공간 데이터 웨어하우스에서 공간 분석을 위한 공간 집계연산

유병섭,김경배,이순조,배해영,You, Byeong-Seob,Kim, Gyoung-Bae,Lee, Soon-Jo,Bae, Hae-Young 한국공간정보학회 2007 한국공간정보시스템학회 논문지 Vol.9 No.3

공간 데이터 웨어하우스는 공간 의사결정을 지원하는 시스템으로 공간 데이터 큐브를 이용한다. 공간 데이터 큐브에는 분석의 기준이 되는 공간 차원테이블과 분석의 대상이 되는 공간 사실테이블들로 구성되는데 의사결정 지원을 위해서는 공간 차원테이블의 개념계층 지원과 공간 사실테이블의 요약정보 제공이 필요하다. 그러나 기존의 연구들은 공간 개념계층에 대해서만 연구하였을 뿐 공간 요약정보에 대한 연구가 미비하였다. 따라서 본 논문에서는 공간 데이터 웨어하우스에서 공간 공간 요약정보를 위한 공간 집계연산에 대하여 제안한다. 본 논문에서는 공간 집계연산을 숫자화 집계연산과 객체화 집계연산으로 나누어 제안한다. 숫자화 집계연산은 공간 분석의 결과로 숫자 형태의 데이터를 반환하며, 객체화 집계연산은 공간 객체 형태로 결과를 반환한다. 본 논문에서는 확장된 공간 데이터 자료구조를 제공하여 공간 집계연산의 효율성을 높인다. A spatial data warehouse is a system to support decision making using a spatial data cube. A spatial data cube is composed of a dimension table and a fact table. For decision support using this spatial data cube, the concept hierarchy of spatial dimension and the summarized information of spatial fact should be provided. In the previous researches, however, spatial summarized information is deficient. In this paper, the spatial aggregation for spatial summarized information in a spatial data warehouse is proposed. The proposed spatial aggregation is separated of both the numerical aggregation and the object aggregation. The numerical aggregation is the operation to return a numerical data as a result of spatial analysis and the object aggregation returns the result represented to object. We provide the extended struct of spatial data for spatial aggregation and so our proposed method is efficient.

ETCS 안테나 내장형 인사이드미러 개발

유병섭(Byung Seob Yu),차준호(Jun ho Cha),배종식(Jong Sik Bae) 한국자동차공학회 2013 한국자동차공학회 학술대회 및 전시회 Vol.2013 No.11

시공간 집계정보를 위한 Aggregation R-tree 기반의 하이브리드 인덱스

유병섭(ByeongSeob You),배해영(HaeYoung Bae) 한국정보과학회 2006 정보과학회논문지 : 데이타베이스 Vol.33 No.5

교통 관리 시스템과 같은 응용에서는 공간 데이타 웨어하우스의 공간 계층을 이용한 분석을 수행하는데, 이러한 분석에서는 주로 단순한 집계정보만을 요구한다. 공간 계층 기반의 집계정보 제공을 위하여 기존의 연구들은 공간 인덱스를 사용한 해결방법을 제시하였는데, 대부분의 연구들은 공간 인덱스중 가장 널리 이용되는 R-tree를 확장한 방법을 이용하였다. 그러나 단순히 현재 집계 정보만을 제공하여 수년에 걸친 분석을 요구하는 교통 정책에 대하여 의사결정을 지원할 수 없었다. 본 논문에서는 과거의 집계정보까지 관리할 수 있는 aR-tree(Aggregation R-tree)기반의 하이브리드 인덱스를 제안한다. 제안기법은 aR-tree를 이용하여 공간 계층과 현재시점의 집계정보를 제공하며, 시간 구조체를 이용한 정렬 해쉬 테이블로 시간 계층과 과거의 집계정보를 제공한다. 따라서 제안기법은 시공간 분석을 통한 효율적인 의사결정을 지원하며, 이는 현재의 교통 분석 및 과거를 통한 교통 정책 결정을 가능하게 한다. In applications such as a traffic management system, analysis using a spatial hierarchy of a spatial data warehouse and a simple aggregation is required. Over the past few years, several studies have been made on solution using a spatial index. Many studies have focused on using extended R-tree. But, because it just provides either the current aggregation or the total aggregation, decision support of traffic policy required historical analysis can not be provided. This paper proposes hybrid index based on extended aR-tree for the spatio-temporal aggregation. The proposed method supports a spatial hierarchy and the current aggregation by the R-tree. The sorted hash table using the time structure of the extended aR-tree provides a temporal hierarchy and a historical aggregation. Therefore, the proposed method supports an efficient decision support with spatio-temporal analysis and is possible currently traffic analysis and determination of a traffic policy with historical analysis.

