본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

정보과학회논문지. Journal of KIISE. 데이타베이스 v.29 no.5, 2002년, pp.335 - 346   피인용횟수: 5

위치 기반 서비스를 위한 이동 객체의 시간 패턴 탐사 기법
Temporal Pattern Mining of Moving Objects for Location based Services

이준욱   (충북대학교 컴퓨터과학과UU0001309  ); 백옥현   (국방과학연구소CC0136088  ); 류근호   (충북대학교 전기전자 및 컴퓨터공학부UU0001309  );
  • 초록

    위치 기반 서비스는 이동중인 사용자에게 위치와 관련된 정보를 제공한다. 최소한의 자원으로 사용자에게 유용한 정보를 개인화하여 제공하는 것은 위치 기반 서비스가 가져야 할 필수적인 기능이다. 이 기능은 데이타 마이닝을 통해 실현될 수 있다. 하지만 기존의 데이터 마이닝 연구는 시간 및 공간 속성을 동시에 고려하고 있지 않다. 따라서 시간에 따라 공간 위치 속성이 변경되는 특성을 갖는 위치 기반 서비스의 대상에는 적절하지 않다. 이 논문에서는 시간 및 공간 속성을 가지는 이동 객체의 위치 데이타로부터 유용한 시간 패턴을 탐사하기 위한 새로운 데이타 마이닝 기법을 제안하였다. 평면 상에서 좌표로 표현되는 이동 객체의 위치 정보를 일반화하기 위하여 contains와 같은 공간 연산을 사용하였다. 또한 이동 패턴 탐사 시 실제 유효한 시퀀스를 만들기 위해 객체의 위치 사이에 시간 제약조건을 적용하였다. 이렇게 생성된 이동 객체 위치의 시퀀스로부터 빈발 이동 시퀀스를 구하여 시간 패턴을 생성하였다. 제안한 기법은 기존과는 다른 시, 공간적 접근을 취함으로써 시간과 공간 의미가 중요시되는 위치 기반 서비스에 적합한 새로운 유형의 지식을 제공할 수 있다.


    LBS(Location Based Services) provide the location-based information to its mobile users. The primary functionality of these services is to provide useful information to its users at a minimum cost of resources. The functionality can be implemented through data mining techniques. However, conventional data mining researches have not been considered spatial and temporal aspects of data simultaneously. Therefore, these techniques are inappropriate to apply on the objects of LBS, which change spatial attributes over time. In this paper, we propose a new data mining technique for identifying the temporal patterns from the series of the locations of moving objects that have both temporal and spatial dimension. We use a spatial operation of contains to generalize the location of moving point and apply time constraints between the locations of a moving object to make a valid moving sequence. Finally, the spatio-temporal technique proposed in this paper is very practical approach in not only providing more useful knowledge to LBS, but also improving the quality of the services.


  • 주제어

    시간 패턴탐사 .   이동객체 .   위치기반 서비스 .   이동 패턴.  

  • 참고문헌 (33)

