BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ NGUYỄN TIẾN PHƯƠNG MỘT SỐ KỸ THUẬT DỰ BÁO VỊ TRÍ VÀ TRUY VẤN CÁC ĐỐI TƯỢNG CHUYỂN ĐỘNG TRONG CƠ SỞ DỮ LIỆU KHÔNG GIAN-THỜI GIAN Chuyên ngành: Cơ sở toán học cho tin học Mã số: 62 46 01 10 TÓM TẮT LUẬN ÁN TIẾN SĨ TOÁN HỌC HÀ NỘI - 2015 Công trình hoàn thành tại: Học viện Khoa học Công nghệ, Viện Hàn lâm KH CN Việt Nam Người hướng dẫn khoa học: PGS TS Đặng Văn Đức Phản biện 1: PGS TS Huỳnh Quyết Thắng Phản biện 2: PGS TS Bùi Thu Lâm Phản biện 3: PGS TS Lê Trọng Vĩnh Luận án bảo vệ trước Hội đồng chấm luận án cấp Học viện họp tại: Viện Hàn lâm Khoa học Công nghệ Việt Nam Vào hồi ngày tháng năm Có thể tìm hiểu luận án thư viện: Thư viện Quốc gia Việt Nam Thư viện Học viện Khoa học Công nghệ MỞ ĐẦU Sự kết hợp chức công nghệ định vị cá nhân, công nghệ định vị vệ tinh, công nghệ truyền thông không dây công nghệ GIS tạo môi trường tất đối tượng chuyển động xác định vị trí chúng Các công nghệ sở cho việc phát triển mạnh mẽ môi trường nhận biết vị trí dịch vụ dựa vị trí Dịch vụ dựa vị trí dịch vụ đặc chế dựa thông tin vị trí đối tượng Nhiều mô hình sở liệu đối tượng chuyển động nghiên cứu, thử nghiệm Trong mô hình này, liệu đối tượng chuyển động, bao gồm thông tin vị trí khứ, tương lai lưu trữ cập nhật thường xuyên Khó khăn lớn giải toán làm để khai thác cách có hiệu số lượng đối tượng chuyển động lớn thường xuyên thay đổi vị trí Việc truy vấn vị trí đối tượng tương lai với tính không chắn vấn đề cần giải nâng cao tính xác Các hệ quản trị sở liệu không phù hợp với việc quản lý liệu thay đổi liên tục theo thời gian Có số hướng để giải vấn đề này, sở liệu đối tượng chuyển động (MODB) dễ tiếp cận nghiên cứu, phát triển mạnh mẽ Chính vậy, luận án đặt mục tiêu nghiên cứu vấn đề liên quan đến MODB bao gồm: tổ chức, lưu trữ, truy vấn vị trí đối tượng tương lai đề xuất số kỹ thuật để nâng cao tốc độ, tính xác truy vấn Lớp toán mà luận án hướng tới quản lý thông tin đối tượng chuyển động hay quản lý điều hành giao thông Trong lớp toán này, độ xác dự đoán vị trí không cần cao (sai số vài mét chấp nhận được) nghiêng tăng tốc độ tính toán để phản hồi cho người sử dụng hay định nhanh chóng Trong luận án này, nghiên cứu sinh thực giải vấn đề sau: a) Nghiên cứu sở liệu đối tượng chuyển động b) Nghiên cứu, đề xuất số phương pháp, kỹ thuật nâng cao tốc độ độ xác truy vấn vị trí đối tượng chuyển động Các kết bao gồm: (1) Giải vấn đề mô hình hóa vị trí đối tượng chuyển động dạng thuộc tính động Thuộc tính động cần phải cập nhật thông tin vị trí hạn chế tần suất cập nhật vào sở liệu (mà thường lớn ứng dụng MODB) Thuộc tính động xác định nhờ vào hai phương pháp dự đoán vị trí đề xuất luận án: - Dự đoán vị trí đối tượng dựa theo hàm chuyển động sử dụng