비공유 공간 데이터베이스 클러스터에서 한정된 자원에 적합한 형태로의 공간데이터 처리 기법

유병섭(Byeongseob You),장용일(Yongil Jang),이충호(Chungho Lee),배해영(Haeyoung Bae) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅱ

최근 모바일 장치의 발전과 보급으로 차량 네비게이션 시스템(naigation system)과 같이 모바일 장치를 이용한 지도정보 서비스가 발전하였다. 모바일 장치는 자원이 한정되어 있고, 네트워크의 대역폭이 적기 때문에 크기가 크고 복잡한 벡터 데이터를 효율적으로 전송할 수 있는 방법이 매우 중요하다. 본 논문에서는 비공유 데이터베이스 클러스터에서 한정된 자원에 적합한 형태로 공간데이터를 처리하는 기법을 제안한다. 이는 스케일과 사용자의 요청에 따라 보여질 필요가 없는 피쳐들을 제거하고 스케일에 따라 보여지는 형태가 바뀌는 피쳐들에 대해 공간타입을 바꾸는 필터링을 통해 최적화된 지도 정보로 구성한다. 이렇게 구성된 정보는 불필요한 정보가 감소되어 데이터의 크기가 작아지는 장점을 갖는다. 또한 구성된 정보는 주요 부분부터 단계적으로 클라이언트에 보냄으로써 클라이언트에 대한 응답시간이 빠르게 되며, 사용자의 요구에 적합한 형태의 공간 정보를 우선순위가 높은 데이터부터 단계적으로 클라이언트에서 보여짐으로써 사용자에게 필요한 공간정보를 보다 빠르게 얻을 수 있다.

확장 가능한 고가용 데이터베이스에서 네트워크 비용을 줄이기 위한 변형된 분할기법

유병섭(Byeong-Seob You),이충호(Chung-Ho Lee),이재동(Jae Dong Lee),배해영(Hae-Young Bae) 한국정보과학회 2002 한국정보과학회 학술발표논문집 Vol.29 No.1B

최근 전자상거래와 같은 웹 기반 응용프로그램에서는 높은 가용성과 확장성을 가지며 빠른 응답시간을 갖는 데이터베이스에 대한 필요성이 대두되고 있다. 이러한 요구에 대한 해결책의 하나로 비공유 구조의 클러스터 시스템을 구성하고 분할과 복제정책을 사용한다. 즉, 해쉬함수나 범위값에 의해 분할하여 여러 노드에 분산 시키고 서로 다른 노드에 마스터와 백업을 두어 가용성을 높이고 있다. 그러나 기존의 방법은 하나의 갱신 질의에 대해서 마스터와 백업에 각각 질의를 보내주어야 하고 온라인 확장시에는 모든 마스터와 백업의 데이터가 재구성되어야 하므로 네트워크 비용이 크다는 문제점이 있다. 따라서, 본 논문에서는 이러한 네트워크 비용을 줄이기 위한 변형된 분할 기법을 제안한다. 제안된 기법에서 마스터는 기존의 기법과 동일한 방법으로 저장하나 백업은 네트워크를 통해 지정된 노드로 포워딩을 하지 않고 질의를 받은 서버에 그대로 저장함으로써 클러스터를 구성하는 노드 사이에 통신 비용을 줄인다. 또한 온라인 확장에서는 기존의 기법과 달리 백업데이터는 같은 서버의 마스터테이터와 중복되는 것만 이동시킴으로써 데이터 이동비용을 줄이며, 전체 트랜잭션 처리링을 높인다.

GMS/Cluster 설계 및 구현

유병섭(Byeong-Seob You),김명근(Myeong-Keun Kim),김재홍(Jae-Hong Kim),배해영(Hyung-Young Bae) 대한공간정보학회 2003 한국지형공간정보학회 학술대회 Vol.2003 No.4

공간 데이터의 분포를 고려한 공간 엔트로피 기반의 의사결정 트리 기법

장윤경,유병섭,이동욱,조숙경,배해영,Jang, Youn-Kyung,You, Byeong-Seob,Lee, Dong-Wook,Cho, Sook-Kyung,Bae, Hae-Young 한국정보처리학회 2006 정보처리학회논문지B Vol.13 No.7

