[논문 리뷰] TRAKNN: Efficient Trajectory Aware Spatiotemporal kNN for Rare Meteorological Trajectory Detection

Guillaume Coulaud, Davide Faranda|arXiv (Cornell University)|2026. 03. 02.

Meteorological Phenomena and Simulations인용 수 0

한 줄 요약

TRAKNN은 비감독, 정확한 kNN 기반 프레임워크로 그리드화된 기후 데이터에서 기하학적으로 드문 짧은 시공 간 궤적을 탐지하며, 표준 하드웨어에서 다년간 분석을 포괄적으로 가능하게 합니다.

ABSTRACT

Extreme weather events, such as windstorms and heatwaves, are driven by persistent atmospheric circulation patterns that evolve over several consecutive days. While traditional circulation-based studies often focus on instantaneous atmospheric states, capturing the temporal evolution, or trajectory, of these spatial fields is essential for characterizing rare and potentially impactful atmospheric behavior. However, performing an exhaustive similarity search on multi-decadal, continental-scale gridded datasets presents significant computational and memory challenges. In this paper, we propose TRAKNN (TRajectory Aware KNN), a fully unsupervised and data-agnostic framework for detecting geometrically rare short trajectories in spatio-temporal data with an exact kNN approach. TRAKNN leverages a recurrence-based algorithm that decouples computational complexity from trajectory length and efficient batch operations, maximizing computational intensity. These optimizations enable exhaustive analysis on standard workstations, either on CPU or on GPU. We evaluate our approach on 75 years of daily European sea-level pressure data. Our results illustrate that rare trajectories identified by TRAKNN correspond to physically coherent atmospheric anomalies and align with independent extreme-event databases.

연구 동기 및 목표

• 순간 상태가 아닌 기하학적으로 희귀한 대기 궤적의 탐지를 동기 부여한다.
• 물리적 임계값이나 라벨에 의존하지 않는 완전한 무감독, 데이터에 독립적인 프레임워크를 제공한다.
• 궤적 길이에 무관하게 비용이 결정되는 재귀 기반의 정확한 알고리즘을 개발하여 대륙 규모 데이터에 적용 가능하도록 한다.
• 다년간의 격자 데이터에 대해 표준 하드웨어(CPU 및 CPU+GPU)에서 포괄적 분석을 가능하게 한다.

제안 방법

• 궤도 공간에서 유클리드 거리를 사용하여, 서로 겹치지 않는 k개 이웃의 평균 거리가 높은 경우를 희귀 궤도로 형식화한다.
• 궤적 간 거리를 매 단계 O(1)로 계산하기 위한 재귀 기반 업데이트를 도출하여 비용이 궤적 길이에 의존하지 않도록 한다.
• 배치 단위 GeMM를 통해 S라는 공간적 쌍거리 행렬을 사전 계산하여 하드웨어 효율성을 극대화한다.
• 대칭 최적화를 통해 모든 쌍 거리들을 계산하여 계산량을 줄인다.
• 각 궤도에 대해 상위 k개의 최근접 이웃을 검색하여 kNN까지의 평균 거리로 희귀도 점수 s_t를 추정한다.
• 배치 기반 처리 전략과 메모리 사용에 대해 CPU 및 GPU 구현을 제공한다.

실험 결과

연구 질문

• RQ1 기하학적으로 희귀한 짧은 시공간 궤적이 대기의 응집된 이상현상과 대응합니까?
• RQ2 이 기후 맥락에서 고차원 궤적 데이터에 대해 유클리드 거리가 의미가 있습니까?
• RQ3 표준 하드웨어로 다년간의 대륙 규모 데이터에서 TRAKNN이 희귀 궤적을 포괄적으로 탐지할 수 있습니까?
• RQ4 탐지된 희귀 궤적이 독립된 극한 현상 데이터베이스와 일치합니까?

주요 결과

• TRAKNN으로 식별된 희귀 궤적은 물리적으로 일관된 대기 이상현상에 해당한다.
• 궤적 공간의 고유 차원은 주변 차원보다 훨씬 낮고 더 긴 궤적에서 포화된다.
• PCA 기반 차원 축소는 최상위 희귀 궤적을 높은 순위 상관도(Spearman 0.99, 구성요소 q=100)로 보존한다.
• 유럽 평균 해면기압 데이터 75년 간에 TRAKNN은 d가 최대 5일까지 확장되며 메모리도 비교적 적은 편(6GB)인 반면 FAISS는 더 많은 메모리를 사용하고 더 긴 d에서 어려움을 겪는다.
• 더 긴 궤도 지속 시간이 기상 풍력 폭풍 탐지를 개선하는 반면 일부 극한 현상 데이터베이스는 데이터 세트에 따라 민감도가 다르게 나타난다.
• 상위 100개의 희귀 궤적은 합성 분석에서 일관된 대규모 순환 패턴을 보인다.