Journal of Geospatial Information Technology

fa شاخص‌گذاری موقعیت جاری و گذشته اشیاء متحرک درمجموعه داده‌های بزرگ مقیاس Indexing the past and current position of moving objects in large-scale dataset سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research با افزایش روز افزون سیستم‌های هوشمند حمل و نقل و سرویس‌های مبتنی برمکان که از داده‌های مکانی-زمانی بهره می‌برند، نیاز به تکنیک‌ها شاخص‌گذاری جدید برای این داده‌ها افزایش یافته است. این داده‌ها مربوط به زمان گذشته، حال یا آینده اشیاء متحرک هستند که شاخص‌های موجود عموماً امکان شاخص‌گذاری یکی از این سه زمان را دارند. داشتن شاخصی یکپارچه برای شاخص‌گذاری همزمان انواع داده‌ها و همچنین پاسخگویی به انواع پرس‌وجوها، یکی از چالش‌های این نوع داده‌ها می‌باشد که امکان کاهش فاصله زمانی بروزرسانی شاخص‌ها را داشته باشد. در این مقاله روشی یکپارچه با نام PCPI ارائه شده است که علاوه بر امکان ساخت و نگهداری شاخص‌های‌ داده‌های مکانی-زمانی در زمان گذشته و حال، به صورت همزمان به ترتیب در دیسک و حافظه اصلی، توانایی پاسخ به انواع پرس‌وجو‌های مکانی-زمانی را دارد. با استفاده از این تکنیک، از یک مجموعه منبع مشترک برای پردازش و ساخت شاخص‌ها در دو زمان مختلف استفاده شده و اختلاف فاز زمانی بین دو شاخص را کاهش داده است. در این روش از دو داده ساختار به صورت یکپارچه استفاده شده است. یک داده ساختار در حافظه اصلی برای شاخص‌گذاری و نگهداری موقعیت جاری اشیاء متحرک، و داده ساختار دوم برروی دیسک برای داده‌های خط‌سیر اشیاء متحرک که دارای حجم بالایی بوده و امکان نگهداری در حافظه اصلی را ندارند. علاوه بر این، در PCPI از روش‌های تطبیق برنقشه برای حذف اختلالات موجود در داده‌های دریافتی از اشیاء متحرک مانند اختلال حالت ساکن استفاده شده است که باعث افزایش دقت پرس‌وجوها می‌شود. همچنین تاثیر روش‌های کاهش داده بر افزایش سرعت شاخص‌گذاری، پردازش پرس‌وجو و کاهش اندازه شاخص‌ها در دیسک در مجموعه داده‌های بزرگ، در آزمایش‌ها موردبررسی قرار گرفت. نتایج و مقایسه‌‌های انجام شده در آزمایش‌های تجربی، نشان از کارایی بالای این ساختار شاخص‌گذاری دارد. By increasing intelligent transportation systems (ITS) and location based services (LBS) that take advantage of spatio-temporal data, these data have increased the necessity for new indexing techniques. Indexing methods index these data generally in the past, present or future. Creating an integrated index for indexing data and also answering to various queries which can reduce indices’ updating time, is one of the challenges. The current study introduces an integrated method called “PCPI” (Past and Current Position Indexing) to index and store spatio-temporal data of the past and present in a simultaneous manner in the disk and main memory respectively that has ability to answer various spatio-temporal queries. PCPI uses a same resources for processing and creating indices in two different times. In this method, two data structure is used integratedly: the first data structure indexes and stores current position of moving objects in the main memory, and the second data structure on disk for trajectory data of moving objects that have high volume and cannot be stored in main memory. In addition, PCPI uses map matching methods to remove noises – e.g. stationary state noises- in the data received from the moving objects; this feature adds to accuracy and reliability of the query results. Effects of data reduction techniques on accelerating indexing and query processing and reducing disk space consumption (in massive datasets) were examined. Results of the comparisons made based on the experiments showed higher efficiency of the indexing structure. پایگاه داده اشیاء متحرک, شاخص‌گذاری خط سیر, داده های مکانی-زمانی, پردازش پرس‌وجو Moving Objects Databases, Trajectory Indexing, Spatio-Temporal Data , Query Processing 141 162 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-466-2&slc_lang=fa&sid=1 Mohamad Reza Abbasifard محمدرضا عباسی فرد 10031947532846004942 10031947532846004942 No Iran University of Science and Technology دانشگاه علم و صنعت ایران hassan naderi حسن نادری naderi@iust.ac.ir 10031947532846004943 10031947532846004943 Yes Iran University of Science and Technology دانشگاه علم و صنعت ایران