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
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.56 MB, 106 trang )
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
LUẬN ÁN TIẾN SĨ TOÁN HỌC
HÀ NỘI - 2015
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
LUẬN ÁN TIẾN SĨ TOÁN HỌC
NGƯỜI HƯỚNG DẪN KHOA HỌC:
1. PGS. TS. Đặng Văn Đức
HÀ NỘI -2015
LỜI CAM ĐOAN
Tôi xin cam đoan những kết quả trình bày trong luận án là mới, trung thực và chưa
từng được công bố trong bất kỳ công trình của ai khác. Những kết quả viết chung với
cán bộ hướng dẫn đã được sự đồng ý khi đưa vào luận án.
Nghiên cứu sinh
Nguyễn Tiến Phương
1
LỜI CẢM ƠN
Lời đầu tiên, tôi xin gửi lời cảm ơn sâu sắc tới PGS. TS. Đặng Văn Đức đã tận
tình hướng dẫn, giúp đỡ tôi trong quá trình nghiên cứu và hoàn thành luận án này.
Tôi cũng xin chân thành cảm ơn Lãnh đạo Viện Công nghệ thông tin, Viện Hàn
lâm Khoa học và Công nghệ Việt Nam đã tạo điều kiện thuận lợi cho quá trình nghiên
cứu của mình, cảm ơn các các bộ của phòng Hệ thông tin Địa lý đã nhiệt tình trong
công tác, giúp tôi dành thời gian hoàn thành luận án.
Cuối cùng, tôi xin cảm ơn gia đình, bạn bè, đồng nghiệp đã luôn là nguồn động
viên, ủng hộ, giúp tôi thêm động lực để hoàn thành tốt luận án này.
NCS. Nguyễn Tiến Phương
2
MỤC LỤC
LỜI CAM ĐOAN .......................................................................................................1
LỜI CẢM ƠN .............................................................................................................2
MỤC LỤC ....................................................................................................................3
DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÝ HIỆU ....................................................5
DANH SÁCH HÌNH VẼ ............................................................................................7
DANH SÁCH BẢNG .................................................................................................9
MỞ ĐẦU ...................................................................................................................10
Các ứng dụng của dịch vụ dựa trên vị trí ...............................................................10
Tình hình nghiên cứu trên thế giới và trong nước .................................................12
a.
Mô hình hóa dữ liệu vị trí ..........................................................................13
b.
Các cách tiếp cận xử lý truy vấn phụ thuộc vị trí ......................................15
c.
Tính riêng tư ..............................................................................................18
Chương 1 CƠ SỞ DỮ LIỆU CÁC ĐỐI TƯỢNG CHUYỂN ĐỘNG ......................22
1.1.
Một số khái niệm cơ bản ...........................................................................22
1.1.1.
Cơ sở dữ liệu không gian-thời gian.......................................................22
1.1.2.
Cơ sở dữ liệu các đối tượng chuyển động.............................................24
1.1.3.
Dữ liệu trong cơ sở dữ liệu các đối tượng chuyển động .......................26
1.1.4.
Truy vấn trong cơ sở dữ liệu các đối tượng chuyển động ....................27
1.2.
Các vấn đề cần giải quyết ..........................................................................29
1.2.1.
Vấn đề về mô hình hóa vị trí .................................................................29
1.2.2.
Vấn đề về ngôn ngữ truy vấn ................................................................30
1.2.3.
Vấn đề về lập chỉ mục ...........................................................................30
1.2.4.
Vấn đề về tính không chắc chắn/không chính xác ................................31
Chương 2 DỰ ĐOÁN VỊ TRÍ CỦA ĐỐI TƯỢNG CHUYỂN ĐỘNG ..................33
2.1. Dự đoán vị trí của đối tượng dựa theo hàm chuyển động ..............................35
2.1.1. Dự đoán dựa theo hàm tuyến tính ............................................................36
2.1.2. Dự đoán dựa theo hàm phi tuyến .............................................................36
2.2. Dự đoán dựa trên hành vi của đối tượng ........................................................50
3
2.2.1. Luật kết hợp ..............................................................................................52
2.2.2. Thuật toán phân cụm dựa trên mật độ DBSCAN.....................................53
2.2.3. Mẫu hình di chuyển ..................................................................................54
2.2.4. Khai phá mẫu hình di chuyển ...................................................................57
2.2.5. Khai phá luật kết hợp của mẫu hình quỹ đạo để dự đoán vị trí của đối tượng
chuyển động .......................................................................................................61
Chương 3 LẬP CHỈ MỤC DỮ LIỆU KHÔNG GIAN-THỜI GIAN......................71
3.1. R-tree ..............................................................................................................73
Cấu trúc cây R-tree .............................................................................................73
3.2. TPR-tree ..........................................................................................................76
Cấu trúc cây TPR-tree ........................................................................................76
3.3. TPR*-tree ........................................................................................................80
3.4. DO-TPR*-tree .................................................................................................81
3.4.1. Cấu trúc cây DO-TPR*-tree .....................................................................83
3.4.2. Thuật toán tìm kiếm DOA_Search ...........................................................84
3.4.3. Kết quả thực nghiệm ................................................................................89
KẾT LUẬN ...............................................................................................................95
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ.................................................97
TÀI LIỆU THAM KHẢO .........................................................................................98
4
DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÝ HIỆU
2D/3D
CAMEL
DBMS
DOA_Search
DO-TPR*-tree
EWMA