mô hình W-EWMA - Dự đoán dựa hành vi đối tượng sử dụng khai phá luật kết hợp mẫu hình di chuyển (2) Giải vấn đề lập mục không gian cho biểu diễn hình học thuộc tính động nhằm tăng hiệu truy vấn liệu không gian-thời gian Trong luận án, nghiên cứu sinh đề xuất cấu trúc mục DO-TPR*-tree, dựa TPR*-tree, có hiệu truy vấn cao Cấu trúc thể hiệu cao xây dựng ứng dụng MODB với hạ tầng viễn thông phát triển, đôi lúc xảy tình trạng kết nối Việt Nam Các kết luận án công bố công trình khoa học (1)-(4) Các kết báo cáo thảo luận hội nghị, hội thảo khoa học Viện Công nghệ thông tin, Viện HL KH CN Việt Nam hội thảo Quốc gia “Một số vấn đề chọn lọc Công nghệ thông tin truyền thông” Chương CƠ SỞ DỮ LIỆU CÁC ĐỐI TƯỢNG CHUYỂN ĐỘNG Trong chương này, nghiên cứu sinh trình bày kết nghiên cứu tổng hợp vấn đề liên quan đến sở liệu đối tượng chuyển động bao gồm số khái niệm MODB vấn đề cần giải (1) mô hình hóa vị trí, (2) ngôn ngữ truy vấn, (3) lập mục liệu (4) tính không chắn/không xác liệu vị trí đối tượng chuyển động 1.1 Một số khái niệm 1.1.1 Cơ sở liệu không gian-thời gian Cơ sở liệu không gian-thời gian xây dựng nhằm giải toán không gian thay đổi theo thời gian Chúng ta hiểu điểm chuyển động vùng chuyển động thể miền không gian ba chiều (không gian 2D + thời gian) Các kiểu liệu tích hợp kiểu liệu sở (thuộc tính) mô hình quan hệ, hướng đối tượng mô hình liệu DBMS khác Hình 1.1 Cơ sở liệu không gian-thời gian MODB 1.1.2 Cơ sở liệu đối tượng chuyển động CSDL đối tượng chuyển động dạng thu gọn CSDL không gian-thời gian, quan tâm đến điểm chuyển động mà không xét đến đối tượng khác (đường hay vùng chuyển động) 1.1.3 Dữ liệu sở liệu đối tượng chuyển động Kiểu liệu sở liệu đối tượng chuyển động điểm chuyển động (moving point – mpoint) a Rời rạc b Liên tục Hình 1.2 Điểm chuyển động rời rạc liên tục Điểm chuyển động mpoint định nghĩa khác hàm liên tục từ thời gian vào không gian hai chiều (2D), đường gấp khúc (polyline) không gian ba chiều (2D + thời gian) 1.1.4 Truy vấn sở liệu đối tượng chuyển động Cơ sở liệu đối tượng chuyển động cần đáp ứng việc cập nhật thường xuyên, đồng thời lại phải đảm bảo truy vấn hiệu Các kiểu truy vấn phổ biến MODB truy vấn điểm, truy vấn phạm vi truy vấn k láng giềng gần Ngoài vài kiểu truy vấn phức tạp truy vấn phạm vi liên tục hay truy vấn mật độ… 1.2 Các vấn đề cần giải Các vấn đề bao gồm (1) Mô hình hóa vị trí; (2) Ngôn ngữ truy vấn; (3) Lập mục (4) Tính không chắn/không xác 1.2.1 Vấn đề mô hình hóa vị trí Để mô tả đối tượng chuyển động sở liệu trả lời truy vấn vị trí, vị trí đối tượng chuyển động phải cập nhật cách liên tục Việc cập nhận liên tục dẫn đến vấn đề làm giảm mạnh hiệu hệ thống Nếu không lại dẫn đến vấn đề kết truy vấn vị trí bị sai lệch Hơn việc cập nhật