The KIPS Transactions:PartD (정보처리학회논문지D)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Spatiotemporal Moving Pattern Discovery using Location Generalization of Moving Objects

이동객체 위치 일반화를 이용한 시공간 이동 패턴 탐사

  • 이준욱 (한국전자통신연구원 LBS 연구팀) ;
  • 남광우 (한국전자통신연구원 LBS 연구팀)
  • Published : 2003.12.01
Download PDF
⟨ Previous Next ⟩

Abstract

Currently, one of the most critical issues in developing the service support system for various spatio-temporal applications is the discoverying of meaningful knowledge from the large volume of moving object data. This sort of knowledge refers to the spatiotemporal moving pattern. To discovery such knowledge, various relationships between moving objects such as temporal, spatial and spatiotemporal topological relationships needs to be considered in knowledge discovery. In this paper, we proposed an efficient method, MPMine, for discoverying spatiotemporal moving patterns. The method not only has considered both temporal constraint and spatial constrain but also performs the spatial generalization using a spatial topological operation, contain(). Different from the previous temporal pattern methods, the proposed method is able to save the search space by using the location summarization and generalization of the moving object data. Therefore, Efficient discoverying of the useful moving patterns is possible.

현재의 이동객체를 기반으로 하는 다양한 시공간 응용환경에서의 서비스 지원 시스템 개발을 위하여 중요한 문제 중의 하나는 방대한 이동객체의 위치 이동 데이터로부터의 의미 있는 지식인 시공간 이동 패턴을 탐사하는 것이다. 이를 위하여 시간적 위상관계, 공간적 위상관계 그리고 시공간적 위상관계에 대한 접근이 지식 탐사를 위하여 고려되어야 한다. 이 논문에서는 효율적인 시공간 이동 패턴 탐사 기법인 MPMine 알고리즘을 제안하였다. 제안한 기법은 시간 제약조건과 공간 제약조건 등을 함께 괴려하며 또한 공간 위상 연산인 contain()을 이용한 공간 개념화를 수행할 수 있다. 제안한 기법은 기존의 일반적인 시간 패턴 탐사 기법과 달리 이동객체 데이터 집합으로부터 위치 및 일반화를 통하여 탐색 공간을 줄일 수 있어 효율적으로 유용한 이동 패턴을 탐사할 수 있다.

Keywords

References

  1. T. Abraham, Knowledge Discovery in Spatio-Temporal Databases, School of Computer and Information Science, University of south Australia, Ph, D Dissertation, 1999
  2. T. Bittner, 'Rough Sets in spatio-temporal data mining,' In Proc. of the 1st International Workshop on Temporal, Sptial and Spation-Temporal Data Mining(TSDM2000), 2000
  3. E. Mesrobian R. R. Muntz, J. R. Santos, E. C. Shek, C. R. Mechoso, J. D. Farrara, P. Stolorz, Extracting Spation-Temporal Patterns from Geoscience Datasets,' IEEE Workshop on Visualization and Machine Vision, Seattle, WA, June, 1994
  4. I. Tsoukatos and D. Gunopulos, 'Efficient Mining of Spatiotemporal Patterns,' In Proc. of the 7th Int. Symp. on Spatial and Temporal Database (SSTD), 2001
  5. X. Chen and I. Petrounias, 'A framework for temporal data mining,' In Proc. of the 9th International Conference on Database and Expert Systems Applications, 1998
  6. J. F. Roddick and M. Spiliopoulou, 'Temporal data mining : survey and issues,' Research Report ACRC-99-007, University of South Australia
  7. K. Koperski and J. Han, 'Discovering of Spatial Association Rules in Geographic Information Databases,' In Proc. of the 4th International Symposium on Large Spatial Database, 1995
  8. K. Koperski, J. Han and J. Adhikary, 'Mining knowledge in geographical data,' to appear in Communications of the ACM, 1998
  9. J. F. Roddick and B. G. Lees, 'Paradigms for Spatial and Spation-Temporal Data Mining,' Geographic Data Mining and Knowledge Discovery. Taylor and Francis. Research Monographs in Geographic Information System. Miller, H. and Han, J. Eds, 2001
  10. R. Agrawal and R. Srikant, 'Mining sequential patterns,' In Proc. of the 11th International Conference on Data Engineering, 1995
  11. G. Berger and A.Tuzhilin, 'Discovering unexpected patterns in temporal data using temporal logic,' Temporal Databases Reserach and Practics, Springer-Verlag, 1998
  12. H. Mannila and H. Toivonen, 'Discovering generalized episodes using minimal occurences,' In Proc. of the Int'1 Conference on Knowledge Discovery and Data Mining (KDD-96), pp.146-151, 1996
  13. R. Srikant and R. Agrawal, 'Mining sequential patterns : generalizations and performance improvements,' In Proc. of International conference on Extending Database Technology, , Springer-Verlag, 1996
  14. Y. Ca, N. Cercone and J. Han, Attribute-Oriented Induction inRelational Database, in G. Piatetsky-Shapiro and W. J. Frawley (eds.), Knowledge Discovery in Databases, AAAI/MIT Press, pp.213-228, 1991
  15. X. Lu, J. Han and B. C. Ooi, 'Discovery of General Knowledge in Large Spatial Databases,' In Proc. of Far East Workshop on Geographic Information systems(FEGIS'93), pp.275-289, 1993
  16. R. E. Valdes-Perez, 'Systematic Detection of Subtle Spatio-Temporal Patterns in Time-Lapse Imaging. I. Mitosis,' Bioimging, Vol.4, No.4, pp.232-242, 1998 https://doi.org/10.1002/1361-6374(199612)4:4<232::AID-BIO2>3.0.CO;2-L
  17. M. N. Garofalakis, R. Rastogi, Shim K. S., 'SPIRIT : Sequential Pattern Mining with Reqular Expression Constraints,' In Proc. of the internation conference on VLDB, 1999
  18. M. Erwing and M. Schneider, 'Spatio-Temporal Predicates,' Technical Report 262, Fern University, 1999
  19. R. Snodgrass, 'The Temporal Query Language TQuel,' ACM TODS, Vol.12, No.2, June, 1987 https://doi.org/10.1145/22952.22956
  20. Jeong J.D., Paek O.H., Lee J.W. and Ryu K.H., 'Temporal Pattern Mining of Moving Object for Location-Based Service,' In Proc. of International Conference on Database and Expert System Applications (Dexa2002),(LNCS2453), 2002
  21. 안병익, 'LBS기술동향과 전망 LBS 구조 및 구성,' 한국지리정보, 10월호, pp.52-56, 2001
  22. 안윤애, 김동호, 류근호, '차량위치 추적을 위한 이동객체 관리 시스템의 설계,' 정보처리학회논문지D, 제9-D권, 제5호, 2002,
  23. 이금우, 위치기반 서비스를 위한 개인화된 추천 시스템, 이학석사학위논문, 충북대학교, 2002
  24. 이준욱, 이용준, 류근호, '시간데이터마이닝 프레임워크,' 정보처리학회논문지D, 제9-D권, 제3호, 2002
  25. 이준욱, 백옥현, 류근호, '위치기반 서비스를 위한 이동객체 시간 패턴 탐사 기법,' 정보과학학회지논문지, 제29권, 제5호, 2002