2/3 Dimensional – 2/3 chiều
Continuous Active Monitor Engine - Cơ chế giám sát tích cực liên
tục
Database Management System – Hệ quản trị cơ sở dữ liệu
Thuật toán tìm kiếm điều chỉnh theo mật độ của nút trên cây DOTPR*-tree
Cấu trúc cây điều chỉnh theo mật độ dựa trên TPR*-tree
Exponentially Weighted Moving Average – Trung bình động trọng
số mũ
GIS
Geographical Information System – Hệ thống thông tin địa lý
GPRS
General Packet Radio Service - Dịch vụ vô tuyến gói tổng hợp
GPS
Global Positioning System – Hệ thống định vị toàn cầu
GSM
Global System for Mobile Communications - Hệ thống thông tin di
động toàn cầu
LBS
Location Based Service – Dịch vụ dựa trên vị trí
MAI
Motion Adaptive Indexing - Chỉ mục thích ứng chuyển động
MBR
Minimum Bounding Rectangle – Hình chữ nhật bao nhỏ nhất
MODB
MODM
MQM
MSB
PLACE
RMF
Moving Objects Database – Cơ sở dữ liệu các đối tượng chuyển
động
Moving Objects Database Model – Mô hình cơ sở dữ liệu các đối
tượng chuyển động
Monitoring Query Management - Quản lý giám sát truy vấn
Motion-Sensitive bounding Boxes - Hộp ranh giới nhạy chuyển
động
Pervasive Location-Aware Computing Environments - Môi trường
tính toán khắp nơi nhận biết vị trí
Recursive Motion Function – Hàm chuyển động đệ quy
5
SINA
Scalable INcremental hash-based Algorithm – Thuật toán đánh giá
các truy vấn phụ thuộc vị trí đồng thời
SMA
Simple Moving Average – Trung bình động đơn giản
SMS
Short Message Services – Dịch vụ tin nhắn ngắn
TM
Transition Matrix – Ma trận chuyển đổi
VBR
Velocity Bounding Rectangle – Hình chữ nhật bao vận tốc
VCI
Velocity-Constraint Indexing – Chỉ mục ràng buộc vận tốc
W-EWMA
Window Exponentially Weighted Moving Average – Trung bình
động trọng số mũ sử dụng cửa sổ giới hạn
6
DANH SÁCH HÌNH VẼ
Hình 0.1. Môi trường nhận biết vị trí ........................................................................10
Hình 0.2. Các thiết bị định vị vị trí ...........................................................................11
Hình 0.3. Ứng dụng của hệ thống quản lý và điều hành giao thông đô thị ..............11
Hình 1.1. Cơ sở dữ liệu không gian-thời gian và MODB .........................................23
Hình 1.2. Mô hình hệ thống ứng dụng MODB .........................................................25
Hình 1.3. Điểm chuyển động rời rạc và liên tục .......................................................27
Hình 1.4. Các kiểu truy vấn phổ biến trong MODB .................................................28
Hình 1.5. Ngữ nghĩa của CÓ THỂ và CHẮC CHẮN trong MODB ........................31
Hình 2.1. Dự đoán sai của mô hình tuyến tính .........................................................37
Hình 2.2. So sánh thời gian tính toán của các kỹ thuật dự đoán ...............................46
Hình 2.3. So sánh kết quả dự đoán của của W-EWMA và EWMA .........................47
Hình 2.4. Ảnh hưởng của w với kết quả dự đoán .....................................................48
Hình 2.5. Ảnh hưởng của giá trị α với kết quả dự đoán ...........................................49
Hình 2.6. Quỹ đạo chuyển động của đối tượng và các thông tin địa lý ....................55
Hình 2.7. Phân tách quỹ đạo của đối tượng ..............................................................58
Hình 2.8. Quỹ đạo con ..............................................................................................59
Hình 2.9. Quy trình khai phá mẫu hình di chuyển ....................................................60
Hình 2.10. Sai lệch khi dự đoán di chuyển của đối tượng trong thực tế...................62
Hình 2.11. So sánh độ chính xác của hai phương pháp dự đoán ..............................69
Hình 3.1. Các cấu trúc cây phát triển từ TPR-tree (2005-2012) ...............................72
Hình 3.2. Biểu diễn hai chiều của R-tree ..................................................................75
Hình 3.3. Biểu diễn cấu trúc cây R-tree ....................................................................75
7
Hình 3.4. Các điểm chuyển động ở các nút lá của TPR-tree ....................................76
Hình 3.5. Các điểm chuyển động trong các nút trung gian của TPR-tree ................77
Hình 3.6. Cập nhật khoảng giới hạn theo tham số thời gian .....................................78
Hình 3.7. Biểu diễn nút trung gian trong cây TPR-tree ............................................79
Hình 3.8. Vùng quét từ thời điểm 0 đến thời điểm 1 ................................................81
Hình 3.9. MBR của R tại thời điểm khởi tạo 0 và mở rộng R1 tại thời điểm 1 .........82
Hình 3.10. Ảnh hưởng của độ lớn phạm vi truy vấn ................................................92
Hình 3.11. So sánh hiệu năng của DO-TPR*-tree với TPR*-tree ............................93
8
DANH SÁCH BẢNG
Bảng 2.1. Tọa độ các điểm trên quỹ đạo mẫu ...........................................................67
Bảng 2.2. Dữ liệu mẫu về di chuyển hàng ngày của đối tượng ................................67
Bảng 2.3. Quỹ đạo của đối tượng..............................................................................68
Bảng 2.4. Di chuyển thường xuyên và độ hỗ trợ ......................................................68
Bảng 2.5. Mẫu hình di chuyển với độ hỗ trợ nhỏ nhất là 0.5 ...................................69
Bảng 3.1. Dữ liệu thực nghiệm các đối tượng chuyển động .....................................90
9
MỞ ĐẦU
Sự kết hợp các chức năng của công nghệ định vị cá nhân, công nghệ định vị vệ
tinh, công nghệ truyền thông không dây và công nghệ GIS đã tạo ra một môi trường
mới trong đó tất cả các đối tượng chuyển động có thể xác định vị trí của chúng. Các
công nghệ này là cơ sở cho việc phát triển mạnh mẽ môi trường nhận biết vị trí và
các dịch vụ dựa trên vị trí. Dịch vụ dựa trên vị trí là dịch vụ được đặc chế dựa trên
những thông tin về vị trí của đối tượng. Những dịch vụ này là tiềm năng để nâng cao
chất lượng cuộc sống nhờ việc thêm các thông tin vị trí vào hầu hết các thiết bị, đối
tượng chuyển động như ô tô, máy bay, tàu thủy, máy tính xách tay, điện thoại di động,
vật nuôi và cả con người…
Hình dưới đây thể hiện một môi trường nhận biết vị trí đơn giản mà trong đó các
đối tượng chuyển động sử dụng các thiết bị định vị vị trí như GPS hay điện thoại
thông minh. Các đối tượng này có thể gửi thông tin về vị trí và vận tốc của mình lên
máy chủ cơ sở dữ liệu và lấy thông tin cũng như thực hiện các truy vấn từ đó.