liên tục qua mạng không dây dẫn đến vấn đề tải băng thông số lượng đối tượng cập nhật lớn 1.2.2 Vấn đề ngôn ngữ truy vấn Ngôn ngữ truy vấn truyền thống SQL không đủ để diễn tả truy vấn MODB Cho dù có nghiên cứu ngôn ngữ truy vấn không gian thời gian, nghiên cứu rời rạc với ứng dụng MODB, chúng cần tích hợp lại để trả lời truy vấn cách xác 1.2.3 Vấn đề lập mục Số lượng đối tượng chuyển động CSDL lớn Do cần phải lập mục cho thuộc tính vị trí Việc sử dụng cách lập mục trực tiếp cho thuộc tính không gian thông thường việc thay đổi liên tục giá trị thuộc tính dẫn đến phải lập lại mục cho cách liên tục 1.2.4 Vấn đề tính không chắn/không xác Vị trí đối tượng chuyển động CSDL không xác với vị trí thực tế sách cập nhật vị trí đối tượng vào CSDL Tính không chắn vốn có có ý nghĩa khác cho mô hình sở liệu, truy vấn lập mục Vì không chắn sở liệu vị trí, có thêm hai kiểu ngữ nghĩa truy vấn “CÓ THỂ” “CHẮC CHẮN” Dù tính không chắn nghiên cứu rộng rãi, việc xây dựng mô hình khả không gian-thời gian cho đối tượng chuyển động cần phải xem xét lại giải pháp có Kết luận chương Chương giới thiệu vấn đề CSDL đối tượng chuyển động MODB dạng thu gọn CSDL không gian-thời gian, quan tâm đến điểm chuyển động mà không xét đến đối tượng khác Các vấn đề tồn cần giải CSDL đối tượng chuyển động tổng hợp lại Các chương nghiên cứu sinh trình bày nghiên cứu mình, góp phần giải số vấn đề Chương DỰ ĐOÁN VỊ TRÍ CỦA ĐỐI TƯỢNG CHUYỂN ĐỘNG Trong chương này, nghiên cứu sinh trình bày hai phương pháp dự đoán vị trí đối tượng chuyển động, đề xuất nhằm góp phần giải vấn đề mô hình hóa vị trí MODB Phương pháp thứ dự đoán vị trí theo hàm chuyển động hiệu với dự đoán tương lai gần Phương pháp thứ hai dự đoán theo hành vi đối tượng tiếp cận theo hướng sử dụng khai phá luật kết hợp mẫu hình di chuyển đối tượng, dự đoán vị trí thời điểm xa với độ xác tương đối cao Kết hợp hai phương pháp đem lại hiệu tốt cho truy vấn toàn hệ thống 2.1 Dự đoán vị trí đối tượng dựa theo hàm chuyển động Các hàm chuyển động chia thành hai dạng sau: - Hàm tuyến tính: mô tả chuyển động theo đường thẳng - Hàm phi tuyến: mô tả chuyển động theo đường cong 2.1.1 Dự đoán dựa theo hàm tuyến tính Cho đối tượng có vị trí l0 thời điểm t0 có vận tốc v0 Mô hình chuyển động tuyến tính dự đoán vị trí đối tượng thời điểm tq biểu thức: l(tq)=l0 + v0 * (tq-t0) l v véc-tơ n chiều Với mô hình tuyến tính, việc tính toán vị trí đối tượng chuyển động thời điểm nhanh chóng Tuy nhiên, với nhiều toán thực tế, độ xác thường không cao đối tượng di chuyển mạng lưới giao thông đô thị phức tạp có nhiều yếu tố ảnh hưởng đến véc tơ vận tốc (độ lớn hướng) đối tượng 2.1.2 Dự đoán dựa theo hàm phi tuyến Trong thực tế, chuyển động đối tượng thường phi tuyến Với mô hình này, chuyển động