Korean with English abstract)
Bae, Y., Cho, S., and Yu, K. (2009a), Design of the web map service searching the location of Close-3POI, 2009 GIS joint fall conference, The Korean Society for Geospatial Information System, pp. 201-202. (in Korean with English abstract)
Bae, W., Alkobaisi, S., Kim, S., Narayanappa, S., and Shahabi, C. (2009b), Web data retrieval: solving spatial range queries using k-nearest neighbor searches. Geoinformatica, Vol. 13, No. 4, pp. 483-514.
Beckmann, N., Kriegel, H. P., Schneider, R., and Seeger, B. (1990), The R*-tree: an efficient and robust access method for points and rectangles, ACM, Vol. 19, No. 2, pp. 322- 331.
Bentley, J. L. (1975), Multidimensional Binary Search Trees Used for Associative Searching. Communications of the ACM, Vol. 18, No. 9, pp. 509-517.
Corral, A., Manolopoulos, Y., Theodoridis, Y., and Vassilakopoulos, M. (2000), Closest Pair Queries in Spatial Databases. ACM SIGMOD, Vol. 29, No 2, pp. 189-200
Google Maps (2013), Google Inc., http://maps.google. co.kr(last date accessed: 5 June 2013)
Kim, Y. and Chang, J. (2007), Closest Pairs and e-distance Join Query Processing Algorithms using a POI-based Materialization Technique in Spatial Network Databases. Journal of Korea Spatial Information System Society, Vol.9, No.3, pp.67-80. (in Korean with English abstract)
Kolahdouzan, M. and Shahabi, C. (2004), Voronoi-based k nearest neighbor search for spatial network databases. In Proceedings of the Thirtieth international conference on Very large data bases, VLDB Endowment, Vol. 30, pp. 840-851.
Lee, S., Kim, S., Lee, J., and Yoo, J. (2009), Approximate Indexing in Road Network Databases, 2009 ACM Int'l Symp. on Applied Computing, ACM, pp. 1568-1572.
Naver Map (2013), NHN, http://map.naver.com(last date accessed: 3 June 2013)
Papadias, D., Zhang, J., Mamoulis, N., and Tao, Y. (2003), Query Processing in Spatial Network Databases, In Proc. Int'l Conf. on Very Large Data Bases, VLDB, Vol. 29, pp. 802-813.
Robinson, J. T. (1981), The K-D-B Tree A Search Structure for Large Multidimensional Dynamic Indexes, Proc. of 4CM-SIGMOD Conf., pp. 10-18.
Sellis, T., Roussopoulos, N., and Faloutsos, C. (1987), The r+-tree: A dynamic index for multi-dimensional objects.
Seon, H. and Kim, H. (2012), Algorithm for Finding K-Nearest Object Pairs in Circular Search Spaces. Journal of Korea Spatial Information System Society, Vol. 20, No. 2, pp. 165-172. (in Korean with English abstract)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.