Hình 0.1. Môi trường nhận biết vị trí
Các ứng dụng của dịch vụ dựa trên vị trí
Các thiết bị có hỗ trợ định vị vị trí như GPS, RFID, các thiết bị cầm tay, điện thoại
di động… ngày càng được sử dụng rộng rãi (hình 0.2). Điều này là tiền đề cho việc
10
phát triển các ứng dụng dựa trên vị trí mà trong đó các đối tượng chuyển động cùng
với các thiết bị này thay đổi vị trí liên tục trong không gian, theo thời gian.
Hình 0.2. Các thiết bị định vị vị trí
Các ứng dụng có thể thấy rõ nhất là quản lý và điều hành giao thông đô thị (hình
0.3); theo dõi, dự báo thời tiết; cảnh báo sóng thần, động đất; theo dõi và xử lý cứu
hộ, cứu nạn… Trong các ứng dụng này, người sử dụng có thể thực hiện các truy vấn
kiểu như: “Tìm tất cả các xe taxi chưa có khách cách sân bay 1km trong vòng 15
phút nữa?”, “Ước tính lưu lượng xe cộ tại ngã tư A lúc 11h trưa nay”, “Cơn bão B
đang hình thành có ảnh hưởng đến vùng V hay không, nếu có thì bao giờ và phạm vi,
mức độ phá hủy như thế nào?”…
Hình 0.3. Ứng dụng của hệ thống quản lý và điều hành giao thông đô thị
11
Với tốc độ đô thị hóa ngày càng nhanh, các thành phố lớn trên chục triệu dân ngày
càng nhiều, vấn đề quản lý và điều hành giao thông đô thị càng trở nên bức thiết. Hơn
nữa với mức sống ngày càng cao, nhu cầu quản lý tài sản cá nhân như xe cộ, vật nuôi
trong nhà hay thậm chí là cả giám sát chăm sóc trẻ em, người cao tuổi ngày càng lớn.
Để đáp ứng được các nhu cầu đó, bài toán quản lý thông tin các đối tượng chuyển
động dựa trên nền tảng của môi trường và ứng dụng định vị vị trí càng cần có lời giải
chính xác, tối ưu. Nhiều mô hình cơ sở dữ liệu các đối tượng chuyển động (MODM
- Moving Objects Database Model) đã và đang được nghiên cứu, thử nghiệm. Trong
các mô hình này, dữ liệu của các đối tượng chuyển động, bao gồm cả thông tin về vị
trí trong quá khứ, hiện tại và tương lai được lưu trữ và cập nhật thường xuyên. Khó
khăn lớn khi giải quyết bài toán này là làm thế nào để khai thác hệ thống một cách
hiệu quả khi số lượng đối tượng chuyển động trong không gian-thời gian (spatiotemporal) là rất lớn và thường xuyên thay đổi vị trí. Việc truy vấn vị trí của đối tượng
trong tương lai cùng với tính không chắc chắn của nó cũng là một vấn đề cần giải
quyết và nâng cao tính chính xác. Một số phương pháp đã được đề xuất nhằm nâng
cao khả năng dự đoán vị trí cũng như tăng tốc độ truy vấn của các đối tượng chuyển
động. Tuy nhiên các nghiên cứu này mới đạt được những kết quả nhất định và còn
một số khó khăn, hạn chế cần cải tiến, khắc phục. Luận án này tập trung chính vào
việc góp phần giải quyết lớp bài toán quản lý thông tin đối tượng chuyển động hay
quản lý và điều hành giao thông một cách nhanh chóng, hiệu quả hơn.
Tình hình nghiên cứu trên thế giới và trong nước
Vấn đề quản lý thông tin đối tượng chuyển động trong môi trường và ứng dụng
dựa trên vị trí đã được đặt ra và tìm cách giải quyết từ những năm 90 của thế kỷ trước.