의사결정 트리는 데이터 마이닝의 분류와 예측 작업에 주로 사용되는 기법 중의 하나이다. 실생활에서 공간의사결정을 위한 분류를 수행할 때에는 인접 데이터의 위치와 분산도를 고려하는 것이 매우 중요하다. 기존의 공간 의사결정 트리는 데이터의 공간적 특성을 표현하기 위해 각 객체간의 유클리디안 거리비율을 엔트로피로 반영하여 트리 구축 시 이용하였다. 그러나 이것은 공간 객체간의 거리 비율만을 설명할 뿐 공간 차원에서의 데이터 분산 정도와 각 분류된 클래스간의 연관관계 등은 파악할 수 없다는 한계점이 있었다 본 논문에서는 분산도와 차별도 기반의 공간 엔트로피를 이용하여 공간 데이터의 분포도를 반영하는 공간 의사결정 트리를 제안한다 분산도는 분류된 클래스 내의 공간 객체 분포도를 나타내고 차별도는 다른 클래스 내 공간 객체와의 분포도 및 관계성을 나타낸다. 이러한 분산도와 차별도의 비율을 엔트로피 계산 시 이용함으로써 비공간적 속성으로 분류된 각 클래스가 공간적으로는 얼마나 뚜렷하게 분류되는지 알 수 있게 한다. 제안 기법은 정확성과 계산 비용에 있어서 기존 기법보다 각각 약 18%, 11%의 성능 향상을 보였다. Decision trees are mainly used for the classification and prediction in data mining. The distribution of spatial data and relationships with their neighborhoods are very important when conducting classification for spatial data mining in the real world. Spatial decision trees in previous works have been designed for reflecting spatial data characteristic by rating Euclidean distance. But it only explains the distance of objects in spatial dimension so that it is hard to represent the distribution of spatial data and their relationships. This paper proposes a decision tree based on spatial entropy that represents the distribution of spatial data with the dispersion and dissimilarity. The dispersion presents the distribution of spatial objects within the belonged class. And dissimilarity indicates the distribution and its relationship with other classes. The rate of dispersion by dissimilarity presents that how related spatial distribution and classified data with non-spatial attributes we. Our experiment evaluates accuracy and building time of a decision tree as compared to previous methods. We achieve an improvement in performance by about 18%, 11%, respectively.

공간 데이터의 분포를 고려한공간 엔트로피 기반의 의사결정 트리 기법

장윤경,유병섭,이동욱,조숙경,배해영 한국정보처리학회 2006 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.13 No.7

Decision trees are mainly used for the classification and prediction in data mining. The distribution of spatial data and relationships with their neighborhoods are very important when conducting classification for spatial data mining in the real world. Spatial decision trees in previous works have been designed for reflecting spatial data characteristic by rating Euclidean distance. But it only explains the distance of objects in spatial dimension so that it is hard to represent the distribution of spatial data and their relationships. This paper proposes a decision tree based on spatial entropy that represents the distribution of spatial data with the dispersion and dissimilarity. The dispersion presents the distribution of spatial objects within the belonged class. And dissimilarity indicates the distribution and its relationship with other classes. The rate of dispersion by dissimilarity presents that how related spatial distribution and classified data with non-spatial attributes are. Our experiment evaluates accuracy and building time of a decision tree as compared to previous methods. We achieve an improvement in performance by about 18%, 11%, respectively. 의사결정 트리는 데이터 마이닝의 분류와 예측 작업에 주로 사용되는 기법 중의 하나이다. 실생활에서 공간의사결정을 위한 분류를 수행할 때에는 인접 데이터의 위치와 분산도를 고려하는 것이 매우 중요하다. 기존의 공간 의사결정 트리는 데이터의 공간적 특성을 표현하기 위해 각 객체간의 유클리디안 거리비율을 엔트로피로 반영하여 트리 구축 시 이용하였다. 그러나 이것은 공간 객체간의 거리 비율만을 설명할 뿐 공간 차원에서의 데이터 분산 정도와 각 분류된 클래스간의 연관관계 등은 파악할 수 없다는 한계점이 있었다. 본 논문에서는 분산도와 차별도 기반의 공간 엔트로피를 이용하여 공간 데이터의 분포도를 반영하는 공간 의사결정 트리를 제안한다. 분산도는 분류된 클래스 내의 공간 객체 분포도를 나타내고 차별도는 다른 클래스 내 공간 객체와의 분포도 및 관계성을 나타낸다. 이러한 분산도와 차별도의 비율을 엔트로피 계산 시 이용함으로써 비공간적 속성으로 분류된 각 클래스가 공간적으로는 얼마나 뚜렷하게 분류되는지 알 수 있게 한다. 제안 기법은 정확성과 계산 비용에 있어서 기존 기법보다 각각 약 18%, 11%의 성능 향상을 보였다.