    1. D. Pfoser, C. S. Jensen, and Y. Theodoridis, 'Novel Approaches in Query Processing for Moving Objects,' CHOROCHRONOS Technical Report CH-00-3, February, 2000 
    2. R. J. Bayardo Jr., 'Efficiently Mining Long Patterns from Databases,' Proceedings of the ACM-SIGMOD International Conference on Management of Data, pp. 85-93, 1998 
    3. N. Beckmann, H. P. Kriegel, R. Schneider, and B. Seeger, 'The $R^*-tree$: An Efficient and Robust Access Method for Points and Rectangles,' ACM SIGMOD Conference, pp.322-331, 1990 
    4. D. Pfoser, Y. Theodoridis, and C. S. Jensen, 'Indexing Trajectories of Moving Point Objects,' CHOROCHRONOS Technical Report CH-99-03, October, 1999 
    5. InBae Oh, YoonAe Ahn, EungJae Lee, KeunHo Ryu, HongGi Kim, 'Prediction of Uncertain Moving Object Location,' In Proc. of Int. Conf. on East-Asian Language Processing and Internet Information Technology 2002 (EALPIIT2002 HANOI), 2002 
    6. A. Guttman, R-trees: a Dynamic Index Structure for Spatial Searching,' In Preceedings of the ACM SIGMOD Conference on the Management of Data, pp.47-57, 1984 
    7. L. Forlizzi, R. H. Guting, E. Nardelli and M. Schneider, 'A Data Model and Data Structures for Moving Objects Databases,' Proceedings of the ACM-SIGMOD International Conference on Management of Data, pp.319-330, 2000 
    8. R. H. Guting, M. H. Bohlen, M. Erwig, C. S. Jensen, N. A. Lorentzos, M. Schneider, and M. Vazirgiannis, 'A Foundation for Representing and Querying Moving Objects,' ACM Transactions on Database Systems, 2000 
    9. M. Erwig, R.H. Guting, M. Schneider, and M. Vazirgiannis, 'Spatio-Temporal Data Types : An Approach to Modeling and Querying Moving Objects in Databases,' GeoInformation, Vol.3, No.3, pp. 269-296, 1999 
    10. 안윤애, 류근호, '이동 객체의 불확실한 위치 정보 관리', 충북대학교 컴퓨터정보통신 연구, 제 9권, 제 1호, pp.81-91, 2001 
    11. Seong Seung Park, Yun Ae Ahn, and Keun Ho Ryu, 'Moving Objects Spatiotemporal Reasoning Model for Battlefield Analysis,' In Proc. of Military, Government and Aerospace Simulation part of ASTC2001, pp.108-113, Apr., 2001 
    12. E. Tsoukatos and D. Gunopoulos, 'Efficient Mining of SpatioTemporal Patterns,' Proceedings of the 7th International Symposium on Spatial and Temporal Databases(SSTD), pp.425-442, 2001 
    13. X. Chen, I. Petrounias, and H. Heathfield, 'Discovering Temporal Association Rules in Temporal Databases,' Proceedings of the International Workshop on Issues and Applications of Database Technology(IADT'98), pp.312-319, 1998 
    14. J. F. Allen, 'Maintaining Knowledge about Temporal Intervals,' Communication of the Association of Computing Machinery, Vol.26, No.11, 1983 
    15. T. Abraham and J. F. Roddick, 'Discovering Meta-rules in Mining Temporal and Spatio-temporal data,' Proceedings of the International Database Workshop, Data Mining, Data Warehousing and Client/Server Databases, (IDW'97), pp.30-41, 1997 
    16. H. Mannila, H. Toivonen, and A. I. Verkamo, 'Discovery of Frequent Episodes in Event Sequences,' Data Mining and Knowledge Discovery, Vol.1, No.3, pp.259-289, 1997 
    17. J. Han, G. Dong, and Y. Yin, 'Efficient Mining of Partial Periodic Patterns in Time Series Database,' Proceedings of the 11th International Conference on Data Engineering, 1999 
    18. B. Ozden., S. Ramaswamy, and A. Silberschatz, 'Cyclic Association Rules,' Proceedings of the 14th International Conference on Data Engineering, 1998 
    19. P.S. Kam and A. Fu, 'Discovering Temporal Patterns for Interval-Based Events,' Proceedings of the 2nd International Conference on Data Warehousing and Knowledge Discovery, (Dawak), Springer Verlag, LNCS, London, UK, 4-6 Sept, 2000 
    20. M.-S. Chen, J. S. Park, and P. S. Yu, 'Efficient Data Mining for Path Traversal Patterns,' IEEE Transactions on Knowledge and Data Engineering, Vol.10, No.2, pp. 209-221, 1998 
    21. J, Borges, M. Levene, 'A Fine Grained Heuristic to Capture Web Navigation Patterns,' SIGKDD Explorations, Vol.2, No.1, pp.40-50, 2000 
    22. J. Pei, J, Han, B. Mortazavi-Asl and H. Zhu, 'Mining Access Patterns Efficiently from Web Logs,' Proceedings of the 4th Pacific-Asia Conference on Knowledge Discovery and Data Mining( PAKDD), 2000 
    23. R. Agrawal and R. Srikant, 'Fast Algorithms for Mining Association Rules,' Proceedings of the 20th International Conference on Very Large Databases, pp. 487-499, Santiago, Chile, 1994 
    24. R. Srikant and R. Agrawal, 'Mining Sequential Patterns:Generalizations and Performance Improvements,' International Conference on Extending Database Technology, Springer-Verlag, 1996 
    25. J.S. Song,Y. J. Lee, and K. H. Ryu, 'Discovering Temporal Relation Rules from Interval Data,' submitted to the ETRI Journal, 2001 
    26. R. Agrawal and R. Srikant, 'Mining Sequential Patters,' Proceedings of the 11 th International Conference on Data Engineering, pp.3-14, 1995 
    27. 안병익 'LBS기술동향과 전망 - LBS 구조 및 구성', 한국지리정보, 10월호, pp.52-56, 2001 
    28. 이용준, 서성보, 류근호, 김혜규, '시간간격을 고려한 시간관계 규칙 탐사 기법', 한국정보과학회 논문지, 제28권, 제 3호, pp.301-314, 2001     
    29. 류근호, 이준욱, 이용준, 'eCRM을 위한 시간 데이타 마이닝 기술', 한국 정보과학회 데이타베이스연구회지, 제17권, 제1호, 2001 
    30. O. Wolfson, A. P. Sistla, B. Xu, J, Zhou, and S. Chamberlain, 'DOMINO : Databases fOr MovlNg Objects tracking,' Proceedings of the ACM-SIGMOD International Conference on Management of Data, pp.547-549, 1999 
    31. M. N. Garofalakis, R. Rastogi, and K. Shim, 'SPIRIT : Sequential Pattern Mining with Regular Expression Constraints,' Proceedings of the 25th International Conference on Very Large Datbases, 1999 
    32. 김욱, 지규인, 이장규, '위치 기반 무선 인터넷 서비스', Telecommunications Review, 제10권, 제6호, pp.1260-1269, 2000 
    33. Novel Approaches in Query Processing for Moving Objects , D.Pfoser;C.S.Jensen;Y.Theodoridis , CHOROCHRONOS Technical Report CH-00-03 / v.,pp.,
  • 이 논문을 인용한 문헌 (5)