Nó đã đạt được những kết quả nhất định và đang được ứng dụng trong thực tế ở nhiều
nước phát triển trên thế giới như Mỹ, Nhật Bản, Hàn Quốc… Ở Việt Nam, TP. Hà
Nội đang áp dụng hệ thống giám sát giao thông qua bản đồ số và camera từ tháng
3/2015 (hình 0.3). Đồng thời, Hà Nội cũng là địa phương đầu tiên thực hiện thí điểm
đề án giao thông thông minh dự kiến trong tháng 7/2015 và sẽ triển khai diện rộng
12
trên toàn quốc trong những năm tới. Với đề án này, thông qua phần mềm cài đặt trên
điện thoại của người tham gia giao thông, các nhà mạng thu thập thông tin về tốc độ,
hướng di chuyển, mật độ xe trên đường. Dữ liệu này sau đó được gửi về trung tâm
giám sát để điều chỉnh tức thời hoặc đưa ra các nghiên cứu, quy hoạch giao thông đô
thị. Cũng thông qua đó, người tham gia giao thông có thể xác định đường đi tối ưu,
tránh các điểm ùn tắc…
Như vậy, cùng với sự phát triển mạnh mẽ của các ứng dụng dựa trên vị trí, khái
niệm về hệ cơ sở dữ liệu nhận biết vị trí (Location-aware database systems) ngày
càng trở nên quan trọng và đặt ra những thách thức lớn cho sự phát triển của các hệ
quản trị cơ sở dữ liệu hiện có. Các hệ quản trị cơ sở dữ liệu hiện tại không phù hợp
với việc quản lý các dữ liệu thay đổi liên tục theo thời gian như vị trí của các đối
tượng chuyển động. Hệ cơ sở dữ liệu nhận biết vị trí phải có các khả năng sau:
a) Mô hình hóa một lượng lớn dữ liệu vị trí theo cách thức nào đó để có thể cập
nhật vào và lấy ra một cách hiệu quả
b) Xử lý hiệu quả các truy vấn dữ liệu phụ thuộc vị trí
c) Đảm bảo sự riêng tư về thông tin vị trí của người dùng.
a. Mô hình hóa dữ liệu vị trí
Ứng dụng cung cấp dịch vụ dựa trên vị trí yêu cầu phải truy cập vào một lượng
lớn dữ liệu vị trí lại liên tục thay đổi. Vì có quá nhiều dữ liệu, việc tổ chức chúng theo
cách mà những thông tin liên quan có thể được lấy ra một cách hiệu quả là rất quan
trọng. Hơn thế, do dữ liệu thay đổi thường xuyên, việc giảm chi phí cập nhật cũng rất
cần thiết. Hai kỹ thuật chính để biểu diễn dữ liệu vị trí thường được sử dụng là: cơ sở
dữ liệu các đối tượng chuyển động (MODB) và dòng dữ liệu liên tục (data streams).
Cơ sở dữ liệu các đối tượng chuyển động
Cơ sở dữ liệu các đối tượng chuyển động là phần mở rộng của một hệ thống quản
lý cơ sở dữ liệu truyền thống, hỗ trợ lưu trữ dữ liệu vị trí cho đối tượng chuyển động
liên tục. Những nỗ lực đầu tiên trong việc mô hình hóa đối tượng chuyển động là biểu
13
diễn các chuyển động của chúng như là mẫu của các dữ liệu vị trí có sẵn [28]. Nhược
điểm của kỹ thuật này là đòi hỏi chi phí cập nhật cao. Sistla cùng đồng nghiệp đã thiết
kế mô hình dữ liệu MOST [38] mà trong đó duy trì một véc tơ vị trí cho mỗi đối
tượng chuyển động. Véc tơ vị trí sẽ thay đổi theo thời gian bởi một hàm cập nhật,
ngay cả nếu không xảy ra một sự cập nhật rõ ràng. Hàm cập nhật có thể là tuyến tính
hoặc phi tuyến dưới dạng chuyển động đệ quy. Guting và đồng nghiệp [8] thiết kế
một hệ thống sử dụng các kiểu dữ liệu trừu tượng để biểu diễn các đối tượng chuyển
động bằng các khái niệm như: “điểm chuyển động” và “vùng chuyển động”. Su và
Ibarra [40] đề xuất một cơ sở dữ liệu ràng buộc thông tin vị trí bằng cách sử dụng
công thức toán học để biểu diễn dữ liệu. MD-HBase [31] đã tạo ra hệ quản trị dữ liệu
cho dịch vụ dựa trên vị trí mà tận dụng cấu trúc chỉ mục đa chiều nằm trên bộ lưu trữ
theo cặp khóa-giá trị. Bộ lưu trữ cặp khóa-giá trị này cho phép DBMS để xử lý việc
chèn một lượng lớn dữ liệu với tốc độ cao trong khi vẫn duy trì khả năng chịu lỗi.
Cấu trúc chỉ mục này làm cho việc truy vấn dữ liệu hiệu quả hơn.
Trong CSDL các đối tượng chuyển động, việc dự đoán vị trí đóng vai trò quan
trọng trong mô hình hóa vị trí nhằm giảm tần suất cập nhật thông tin này. Có một số
phương pháp như dự đoán theo hàm chuyển động [33], [34], lô-gíc mờ [47], xác xuất
thống kê [5], [19] hay kết hợp nhiều phương pháp khác nhau [15], [23].
Lập chỉ mục là đặc biệt quan trọng trong cơ sở dữ liệu các đối tượng chuyển động
vì có một lượng rất lớn dữ liệu và chẳng hệ thống nào muốn tìm kiếm bằng cách kiểm
tra tất cả các dữ liệu có trong đó. Cấu trúc cây R-tree [10] có thể được sử dụng để lập
chỉ mục dữ liệu không gian, tuy nhiên vì dữ liệu vị trí thường xuyên thay đổi, các chỉ
mục này sẽ cần phải được cập nhật thường xuyên. Việc mở rộng cấu trúc cây R-tree
cũng như các chiến lược lập chỉ mục khác đã được nghiên cứu để giảm bớt gánh nặng
cập nhật, điển hình là TPR-tree, TPR*-tree. TPR-tree [36] lưu trữ cả vị trí hiện tại
cùng với vận tốc của từng đối tượng tại những thời điểm cụ thể và do đó rất hiệu quả
cho việc tìm kiếm, đồng thời cho phép dự đoán vị trí của đối tượng chuyển động. Cây
TPR*-tree [42] được cải tiến từ TPR-tree và mang lại hiệu suất cao hơn, gấp 5 lần so
với cây TPR-tree. Đây là cấu trúc chỉ mục được đánh giá rất cao và tiếp tục được cải
14
tiến theo nhiều hướng khác nhau phù hợp với từng hoàn cảnh và ứng dụng cụ thể
trong thực tế.
