선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 Douglas-Peucker 알고리즘을 응용하여 이동객체궤적 데이터에 대한 색인구조를 생성하고 이 색인구조를 통한 최근접이웃검색(Nearest Neighbor Search : NN탐색) 질의를 처리하는 알고리즘을 제안한다. 제안된 알고리즘이 질의를 얼마나 더 효율적으로 처리하는지 실험을 통하여 비교분석 하였고, 더 적은양의 데이터 처리를 통하여 질의처리 속도가 더 빠르다는 이점을 확인하였고, 더 효율적인 질의처리에 대한 가능성을 제공하였다.
- 본 논문에서는 Douglas-Peucker 알고리즘을 이용하여 이동객체궤적에 대한 새로운 색인구조를 생성하는 알고리즘과 이 색인구조에 대한 NN탐색 질의를 처리하는 알고리즘을 제안하였다. 데이터를 단순화 시켜서 색인구조를 만드는 방식이기 때문에 NN탐색 질의를 처리하기 위해서 크게 두 단계의 검사가 필요했고, 이에 영향을 끼칠만한 요인들(압축률, 위치변화도, 시간 축 간격 등)에 대한 실험을 통하여 본 논문에서 제안하는 알고리즘이 얼마나 효율적인지를 확인하였다.
- 해당 논문에서 제안한 알고리즘과 MBR을 이용한 색인구조를 범위질의에 대하여 비교실험을 수행하였고, 제안한 알고리즘이 더 단순하고 효율적인 색인구조를 생성하는 것을 확인하였다. 본 논문에서도 색인구조 생성알고리즘은 동일한 것으로 사용하고, 이 색인구조를 이용하여 시간에 따라 이동하는 이동객체궤적들 간의 NN탐색 질의를 처리하는 알고리즘을 제안한다.
가설 설정
- 단계9에서 단계19까지 질의 대상이 되는 궤적(baseList)과 검사 대상이 되는 궤적(searchList)을 시간 순으로 각각 하나씩 위치데이터를 읽어가면서 각 위치데이터들이 이루는 면적을 구하고 이를 다 더함으로써 서로간의 거리를 구한다. 단계20에서 단계22까지 이렇게 구한 면적들 중에서 가장 작은 면적(MinArea)을 가지는 궤적이 질의 대상이 되는 궤적과 가장 가까이 있는 궤적이라고 가정한다. 질의의 결과가 될 가능성이 있는 궤적을 찾기 위해서 단계23에서 단계27까지 구해진 가장 작은 면적을 단순화 범위(Epsilon)로 인하여 발생할 수 있는 오차 범위를 계산하여 확장된 가장 작은 면적(ExtendMinArea)을 구하고 이 범위에 포함되는 모든 색인구조 파일에 대하여 원본파일에 접근하여 NN탐색 질의를 검사(알고리즘2)하여 그 결과(result)를 출력하고 알고리즘을 종료한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.