초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

이동체 데이터베이스에서 대용량 궤적 정보를 효율적으로 검색학기 위해서는 색인이 필요하다. 특히 궤적을 선택하는 과정과 선택된 궤적의 일부분을 추출하는 과정으로 이루어진 복합 질의를 효율적으로 처리하기 위해서는 궤적 보존을 지원하는 TB-tree와 같은 색인 구조가 적합하다. 그러나, TB-tree는 공간적인 인접성을 고려하지 않아 비단말 노드의 겹침과 사장 영역이 매우 커 영역 질의의 비용이 증가하는 문제가 있다. 이 논문에서는 복합 질의 및 영역 질의를 효율적으로 처리하기 위하여, TB-tree에서 사장 영역을 감소시킬 수 있는 최대 영역 감소 정책을 제시한다. 최대 영역 감소 정책을 공간 활용도를 최대로 유지하면서 사장 영역을 점진적으로 감소시키는 삽일 및 분할 정책으로서 TB-tree의 비단말 노드의 겹침을 줄여 영역 질의의 비용을 감소시킨다.

이동체 데이터베이스에서 대용량 궤적 정보를 효율적으로 검색학기 위해서는 색인이 필요하다. 특히 궤적을 선택하는 과정과 선택된 궤적의 일부분을 추출하는 과정으로 이루어진 복합 질의를 효율적으로 처리하기 위해서는 궤적 보존을 지원하는 TB-tree와 같은 색인 구조가 적합하다. 그러나, TB-tree는 공간적인 인접성을 고려하지 않아 비단말 노드의 겹침과 사장 영역이 매우 커 영역 질의의 비용이 증가하는 문제가 있다. 이 논문에서는 복합 질의 및 영역 질의를 효율적으로 처리하기 위하여, TB-tree에서 사장 영역을 감소시킬 수 있는 최대 영역 감소 정책을 제시한다. 최대 영역 감소 정책을 공간 활용도를 최대로 유지하면서 사장 영역을 점진적으로 감소시키는 삽일 및 분할 정책으로서 TB-tree의 비단말 노드의 겹침을 줄여 영역 질의의 비용을 감소시킨다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 기존의 복합 질의에 효율적인 TB-tree에 비단말 노드에서의 겹침과 사장 영역이 커지는 문제를 사장 영역을 줄일 수 있는 삽입 및 분할 정책을 통하여 해결하고자 한다. 이를 위하여 사장 영역을 줄일 수 있는 최대 영역 감소 정책을 제안하였다.
• 이 논문에서는 효율적인 복합 질의와 영역 질의를 위하여 사장 영역을 감소시킬 수 있는 삽입 및 분할 정책인 최대 영역 감소 정책을 제안하여 복합 질의에 효과적인 TB-tree에 이를 적용한다. 이 정책은 TB-tree 비단말 노드의 사장 영역과 겹침을 감소시켜 영역 질의의 비용을 감소시킬 것으로 기대된다.

가설 설정

• 의 사장 영역도 그림 2(a)의 R_a에 비하여 작으므로 영역 질의에 효율적이다. 따라서 궤적 색인은 그림 2(b)와 같이 공간 근접성을 고려해야 한다.

제안 방법

• 이를 위하여 과거 영역 여부를 판단할 수 있는 Growing MBB(GM)[5]을 사용한다. 따라서 노드 내의 GM을 포함한 엔트리만 조사 한다.
• 또한 3D R-tree는 시간 도메인을 공간 도메인과 동일하게 처리하였으나 현실적오로 시간 도메인과 공간 도메인은 단위와 성격이 다르므로 서로 다르게 취급되어야 한다. 따라서 본 논문에서는 서로 다른 성격의 두 도메인간의 연산을 하기 위하여 노드의 각 도메인을 [0, 1]로 정규화하여 도메인의 특성을 동일하게 만든 뒤 연산한다.
• 이 장에서는 성격이 서로 다른 도메인간의 연산을 위한 방법과 TB-tree의 장점을 유지하면서 비단말 노드에서의 겹침과 사장 영역 문제를 개선 할 수 있는 삽입/분할 정책과 알고리즘을 제시 한다.
• 본 논문에서는 기존의 복합 질의에 효율적인 TB-tree에 비단말 노드에서의 겹침과 사장 영역이 커지는 문제를 사장 영역을 줄일 수 있는 삽입 및 분할 정책을 통하여 해결하고자 한다. 이를 위하여 사장 영역을 줄일 수 있는 최대 영역 감소 정책을 제안하였다. 처대 영역 감소 정책을 통하여 TB-tree의 장점인 높은 공간 활용토를 유지하면서 비단말 노드의 사장 영역 및 겹침을 줄 여 영역 질의의 비용 감소가 기대된다.

이론/모형

• 그러나 이동체 색인에서는 연대순으로 삽입되는 이동체의 특성을 고려하여 과거 영역 엔트리가 분할되어서는 안된다. 이를 위하여 과거 영역 여부를 판단할 수 있는 Growing MBB(GM)[5]을 사용한다. 따라서 노드 내의 GM을 포함한 엔트리만 조사 한다.

후속연구

• 이 논문에서는 효율적인 복합 질의와 영역 질의를 위하여 사장 영역을 감소시킬 수 있는 삽입 및 분할 정책인 최대 영역 감소 정책을 제안하여 복합 질의에 효과적인 TB-tree에 이를 적용한다. 이 정책은 TB-tree 비단말 노드의 사장 영역과 겹침을 감소시켜 영역 질의의 비용을 감소시킬 것으로 기대된다.
• 향후 연구로써 최대 영역 감소를 위하여 서브트리를 선택하는 효율적인 알고리즘에 대한 연구와 실험을 통한 성능 평가가 필요 하다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기