đối tượng biểu diễn hàm toán học phức tạp độ xác dự đoán cao mô hình tuyến tính Hàm chuyển động đệ quy ma trận chuyển động Sử dụng hàm chuyển động đệ quy phương pháp dự đoán vị trí từ vị trí trước khứ Phương pháp biểu diễn vị trí l đối tượng thời điểm t (ký hiệu lt) dạng biểu thức sau: 𝑓 𝑙𝑡 = ∑ 𝑐𝑖 ∗ 𝑙𝑡−𝑖 𝑖=1 ci ma trận hệ số f số tối thiểu vị trí gần để tính phần tử tất ci Xét đối tượng O không gian n chiều Tại thời điểm ti ti+1 (0 < i < q), q thời điểm truy vấn, vị trí O biểu diễn véc tơ Pi Pi+1 sau: ⃗⃗𝑃𝑖 = (𝑝𝑖,1 , 𝑝𝑖,2 , … , 𝑝𝑖,𝑛 ) ⃗⃗⃗⃗⃗⃗⃗⃗ 𝑃 𝑖+1 = (𝑝𝑖+1,1 , 𝑝𝑖+1,2 , … , 𝑝𝑖+1,𝑛 ) Véc tơ dịch chuyển O từ thời điểm ti đến ti+1, ký hiệu ⃗⃗⃗ 𝑖 , mô tả sau: ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗ 𝑖 = (𝑖,1 , 𝑖,2 , … , 𝑖,𝑛 ) = 𝑃 𝑖+1 − 𝑃𝑖 ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗ Do muốn tính 𝑃 𝑖+1 ta cần xác định véc tơ dịch chuyển 𝑖 Có số kỹ thuật dự đoán theo hàm chuyển động đệ quy hay sử dụng SMA EWMA Chúng sử dụng vị trí khứ đối tượng để xác định véc tơ dịch chuyển, từ dự đoán vị trí đối tượng thời điểm Kỹ thuật dự đoán theo trung bình động đơn giản - SMA Biểu thức tính i,k theo SMA (Simple Moving Average) sau: Kỹ thuật dự đoán theo trung bình động trọng số mũ - EWMA 10 Biểu thức tính EWMA sau: Kỹ thuật dự đoán vị trí đối tượng theo mô hình W-EWMA Nhằm làm giảm khối lượng tính toán không cần thiết, nghiên cứu sinh đề xuất kỹ thuật dự đoán đặt tên W-EWMA (Window Exponentially Weighted Moving Average) Theo kỹ thuật thay tính tất j,k, tính w bước gần trước Biểu thức (2-10) tính W-EWMA sau: Giải thuật tính toán theo kỹ thuật W-EWMA đây: Algorithm Cal_W-EWMA Input: 𝑃𝑖 = {𝑝𝑖,1 , 𝑝𝑖,2 , … , 𝑝𝑖,𝑛 } Output: 𝑃𝑖+1 = {𝑝𝑖+1,1 , 𝑝𝑖+1,2 , … , 𝑝𝑖+1,𝑛 } w ← a; ← b // initialization w Sd = 0; Sa = // initialization Sd, Sa FOR EACH pi,k IN Pi FOR j = i-w to i-1 // windowed j,k = pj,k – pj-1,k calculate  Sd ← Sd + i-1-j * j,k Sa ← Sa + i-1-j END FOR pi+1,k = pi,k + Sd/Sa 10 END FOR 11 𝑃𝑖+1 ← {𝑝𝑖+1,1 , 𝑝𝑖+1,2 , … , 𝑝𝑖+1,𝑛 } 12 RETURN Pi+1 Algorithm End 13 Quỹ đạo P gọi mẫu hình quỹ đạo biểu diễn dạng luật kết hợp đặc biệt: P: 𝑗1 𝑗2 𝑗𝑚 𝑐 𝑗𝑛 𝑅𝑡1  𝑅𝑡2  …  𝑅𝑡𝑚 → 𝑅𝑡𝑛 với ràng buộc thời gian: t1 < t2 < … < t m < tn Tham số c độ chắn hay xác xuất biểu thị khả xảy Định nghĩa 3.7 [Truy vấn tương lai] Truy vấn tương lai truy vấn dự đoán không gian-thời gian thỏa mãn điều kiện sau: tq  tc + d Trong tq ký hiệu thời gian thời điểm truy vấn, tc ký hiệu thời gian thời d thời gian tương lai thỏa mãn: tq < T, < d < T (T ngưỡng thời gian truy vấn) 2.2.4 Khai phá mẫu hình di chuyển Khai phá mẫu hình di chuyển nghiên cứu có số kết định Các nghiên cứu bao gồm nhóm sau: (1) Biến đổi liệu thô: Dữ liệu thô xấp xỉ chuyển đổi thành định dạng phân tích (2) Chỉ mục: Kalniset đồng nghiệp sử dụng