[논문 리뷰] Modelling and Design of Generic Semantic Trajectory Data Warehouse

Michael Mireku Kwakye|arXiv (Cornell University)|2017. 01. 26.

Data Management and Algorithms참고 문헌 18인용 수 2

한 줄 요약

이 논문은 고해상도, ETL 처리된 궤적 데이터와 공간시제적 맥락을 위한 의미론적 주석을 통합하는 의미론적 궤적 데이터 웨어하우스를 설계하기 위한 일반적인 온톨로지 기반 프레임워크를 제안한다. 다차원 스타 스키마 모델과 Protégé/PostGIS 구현을 활용하여, 관광 및 동물 이동과 같은 다양한 애플리케이션 도메인에서 효율적인 쿼리 처리, 예측적 추세 분석 및 풍부한 의미론적 추론을 가능하게 한다.

ABSTRACT

The trajectory patterns of a moving object in a spatio-temporal domain offers varied information in terms of the management of the data generated from the movement. A trajectory data warehouse is a data repository for the data and information of trajectory objects and their associated spatial objects for defined temporal periods. The query results of trajectory objects from the data warehouse are usually not enough to answer certain trend behaviours and meaningful inferences without the associated semantic information of the trajectory object or the geospatial environment within a specified purpose or context. This paper formulates and designs a generic ontology modelling framework that serves as the background model platform for the design of a semantic data warehouse for trajectories. This semantic trajectory data warehouse can be adaptable for trajectory data processing and analytics on any chosen spatio-temporal application domain. The methodology underpins on higher granularity of data as a result of pre-processed and transformed ETL data so as to offer efficient semantic inference to the underlying trajectory data. Moreover, the approach outlines the thematic dimensions that serve as necessary entities for extracting semantic information. Additionally, the modelling approach offers a design platform for effective predictive trend analysis and knowledge discovery in the trajectory dynamics and data processing for moving objects.

연구 동기 및 목표

• 의미론적 궤적 데이터 웨어하우스를 위한 종합적인 일반 온톨로지 모델의 부족을 해결하기 위해.
• 순수한 공간시제적 좌표를 초월하여 궤적 패턴의 의미론적 추론과 맥락 이해를 가능하게 하기 위해.
• 이동 객체 데이터에서의 예측적 추세 분석 및 지식 탐색을 지원하기 위해.
• 관심 지점(POI), 사건, 활동 및 소셜 미디어 상호작용의 의미론적 주석을 궤적 데이터에 통합하기 위해.
• 다양한 애플리케이션 도메인에서 궤적 데이터 웨어하우스를 위한 재사용 가능하고 도메인 적응형 프레임워크를 제공하기 위해.

제안 방법

• 지리적 공간, 시간적 순간, 사건, 궤적 표현, 사회적 상호작용 등의 주제 차원을 포함한 일반 온톨로지 모델을 개발한다.
• 효율적인 의미론적 추론과 쿼리 처리를 가능하게 하기 위해 고해상도 ETL 처리된 궤적 데이터를 적용한다.
• 데이터 웨어하우스 스키마를 체계화하기 위해 다차원 엔티티-관계(MER) 모델을 사용한다.
• 최적화된 쿼리 성능을 위해 사실 테이블을 여러 차원 테이블과 연결한 스타 스키마 설계를 채택한다.
• 의미론적 온톨로지를 OWL(의미 웹 온톨로지 언어)를 사용해 Protégé에 구현하고, 데이터 웨어하우스를 객체관계형 DBMS로 PostGIS에 구현한다.
• 관심 지점(POI), 사건, 행동 데이터의 의미론적 주석을 통합하여 궤적의 의미론적 풍부성을 향상시킨다.

실험 결과

연구 질문

• RQ1 어떻게 의미론적 궤적 객체, 사건 및 그들의 공간시제적 맥락의 특성을 표현할 수 있는 일반적이고 재사용 가능한 온톨로지 모델을 설계할 수 있는가?
• RQ2 어떤 다차원 스키마 설계가 궤적 데이터 웨어하우스에서 효율적인 쿼리 처리와 의미론적 추론을 지원하는가?
• RQ3 관심 지점(POI), 사건 및 소셜 미디어 상호작용의 의미론적 주석을 궤적 데이터에 체계적으로 통합하여 분석적 통찰력을 향상시킬 수 있는가?
• RQ4 고해상도 ETL 처리된 데이터는 궤적 데이터에서 의미론적 추론과 예측 분석을 어떻게 향상시키는가?
• RQ5 제안된 프레임워크는 다양한 애플리케이션 도메인에서 궤적 이동의 맥락 기반, 목표 지향적 분석을 어떻게 지원하는가?

주요 결과

• 제안된 의미론적 궤적 데이터 웨어하우스는 고해상도 ETL 처리된 데이터를 활용한 스타 스키마 모델을 통해 효율적인 쿼리 처리를 지원한다.
• 사건, POI, 소셜 미디어 등의 주제 차원 통합은 기본 궤적 좌표를 초월한 더 풍부한 의미론적 추론을 가능하게 한다.
• 행동 패턴과 궤적 객체의 맥락적 목표를 모델링함으로써 예측적 추세 분석 및 지식 탐색을 가능하게 한다.
• Protégé와 PostGIS에 구현된 사례는 실세계 구현에 대한 타당성과 확장 가능성을 입증한다.
• 의미론적 복잡성과 맥락적 풍부성을 고려할 때 기존 방법보다 우수한 성능을 보인다.
• 특히 소셜 미디어를 포함한 인간 궤적 데이터의 경우 통합된 개인정보 인식 모델링을 통해 개인정보 보호 설계를 지원한다.