Dòng dữ liệu liên tục cho thông tin vị trí (data streams)
Một dòng dữ liệu liên tục là một cấu trúc được sử dụng cho thông tin đầu vào,
trong đó lượng dữ liệu là rất lớn (giả định là vô hạn) và thay đổi liên tục. Trong trường
hợp đặc biệt, lượng dữ liệu lớn đến mức không thể lưu trữ toàn bộ chúng. Huang và
Jensen [12] đã sử dụng dòng dữ liệu để mô hình hóa dữ liệu vị trí cho các đối tượng
chuyển động và trả lại kết quả truy vấn. Truy vấn liên tục được xử lý bởi hệ thống
như là một chuỗi các truy vấn chụp lại trước (snapshot) được thực hiện trong những
khoảng thời gian xác định. Tương tự như vậy, Patroumpas và Sellis [34] đã chọn mô
hình hóa đối tượng chuyển động như một dòng quỹ đạo. Môi trường tính toán khắp
nơi nhận biết vị trí (Pervasive Location-Aware Computing Environments - PLACE)
[26] được tạo thành bởi việc mở rộng hệ thống quản lý dòng dữ liệu có khả năng hỗ
trợ dữ liệu nhận biết vị trí. PLACE sử dụng cách ước lượng gia tăng để cập nhật liên
tục các câu trả lời truy vấn. Cơ chế giám sát tích cực liên tục (Continuous Active
Monitor Engine - CAMEL) [50] được Chen đề xuất nhằm hỗ trợ các dịch vụ nhận
biết vị trí. Đây là cơ chế dựa trên dòng dữ liệu, sử dụng chỉ số lưới để xử lý một lượng
lớn các đối tượng chuyển động.
b. Các cách tiếp cận xử lý truy vấn phụ thuộc vị trí
Truy vấn phụ thuộc vị trí là truy vấn mà kết quả dựa trên vị trí của các đối tượng
cụ thể. Truy vấn phụ thuộc vị trí thường là truy vấn liên tục, có nghĩa là kết quả của
các truy vấn được cập nhật theo các đối tượng chuyển động khi thay đổi vị trí.
Hai kỹ thuật chính thường được sử dụng cho việc xử lý truy vấn phụ thuộc vị trí
đã được nghiên cứu trong những năm gần đây là:
• Sử dụng sự cộng tác từ các đối tượng chuyển động
• Sử dụng dự đoán quỹ đạo cho các đối tượng chuyển động.
15
Sử dụng sự cộng tác từ các đối tượng chuyển động
Một số hệ thống cơ sở dữ liệu nhận biết vị trí sử dụng sự cộng tác từ chính các đối
tượng chuyển động để tạo thuận lợi cho việc xử lý truy vấn phụ thuộc vị trí. Ý tưởng
cơ bản là đối tượng chuyển động định kỳ sẽ gửi thông tin vị trí của chúng đến một
máy chủ dựa trên một số chính sách cập nhật được xác định trước. Chính sách này
mô tả những thông tin cần gửi và mức độ thường xuyên khi thực hiện điều đó. Cai và
đồng nghiệp [3] [4] phát triển hệ thống Quản lý Giám sát Truy vấn (Monitoring Query
Management - MQM) cho việc xử lý các truy vấn phạm vi, trong đó đối tượng chuyển
động chịu trách nhiệm giám sát các truy vấn gần kề của chúng và báo cáo vị trí lên
máy chủ bất cứ khi nào chuyển động của chúng ảnh hưởng đến kết quả truy vấn. Để
thực hiện điều này, mỗi đối tượng chuyển động có một miền thường trú cùng với một
tập hợp các truy vấn liên quan đến miền thường trú này. Giá trị vị trí được gửi đi khi
đối tượng chuyển động di chuyển ra bên ngoài miền thường trú hoặc đi qua ranh giới
truy vấn. Chiến lược cập nhật này có thể làm giảm chi phí xử lý bằng cách hạn chế
việc thực hiện chỉ dành cho những cập nhật thực sự cần thiết. Tuy nhiên, nó đòi hỏi
đối tượng chuyển động có năng lực xử lý (CPU) nhất định và chỉ hỗ trợ cho các truy
vấn trong đó điểm truy vấn là tĩnh. Tương tự như vậy, MobiEyes [6] định nghĩa một
khu vực giám sát cho mỗi truy vấn và các đối tượng chuyển động sẽ phải thông báo
cho máy chủ khi chúng vượt qua ranh giới của miền truy vấn. Ngoài ra, MobiEyes sử
dụng tối ưu hóa để giảm bớt số lượng công việc mà các đối tượng chuyển động sẽ
phải thực hiện. Gedik [7] đề xuất một hệ thống tương tự khác, đó là hệ chỉ mục thích
ứng chuyển động (Motion Adaptive Indexing - MAI), để xử lý các truy vấn chuyển
động liên tục. Hệ thống này sử dụng các hộp ranh giới nhạy chuyển động (MotionSensitive bounding Boxes - MSB) cho các đối tượng và truy vấn. Trong MAI, Gedik
không lập chỉ mục vị trí mà thay vào đó là lập chỉ mục các MSB và sử dụng dự đoán
để tính toán trước các kết quả truy vấn. Prabhakar và đồng nghiệp [35] cũng đề xuất
một hệ thống mà lập chỉ mục các truy vấn thay vì vị trí. Khu vực an toàn được sử
dụng để xác định vùng xung quanh đối tượng chuyển động mà không giao với ranh
giới truy vấn. Các đối tượng chuyển động chỉ cập nhật vị trí của nó khi di chuyển ra
16
bên ngoài khu vực an toàn. Lập chỉ mục hạn chế tốc độ (Velocity-Constraint Indexing
- VCI) cũng được sử dụng để điều tiết các truy vấn mới mà không thực tế trong việc
lập chỉ mục truy vấn. VCI dùng để trì hoãn việc cập nhật chỉ mục để đáp lại sự chuyển
động của các đối tượng. DISQO [49] đã được giới thiệu bởi Zheng và đồng nghiệp
để xử lý cả truy vấn chụp lại và truy vấn không gian liên tục bằng cách chuyển đổi
thông tin vị trí và thông tin truy vấn giữa máy chủ và các đối tượng chuyển động.