số lưới Gt thời điểm t để lưu trữ liệu thời điểm Sau áp dụng thuật toán phân cụm dựa mật độ DBSCAN số lưới Gt để xác định cụm thời điểm t (3) Tiếp cận kiểu Apriori: Cách tiếp cận kiểu Apriori áp dụng để khai phá mẫu hình quỹ đạo cách hiệu Một vấn đề việc dự đoán vị trí đối tượng dựa theo mẫu hình làm để xác định mẫu hình dựa thông tin vị trí khứ Một số nghiên cứu cho làm cách khai phá mẫu hình Tuy nhiên để thu mẫu hình cần lượng lớn liệu lịch sử đối tượng để 14 tiến hành khai phá Điều có nghĩa số lượng mẫu hình phát lớn Vì cần có phương pháp để tổ chức mẫu hình để trả lời truy vấn dự đoán vị trí hiệu Nhằm góp phần giải vấn đề này, nghiên cứu sinh đề xuất sử dụng khung quy trình khai phá mẫu hình di chuyển lưu trữ CSDL không gian hình Dữ liệu Cơ sở liệu Địa lý Cơ sở liệu quỹ đạo Trích chọn mẫu hình Tiền xử lý Khai phá liệu Mẫu hình Mô hình hóa mẫu hình Mẫu hình di chuyển Hình 2.9 Quy trình khai phá mẫu hình di chuyển Quy trình phân thành mức: liệu, trích chọn mẫu hình mô hình hóa mẫu hình (1) Ở mức liệu, CSDL lưu trữ liệu địa lý liệu quỹ đạo chuyển động đối tượng (2) Ở mức trích chọn mẫu hình, liệu làm chuyển đổi thành định dạng chuẩn (tiền xử lý) để chuẩn bị cho bước khai phá liệu Ở mức này, liệu chuyển đổi thành định dạng đầu vào theo yêu cầu thuật toán khai phá (3) Ở bước khai phá liệu, người sử dụng xác định tham số khai phá độ hỗ trợ tối thiểu… để trích chọn đặc trưng thỏa mãn ràng buộc Sau khai phá có mẫu hình di chuyển mô hình hóa cho bước dự đoán vị trí sau 15 2.2.5 Khai phá luật kết hợp mẫu hình quỹ đạo dự đoán vị trí đối tượng chuyển động Trong luận án này, nghiên cứu sinh sử dụng thuật toán tựa Apriori [51] để khai phá mẫu hình quỹ đạo Việc khai phá tương tự khai phá luật kết hợp bao gồm hai bước sau: (1) Xác định vùng thường xuyên đến  Xác định mẫu hình có tính chu kỳ, phân chia toàn quỹ đạo thành  𝑛 𝑇 quỹ đạo Nhóm tất vị trí Gt có khoảng dịch thời gian quỹ đạo  Áp dụng thuật toán phân cụm dựa mật độ DBSCAN để xác định cụm (vùng thường xuyên đến) cho khoảng dịch thời gian t (2) Suy diễn mẫu hình quỹ đạo từ vùng thường xuyên đến  Sử dụng thuật toán tựa Apriori sinh tập k mục dự tuyển từ tập k-1 mục trước Với ràng buộc: o Lựa chọn mẫu hình theo chiều hướng tăng dần Vì mẫu hình quỹ đạo chuyển động theo thời gian tăng dần qua vùng Những mẫu hình không đảm bảo ràng buộc bị loại bỏ o Lựa chọn mẫu hình ưu tiên mục hệ Cách tiếp cận kiểu Apriori làm giảm đáng kể không gian tìm kiếm vài lần lặp lại đầu tiên, cho phép mẫu hình quỹ đạo khai phá hiệu Việc lựa chọn mẫu hình theo chiều hướng tăng dần loại bỏ mẫu hình không hợp lệ kiểm tra thực toán tử kết nối có điều kiện (∞ operator) Điều kiện kết nối thực hàm so sánh thứ tự kết nối, đảm bảo vùng thường xuyên đến có thứ tự tăng