$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

대용량 공간 데이터를 위한 병렬 처리 기법
A Parallel Processing Technique for Large Spatial Data 원문보기

한국공간정보학회지 = Journal of Korea Spatial Information Society, v.23 no.2, 2015년, pp.1 - 9  

박승현 (Dept. of Computer Engineering, Kumoh National Institute of Technology) ,  오병우 (Dept. of Computer Engineering, Kumoh National Institute of Technology)

초록
AI-Helper 아이콘AI-Helper

그래픽 처리 장치(GPU)는 내부에 대량의 산술 논리 연산 장치(ALU)를 보유하고 있다. 대량의 ALU는 병렬 처리를 위해 이용될 수 있으므로, GPU는 효율적인 데이터 처리를 제공한다. 공간 데이터를 지도상에 표현하기 위하여 지리학적 좌표가 필요하다. 좌표들은 측지경도와 측지위도의 형태로 저장된다. 데카르트 좌표계로 구성된 지도를 표현하기 위하여 측지경도와 측지위도는 국제 횡단 메르카토르 좌표계(UTM)로 전환돼야 한다. 좌표계 변환 과정과 변환된 좌표를 화면상에 표현하기 위한 렌더링 과정은 복잡한 부동 소수점 계산이 필요하다. 본 논문에서는 성능 향상을 위해 GPU를 활용한 좌표변환 과정과 렌더링 과정을 병렬적으로 처리하는 기법을 제안한다. 대용량 공간 데이터는 파일로 디스크 내에 저장된다. 대용량 공간 데이터를 효율적으로 처리하기 위하여 공간 데이터 파일들을 하나의 대용량 파일로 병합하고 Memory Mapped File 기법을 활용하여 파일에 접근하는 기법을 제안한다. 본 논문에서는 TIGER/Line 데이터를 활용하여 747,302,971개의 점으로 구성된 공간 데이터의 좌표 변환 및 렌더링 처리 과정을 GPU를 활용하여 병렬로 수행하는 연구를 진행한다. CPU를 이용하여 좌표변환 과정 결과와 렌더링 처리 과정 결과를 비교하여 속도 향상 정도에 대한 결과를 제시한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Graphical processing unit (GPU) contains many arithmetic logic units (ALUs). Because many ALUs can be exploited to process parallel processing, GPU provides efficient data processing. The spatial data require many geographic coordinates to represent the shape of them in a map. The coordinates are us...

주제어

#병렬 처리   #공간 데이터  

참고문헌 (14)

  1. Satish, N; Kim, C; Chhugani, J; Nguyen, A. D; Lee, V. W; Kim, D; Dubey, P. 2010, Fast sort on CPUs and GPUs: a case for bandwidth oblivious SIMD sort, Paper presented at the 2010 ACM SIGMOD International Conference on Management of data, June 6-11. 

  2. Tanasic, I; Vilanova, L; Jorda, M; Cabezas, J; Gelado, I; Navarro, N; Hwu, W. 2013, Comparison based sorting for systems with multiple GPUs, Paper presented at the 6th Workshop on General Purpose Processor Using Graphics Processing Units, March 16. 

  3. White, S; Verosky, N; Newhall, T. 2012, A CUDA-MPI Hybrid Bitonic Sorting Algorithm for GPU Clusters, Paper presented at 41st international Conference on Parallel Processing Workshops, September 10-13. 

  4. Reis, G; Zeilfelder, F; Hering-Bertram, M; Farin, G; Hagen, H. 2008, High-Quality Rendering of Quartic Spline Surfaces on the GPU, IEEE Transactions on Visualization and Computer Graphics, 14(5):1126-1139. 

    상세보기 crossref

  5. Jalba; Andrei, C; Kustra; Jacek; Telea; Alexandru, C. 2012, Surface and Curve Skeletonization of Large 3D Models on the GPU, IEEE Transactions on Pattern Analysis and Machine Intelligence, 35(6):1495-1508. 

  6. Brown, J. A; Capson, D. W. 2012, A Framework for 3D Model-Based Visual Tracking Using a GPU-Accelerated Particle Filter, IEEE Transactions on Visualization and Computer Graphics, 18(1): 66-80. 

  7. Heidari, H; Chalechale, A; Mohammadabadi, A. A. 2013, Accelerating of Color Moments and Texture Features Extraction Using GPU Based Parallel Computing, Paper presented at the 2013 8th Iranian Conference on Machine Vision and Image Processing(MVIP), September 10-12. 

  8. Berjon, D; Cuevas, C; Moran F; Garcia N. 2012, Moving Object Detection Strategy for Augmented-Reality Applications in a GPGPU by Using CUDA, Paper presetend at the 2012 IEEE International Conference on Consumer Electronics (ICCE), January 13-17. 

  9. Kim, S; Oh, B. W. 2012, A Parallel Processing Method for Partial Nodes in R*-tree Using GPU, The Journal of Korea Spatial Information Society, 20(6):139-144. 

    원문보기 상세보기 crossref

  10. Zhang, J. 2011, Speeding Up Large-Scale Geospatial Polygon Rasterization on GPGPUs, Paper presented at the ACM SIGSPATIAL Second International Workshop on High Performance and Distributed Geographic Information Systems, November 1-4. 

  11. Lee, J. I; Oh, B. W. 2009, An Efficient Technique for Processing of Spatial Data Using GPU, The Journal of GIS Association of Korea, 17(3):371-379. 

  12. Chen, P; Chang, J; Zhuang, Y; Shieh, C; Liang, T. 2009, Memory-Mapped File Approach for On-Demand Data Co-allocation on Grids, Paper presented at CCGRID '09, May 18-21. 

  13. NVIDIA, 2014, NVIDIA CUDATM C Programming Guide (Version6.5). 

  14. U.S. Census Bureau, 2014, TIGER products website, [Online] Available: http://www.census.gov/geo/www/tiger. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로