    1. Ku Mi Sug ; Hwang Jeong Hee ; Choi Nam Kyu ; Jung Doo Young ; Ryu Keun Ho 2004. "Context-based Incremental Preference Analysis Method in Ubiquitous Commerce" 정보처리학회논문지. The KIPS transactions. Part D. Part D, d11(7): 1417~1426     
    2. Lee, Yon-Sik ; Ko, Hyun 2009. "A Method for Optimal Moving Pattern Mining using Frequency of Moving Sequence" 정보처리학회논문지. The KIPS transactions. Part D. Part D, d16(1): 113~122     
    3. Lee, Yon-Sik ; Ko, Hyun 2009. "The Efficient Spatio-Temporal Moving Pattern Mining using Moving Sequence Tree" 정보처리학회논문지. The KIPS transactions. Part D. Part D, d16(2): 237~248     
    4. Lee, Yon-Sik ; Kim, Young-Ja ; Park, Sung-Sook 2010. "Precision Analysis of the STOMP(FW) Algorithm According to the Spatial Conceptual Hierarchy" 한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, 11(12): 5015~5022     
    5. Lee, Yon-Sik ; Ko, Hyun 2011. "Location Generalization of Moving Objects for the Extraction of Significant Patterns" 한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, 12(1): 451~458     

 저자의 다른 논문

  • 백옥현 (1)

    1. 2002 "e-Business에서의 BI지원 데이타마이닝 시스템" 정보과학회논문지. Journal of KISS : Computing practices. 컴퓨팅의 실제 8 (5): 489~500    
  • 류근호 (178)

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • NDSL :
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기