dần theo thời gian Thuật toán cho khai phá quỹ đạo mô tả sau: 16 Algorithm Apriori_Trajectories Input: Trajectory database D with the movement’s support = min_sup Output: Frequent Regions Procedure Apriori_Trajectories R1 = find_frequent_1-itemsets(D); FOR (k=2; Rk-1 ; k++) Ck = apriori_gen(Rk-1, min_sup); FOR EACH Tt  D Ct = subset(Ck,t); // Tt is trajectory tth // use tth sub-trajectory for candidate FOR EACH candidate c  Ct c.count++; Rk = {c  Ck | c.count  min_sup}; END FOR 10 END FOR 11 RETURN (Frequent Regions = k Rk); End Procedure Procedure apriori_gen(Rk-1: frequent (k-1) itemsets; min_sup) FOR EACH itemset R1  Rk-1 FOR EACH itemset R2  Rk-1 IF (R1[1]= R2[1])  (R1[2]= R2[2])  (R1[k-2]= R2[k-2])  (R1[k-1][...]... Adjustment (DOA) Truy vấn tương lai của người sử dụng được biểu diễn dưới dạng (QBR, QT) Trong đó, QBR là ký hiệu phạm vi truy vấn (bao gồm MBR và VBR) trong không gian truy vấn hai chiều và QT là ký hiệu khoảng thời gian truy vấn (bao gồm thời gian bắt đầu và thời gian kết thúc) Truy vấn tương lai dự đoán các đối tượng chuyển động mà sẽ đi vào vùng QBR trong khoảng 23 thời gian QT Thuật toán tìm kiếm... thông tin vị trí do đó sẽ hạn chế được tần suất cập nhật vào cơ sở dữ liệu Thuộc tính động có thể được xác định nhờ vào hai phương pháp dự đoán vị trí đã đề xuất trong luận án: - Dự đoán vị trí của đối tượng dựa theo hàm chuyển động sử dụng mô hình W-EWMA - Dự đoán dựa trên hành vi của đối tượng sử dụng khai phá luật kết hợp của các mẫu hình di chuyển (2) Giải quyết vấn đề về lập chỉ mục không gian cho... R-tree) [36] là một cây cân bằng, đa chiều dựa trên cấu trúc của R*-tree [2], phát triển từ R-tree [9] TPR-tree cho phép dự đoán vị trí tương lai của đối tượng chuyển động bằng cách lưu trữ cả vị trí hiện tại cùng với vận tốc của từng đối tượng tại một thời điểm cụ thể TPR-tree là cấu trúc cây rất hiệu quả cho việc lưu trữ và tìm kiếm trong cơ sở dữ liệu các đối tượng chuyển động Nó là cơ sở cho rất nhiều... lá và dòng 9, mọi nút trung gian trong cây (a) Tất cả các nút lá có vị trí nằm trong phạm vi hình chữ nhật truy vấn QBR trong khoảng thời gian truy vấn tương lai QT đều được đưa vào danh sách kết quả truy vấn (dòng 4 và 5) (b) Tất cả các mục entry của nút trung gian mà có hình chữ nhật bao giao với hình chữ nhật truy vấn QBR trong khoảng thời gian truy vấn tương lai QT (dòng 9, 10) đều được duyệt và. .. mức dữ liệu, trong CSDL lưu trữ cả dữ liệu địa lý và dữ liệu quỹ đạo chuyển động của đối tượng (2) Ở mức trích chọn mẫu hình, dữ liệu được làm sạch và chuyển đổi thành định dạng chuẩn (tiền xử lý) để chuẩn bị cho bước khai phá dữ liệu Ở mức này, dữ liệu cũng được chuyển đổi thành định dạng đầu vào theo yêu cầu của các thuật toán khai phá (3) Ở bước khai