Sử dụng dự báo quỹ đạo
Kỹ thuật này giả định rằng đối tượng sẽ đi theo một quỹ đạo biết trước để dự đoán
được vị trí của nó. Với kỹ thuật này, hệ thống không cần thực hiện nhiều việc cập
nhật vị trí của đối tượng. Tuy nhiên, điều này làm tăng sự không chắc chắn vì đối
tượng chuyển động có thể đi chệch khỏi các quỹ đạo giả định. Trong hệ thống
DOMINO [32], khi một đối tượng cung cấp vị trí hiện tại, thì cũng cung cấp luôn vị
trí tương lai dự kiến của nó. DOMINO sử dụng thông tin này để chiếu đến vị trí tương
lai của đối tượng. Nó sử dụng mô hình dữ liệu MOST mà định kỳ thay đổi thuộc tính
vị trí động ngay cả khi vị trí không được cập nhật một cách rõ ràng bởi các đối tượng.
CAT (Correct Answers of Continuous Queries Using Triggers) [44] sử dụng một
bảng dữ liệu lưu trữ quỹ đạo của một đối tượng và các truy vấn kết hợp với đối tượng
đó. Trong CAT, các truy vấn liên tục chỉ được cập nhật nếu có sự thay đổi với các dữ
liệu mà có thể đã ảnh hưởng đến kết quả truy vấn. CAT sử dụng bộ kích hoạt (trigger)
để báo hiệu mỗi khi có sự thay đổi xảy ra.
Một số kỹ thuật xử lý truy vấn khác
Ngoài hai kỹ thuật trên còn có một số kỹ thuật xử lý truy vấn khác cũng đã được
nghiên cứu sử dụng. SINA [24] được thiết kế để đánh giá các truy vấn phụ thuộc vị
trí đồng thời. Khi có sự thay đổi dữ liệu, SINA chỉ tính toán cập nhật từ một câu trả
lời đã xác định trước. Mokbel và Aref giới thiệu SOLE [25] để xử lý dữ liệu vị trí qua
dòng dữ liệu bằng cách theo dõi các đối tượng có ý nghĩa và sử dụng cách tiếp cận
phát tán tải (load shedding) để loại bỏ một số đối tượng nhất định đã lưu trữ khi hệ
thống bị quá tải. SOLE là cách tiếp cận trong bộ nhớ và sử dụng đánh giá gia tăng để
17
xây dựng các kết quả truy vấn. SCUBA [29] được thiết kế để xử lý các truy vấn liên
tục thông qua dòng dữ liệu nhận biết vị trí. SCUBA nhóm các đối tượng chuyển động
và truy vấn thành các cụm đối tượng chuyển động, trong đó các đối tượng là gần nhau
và di chuyển theo cùng một hướng. Đánh giá truy vấn cho tập các truy vấn được trừu
tượng hóa như sự kết nối giữa các cụm chuyển động đó. ClusterSheddy [30] là phần
mở rộng của SCUBA mà tập trung vào phát tán tải của các cụm dựa vào thuộc tính
di chuyển như vị trí, thời gian, hướng và tốc độ. Nó cũng sử dụng cách truy vấn đánh
giá gia tăng. Lazaridis và đồng nghiệp [16] trình bày một giải pháp mà tập trung vào
các truy vấn động, tức là những truy vấn mà thay đổi theo thời gian. Điều này xảy ra
khi các đối tượng quan tâm đến các truy vấn cũng chuyển động. Việc xử lý định kỳ
các truy vấn được thực hiện bằng cách sử dụng chỉ mục của các hình bao biểu diễn
cho chuyển động của đối tượng. Chỉ có các hình bao được cập nhật kể từ lần đánh
giá cuối cùng là được kiểm tra. LOQOMOTION [13] cung cấp một giải pháp cho
truy vấn trong đó cả người dùng và các đối tượng được hỏi có thể chuyển động. Giải
pháp này sử dụng các tác nhân di động được phân bố trên một mạng lưới cố định để
thực hiện nhiệm vụ xử lý như theo dõi vị trí của đối tượng chuyển động và làm mới
các câu trả lời truy vấn…
c. Tính riêng tư
Với sự phát triển mạnh mẽ của công nghệ định vị toàn cầu, giờ đây độ chính xác
về định vị vị trí cá nhân có thể tính đến đơn vị mét. Công nghệ này mang lại cho
người sử dụng nhiều dịch vụ LBS với sự tiện nghi và thoải mái, nhưng cũng dẫn đến
đe dọa tính riêng tư và an ninh của họ. Một khi thông tin vị trí bị lộ, đối tượng xấu có
thể sử dụng thông tin vị trí này để suy luận ra thông tin về cuộc sống riêng tư của họ
như mối quan hệ chính trị, thói quen sống, các vấn đề về bệnh tật hoặc ngay cả các
bí mật kinh doanh của tổ chức liên quan… Người dùng luôn mong muốn có được tối
đa các tiện ích của dịch vụ LBS mà không hoặc khó bị lộ thông tin vị trí của mình.