공간 데이터웨어하우스에서 시공간 분석 지원을 위한 비중복 적재기법

전치수,이동욱,유병섭,이순조,배해영,Jeon, Chi-Soo,Lee, Dong-Wook,You, Byeong-Seob,Lee, Soon-Jo,Bae, Hae-Young 한국공간정보학회 2007 한국공간정보시스템학회 논문지 Vol.9 No.2

본 논문에서는 공간 데이터 웨어하우스에서 시공간 분석지원을 위한 공간 데이터의 비중복 적재 기법을 제안한다. SDW는 이기종의 다양한 서비스를 지원하는 SDBMS로부터 공간 데이터를 추출한다. 제안 기법에서는 SOW에 소스로 참여하는 SDBMS에서 변경된 부분만을 추출하고, 이를 공간연산을 통해 중복된 데이터를 제거한 후 통합된 형태로 적재함으로써 빠른 공간 데이터 분석을 지원할 수 있으며, 저장 공간의 낭비를 줄일 수 있다. 이는 공간 마이닝등의 시간에 따른 분석 및 예측 분야에 효율적인 형태로 공간 데이터를 적재한다. In this paper, we have proposed the non-duplication loading method for supporting spatio-temporal analysis in spatial data warehouse. SDW(Spatial Data Warehouse) extracts spatial data from SDBMS that support various service of different machine. In proposed methods, it extracts updated parts of SDBMS that is participated to source in SDW. And it removes the duplicated data by spatial operation, then loads it by integrated forms. By this manner, it can support fast analysis operation for spatial data and reduce a waste of storage space. Proposed method loads spatial data by efficient form at application of analysis and prospect by time like spatial mining.

공간 데이터 웨어하우스에서 부분 색인을 이용한 효율적인 색인 재구축 기법

곽동욱,정영철,유병섭,김재홍,배해영,Kwak, Dong-Uk,Jeong, Young-Cheol,You, Byeong-Seob,Kim, Jae-Hong,Bae, Hae-Young 한국공간정보시스템학회 2005 한국공간정보시스템학회 논문지 Vol.7 No.3

공간 데이터 웨어하우스는 공간정보를 주제 중심적이고 통합적이며 시간성을 가지는 비 휘발성 자료로 저장하여 의사결정을 효율적으로 지원하는 시스템이다. 이 시스템은 구축기와 공간 데이터 웨어하우스 서버로 구성되어 있다. 공간 데이터 웨어하우스 서버는 구축기에서 전송된 데이터를 적재하기 위해 사용자 서비스를 정지하고, 사용자의 빠른 응답시간을 위해 적재된 데이터로 색인을 구축한다. 색인 구축을 위한 기존 기법에는 벌크 삽입 기법과 색인 전송 기법이 있다. 벌크 삽입 기법은 색인을 구축하기 위한 클러스터링 비용이 크며 검색 성능도 떨어진다. 색인 전송 기법은 주기적인 소스 데이터의 변경을 지원하지 않는 문제점이 있다. 본 논문에서는 공간 데이터 웨어하우스에서의 부분 색인을 이용한 효율적인 색인 재구축 기법을 제안한다. 제안 기법은 부분 색인을 직접 전송, 기록하며 물리적 위치 정보를 예상하여 기록할 수 있는 효율적인 색인 재구축 기법이다. 구축기에서 추출된 데이터를 공간의 근접도가 아닌 색인의 구조에 맞게 클러스터링하며, 생성된 각 클러스터를 부분 색인으로 구성하여 페이지 단위로 전송한다. 공간 데이터 웨어하우스 서버에서는 전송된 부분 색인을 저장하기 위해 물리적으로 연속된 공간을 예약하고 예약된 공간에 부분 색인을 기록한다. 기록된 부분 색인을 공간 데이터 웨어하우스 서버의 기 구축된 색인에 삽입함으로써 색인 재구축을 위한 검색, 분할, 재조정 비용이 최소화된다. A spatial data warehouse is a system that stores geographical information as a subject oriented, integrated, time-variant, non-volatile collection for efficiently supporting decision. This system consists of a builder and a spatial data warehouse server. A spatial data warehouse server suspends user services, stores transferred data in the data repository and constructs index using stored data for short response time. Existing methods that construct index are bulk-insertion and index transfer methods. The Bulk-insertion method has high clustering cost for constructing index and searching cost. The Index transfer method has improper for the index reconstruction method of a spatial data warehouse where periodic source data are inserted. In this paper, the efficient index reconstruction method using a partial index in a spatial data warehouse is proposed. This method is an efficient reconstruction method that transfers a partial index and stores a partial index with expecting physical location. This method clusters a spatial data making it suitable to construct index and change treated clusters to a partial index and transfers pages that store a partial index. A spatial data warehouse server reserves sequent physical space of a disk and stores a partial index in the reserved space. Through inserting a partial index into constructed index in a spatial data warehouse server, searching, splitting, remodifing costs are reduced to the minimum.