phá dữ liệu, người sử dụng có thể xác định các. .. MỤC DỮ LIỆU KHÔNG GIAN – THỜI GIAN Trong chương này, nghiên cứu sinh sẽ trình bày kết quả nghiên cứu là một cấu trúc chỉ mục mới được đề xuất dựa trên TPR*-tree nhằm giảm bớt các vùng không gian trống mỗi khi thực hiện truy vấn liên tục bằng cách điều chỉnh MBR theo mật độ, đặt tên là DO-TPR*-tree Kết quả này nhằm góp phần giải quyết vấn đề về lập chỉ mục dữ liệu trong cơ sở dữ liệu các đối tượng chuyển. .. hiện thời và d là thời gian ở tương lai thỏa mãn: tq < T, 0 < d < T (T là ngưỡng thời gian truy vấn) 2.2.4 Khai phá mẫu hình di chuyển Khai phá mẫu hình di chuyển đã được nghiên cứu và có một số kết quả nhất định Các nghiên cứu này bao gồm các nhóm sau: (1) Biến đổi dữ liệu thô: Dữ liệu thô được xấp xỉ và chuyển đổi thành một định dạng phân tích (2) Chỉ mục: Kalniset và đồng nghiệp sử dụng một chỉ số. .. vấn đề này, nghiên cứu sinh đề xuất sử dụng khung quy trình khai phá mẫu hình di chuyển và lưu trữ trong CSDL không gian như hình dưới đây Dữ liệu Cơ sở dữ liệu Địa lý Cơ sở dữ liệu quỹ đạo Trích chọn mẫu hình Tiền xử lý Khai phá dữ liệu Mẫu hình Mô hình hóa mẫu hình Mẫu hình di chuyển Hình 2.9 Quy trình khai phá mẫu hình di chuyển Quy trình này được phân thành 3 mức: dữ liệu, trích chọn mẫu hình và. .. mỗi thời điểm t để lưu trữ dữ liệu tại thời điểm đó Sau đó áp dụng thuật toán phân cụm dựa trên mật độ DBSCAN trên các chỉ số lưới Gt để xác định các cụm tại thời điểm t (3) Tiếp cận kiểu Apriori: Cách tiếp cận kiểu Apriori có thể được áp dụng để khai phá các mẫu hình quỹ đạo một cách hiệu quả Một vấn đề trong việc dự đoán vị trí đối tượng dựa theo mẫu hình là làm thế nào để xác định được mẫu hình dựa... MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ 1 Nguyễn Tiến Phương, Đặng Văn Đức và đồng nghiệp, Một mô hình dịch vụ trên cơ sở vị trí địa lý để theo dõi, giám sát đối tượng chuyển động , Kỷ yếu hội thảo Một số vấn đề chọn lọc của Công nghệ thông tin và truy n thông”, Biên Hòa, 2009, trang 512-523 2 Nguyễn Tiến Phương, Đặng Văn Đức, Dự đoán vị trí của đối tượng chuyển động theo mô hình W-EWMA”, Kỷ yếu hội thảo “Một ... hóa vị trí, (2) ngôn ngữ truy vấn, (3) lập mục liệu (4) tính không chắn /không xác liệu vị trí đối tượng chuyển động 1.1 Một số khái niệm 1.1.1 Cơ sở liệu không gian- thời gian Cơ sở liệu không gian- thời. .. CSDL không gian- thời gian, quan tâm đến điểm chuyển động mà không xét đến đối tượng khác (đường hay vùng chuyển động) 1.1.3 Dữ liệu sở liệu đối tượng chuyển động Kiểu liệu sở liệu đối tượng chuyển. .. kiểu liệu sở (thuộc tính) mô hình quan hệ, hướng đối tượng mô hình liệu DBMS khác Hình 1.1 Cơ sở liệu không gian- thời gian MODB 1.1.2 Cơ sở liệu đối tượng chuyển động CSDL đối tượng chuyển động