Tính riêng tư thường được bảo vệ bằng một trong hai cách sau:
-
Ẩn danh: loại bỏ các liên hệ giữa danh tính người dùng với các dữ liệu vị trí
18
-
Gây nhiễu: giảm độ chính xác của dữ liệu vị trí trong những trường hợp dữ
liệu địa điểm cực kỳ cụ thể là không cần thiết.
Trong nước, mới có vài ứng dụng của dịch vụ dựa trên vị trí và hầu hết dựa trên
công nghệ của nước ngoài. Đồng thời, chưa có nghiên cứu cụ thể nào về hệ cơ sở dữ
liệu nhận biết vị trí cũng như mô hình cơ sở dữ liệu các đối tượng chuyển động.
Qua các nghiên cứu và phân tích ở trên có thể thấy các hệ quản trị cơ sở dữ liệu
hiện tại không phù hợp với việc quản lý các dữ liệu thay đổi liên tục theo thời gian.
Có một số hướng để giải quyết vấn đề này, trong đó cơ sở dữ liệu các đối tượng
chuyển động là dễ tiếp cận và đang được nghiên cứu, phát triển mạnh mẽ. Chính vì
vậy, luận án đặt mục tiêu chính là nghiên cứu về các vấn đề liên quan đến cơ sở dữ
liệu các đối tượng chuyển động bao gồm: tổ chức, lưu trữ, truy vấn vị trí của đối
tượng trong tương lai và đề xuất một số kỹ thuật để nâng cao tốc độ, tính chính xác
trong truy vấn. Lớp bài toán mà luận án hướng tới là quản lý thông tin đối tượng
chuyển động hay quản lý và điều hành giao thông. Trong lớp bài toán này, độ chính
xác dự đoán vị trí không cần quá cao (sai số một vài mét có thể chấp nhận được) và
nghiêng về tăng tốc độ tính toán để phản hồi cho người sử dụng hay ra quyết định
nhanh chóng.
Trong luận án này, nghiên cứu sinh đã thực hiện và giải quyết những vấn đề sau:
a) Nghiên cứu về cơ sở dữ liệu các đối tượng chuyển động
b) Nghiên cứu, đề xuất một số phương pháp, kỹ thuật nâng cao tốc độ và độ chính
xác của các truy vấn vị trí của đối tượng chuyển động.
Các kết quả chính bao gồm:
(1) Giải quyết vấn đề về mô hình hóa vị trí của đối tượng chuyển động dưới dạng
thuộc tính động. Thuộc tính động ít cần phải cập nhật hơn thông tin vị trí do đó sẽ
hạn chế được tần suất cập nhật vào cơ sở dữ liệu (mà thường là rất lớn trong các ứng
dụng MODB). Thuộc tính động có thể được xác định nhờ vào hai phương pháp dự
đoán vị trí đã đề xuất trong luận án:
19
- Dự đoán vị trí của đối tượng dựa theo hàm chuyển động sử dụng mô hình WEWMA
- 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 biểu diễn hình học của các
thuộc tính động nhằm tăng hiệu năng truy vấn trên dữ liệu không gian-thời gian.
Trong luận án, nghiên cứu sinh đã đề xuất cấu trúc chỉ mục mới là DO-TPR*-tree,
dựa trên TPR*-tree. Cấu trúc này điều chỉnh MBR của một nút nếu điều kiện mật độ
đủ tốt của nó không thỏa mãn ở thời điểm truy vấn. Vì vậy, tất cả các truy vấn thực
hiện sau thời điểm này sẽ không bị lạc vào vùng không gian trống của nút đó, nhờ
vậy nâng cao hiệu năng truy vấn. Cấu trúc DO-TPR*-tree thể hiện được hiệu quả cao
khi xây dựng ứng dụng MODB với hạ tầng viễn thông đang phát triển, đôi lúc còn
xảy ra tình trạng mất kết nối như ở Việt Nam.
Luận án được trình bày với cấu trúc như sau: tiếp theo phần mở đầu là ba chương
giới thiệu các nội dung và kết quả nghiên cứu, cuối cùng là kết luận.
Chương 1 trình bày kết quả nghiên cứu và tổng hợp các vấn đề liên quan đến cơ
sở dữ liệu các đối tượng chuyển động. Nội dung của chương này là một số khái niệm
cơ bản về MODB và các vấn đề cần giải quyết bao gồm: (1) vấn đề về mô hình hóa
vị trí, (2) về ngôn ngữ truy vấn, (3) về việc lập chỉ mục dữ liệu và (4) về tính không
chắc chắn/không chính xác của dữ liệu vị trí của đối tượng chuyển động.
Chương 2 trình bày hai phương pháp dự đoán vị trí của đối tượng chuyển động,
nhằm góp phần giải quyết vấn đề mô hình hóa vị trí trong cơ sở dữ liệu các đối tượng
chuyển động. Phương pháp thứ nhất là dự đoán vị trí theo hàm chuyển động sử dụng
mô hình W-EWMA, có ưu điểm là xử lý nhanh chóng, cho phép dự đoán được vị trí
ở gần thời điểm hiện tại. Phương pháp thứ hai là dự đoán theo hành vi, tiếp cận theo
hướng sử dụng khai phá luật kết hợp của các mẫu hình di chuyển của đối tượng.
Phương pháp này cho phép dự đoán được vị trí ở những thời điểm xa hiện tại với độ
20
chính xác tương đối cao. Kết hợp các phương pháp này sẽ đem lại hiệu quả tốt hơn
cho cả hệ thống.
Chương 3 trình bày một số cấu trúc cây cơ bản việc trong lập chỉ mục dữ liệu các
đối tượng chuyển động. Chương này cũng giới thiệu cấu trúc cây đề xuất, DO-TPR*tree, dựa trên TPR*-tree nhằm giảm bớt các vùng không gian trống bằng cách yêu
cầu điều chỉnh MBR nếu không thỏa mãn điều kiện mật độ đủ tốt tại thời điểm truy
vấn. Thuật toán xử lý truy vấn DOA_Search trong cấu trúc cây này đã được đưa ra
và chứng minh tính đúng đắn. Các thực nghiệm cũng chứng tỏ cấu trúc cây DOTPR*-tree đem lại hiệu năng tốt hơn trong nhiều trường hợp so với cấu trúc cây ban
đầu là TPR*-tree.
Các kết quả chính của luận án được công bố trong các công trình khoa học (1)(4). Các kết quả này cũng đã được báo cáo và thảo luận tại các hội nghị, hội thảo khoa
học tại Viện Công nghệ thông tin, Viện HL KH và CN Việt Nam và hội thảo Quốc
gia “Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông”.
21
Chương 1
CƠ SỞ DỮ LIỆU CÁC ĐỐI TƯỢNG CHUYỂN ĐỘNG
Trong chương này, nghiên cứu sinh sẽ trình bày kết quả nghiên cứu và tổng hợp
các vấn đề liên quan đến cơ sở dữ liệu các đối tượng chuyển động bao gồm một số
khái niệm cơ bản về MODB và các vấn đề còn cần giải quyết là (1) mô hình hóa vị
trí, (2) ngôn ngữ truy vấn, (3) lập chỉ mục dữ liệu và (4) tính không chắc chắn/không
chính xác trong dữ liệu vị trí của các đối tượng chuyển động.
1.1.
Một số khái niệm cơ bản
1.1.1. Cơ sở dữ liệu không gian-thời gian
Cơ sở dữ liệu không gian được nghiên cứu rộng rãi trong hai thập kỷ qua đã đem
lại nhiều kết quả về mô hình khái niệm, chỉ mục đa chiều và các kỹ thuật xử lý truy
vấn. Trong cơ sở dữ liệu không gian truyền thống, dữ liệu của các đối tượng không
gian thường được giả định là tĩnh, trong khi thực tế thì các đối tượng không gian
thường xuyên biến đổi theo thời gian cả về vị trí, hình dạng, kích thước… Từ đó hình
thành một lĩnh vực cơ sở dữ liệu mới: cơ sở dữ liệu không gian-thời gian.
Cơ sở dữ liệu không gian-thời gian được xây dựng nhằm giải quyết các bài toán
không gian thay đổi theo thời gian. Trên thực tế, hình dạng có thể biến đổi không
những theo các bước rời rạc mà còn liên tục. Nếu ta chỉ quan tâm đến các vị trí trong
không gian của một đối tượng cần theo dõi, thì điểm chuyển động là mô tả mức trừu
tượng cơ bản; nếu tính tới cả độ mở rộng về các chiều, thì mức trừu tượng của vùng
chuyển động bao gồm cả chuyển động và mức độ mở rộng hay thu hẹp (thay đổi kích
thước). Chúng ta có thể hiểu điểm chuyển động và vùng chuyển động được thể hiện
trong miền không gian ba chiều (không gian 2D + thời gian). Các kiểu dữ liệu này có
thể được tích hợp như là kiểu dữ liệu cơ sở trong mô hình quan hệ, hướng đối tượng
hoặc các mô hình dữ liệu khác. Kiểu dữ liệu không gian-thời gian đóng vai trò quan
trọng và cơ bản cho cơ sở dữ liệu không gian-thời gian tương tự như vai trò của kiểu
dữ liệu không gian trong cơ sở dữ liệu không gian truyền thống.
22
Trong quá khứ, các nghiên cứu về mô hình dữ liệu không gian, thời gian và hệ
thống cơ sở dữ liệu chủ yếu được thực hiện một cách độc lập. Các nghiên cứu về cơ
sở dữ liệu không gian thì tập trung vào việc hỗ trợ mô hình hóa và truy vấn hình học
của các đối tượng trong cơ sở dữ liệu. Các nghiên cứu về cơ sở dữ liệu thời gian chú
trọng vào mở rộng các tri thức được lưu trữ trong cơ sở dữ liệu để thể hiện trạng thái
hiện tại của thế giới thực bao gồm quá khứ, được thể hiện qua hai nhận thức “quá
khứ của thế giới thực” (thời gian hiệu lực - valid time) và “trạng thái quá khứ của
cơ sở dữ liệu” (thời gian giao dịch - transaction time). Mặc dù vậy, hai lĩnh vực
nghiên cứu này thực sự liên quan chặt chẽ với nhau. Bởi vì các lĩnh vực nghiên cứu
này đều giải quyết dạng bài toán “chiều” hay “không gian”. Do vậy, có thể thấy rằng
nghiên cứu mô hình dữ liệu tích hợp của không gian và thời gian là thực sự cần thiết.
Thuật ngữ thường được dùng là cơ sở dữ liệu không gian-thời gian (Spatio-temporal
database).
Hình 1.1. Cơ sở dữ liệu không gian-thời gian và MODB
Dữ liệu không gian mà biến đổi theo thời gian (rời rạc hoặc liên tục) gọi là dữ liệu
không gian-thời gian. CSDL không gian-thời gian là sự kết hợp giữa CSDL không
gian và CSDL thời gian. Hệ quản trị CSDL không gian-thời gian là hệ quản trị CSDL
mà cung cấp các kiểu dữ liệu không gian-thời gian trong mô hình dữ liệu của nó cùng
với ngôn ngữ truy vấn.
23
