[논문 리뷰] Two-Point $L_1$ Shortest Path Queries in the Plane

Danny Z. Chen, R. Inkulu외 1명|arXiv (Cornell University)|2014. 03. 13.

Computational Geometry and Mesh Generation참고 문헌 33인용 수 6

한 줄 요약

이 논문은 다각형 장애물이 있는 평면에서 두 점 간 $L_1$ 최단경로 쿼리에 대한 개선된 데이터 구조를 제안한다. 쿼리 시간을 $O(/log^2 n)$ 에서 $O(/log n)$ 으로 감소시키면서 근접 선형 공간을 유지한다. 분수 캐스케이딩과 계층적 분해를 활용하여 $O(/log n + k)$ 쿼리 시간에 $O(n + h^2 \\log h \cdot 4^{\\sqrt{\\log h}})$ 공간을 사용하며, $h$ 가 작을 경우 이전 작업보다 크게 향상된다. 이 방법은 비용이 비음이 아닌 장애물 가중치를 갖는 가중 직사각형 최단경로 문제로도 확장되며, 유사한 효율성 향상을 이룬다.

ABSTRACT

Let $\mathcal{P}$ be a set of $h$ pairwise-disjoint polygonal obstacles with a total of $n$ vertices in the plane. We consider the problem of building a data structure that can quickly compute an $L_1$ shortest obstacle-avoiding path between any two query points $s$ and $t$. Previously, a data structure of size $O(n^2\log n)$ was constructed in $O(n^2\log^2 n)$ time that answers each two-point query in $O(\log^2 n+k)$ time, i.e., the shortest path length is reported in $O(\log^2 n)$ time and an actual path is reported in additional $O(k)$ time, where $k$ is the number of edges of the output path. In this paper, we build a new data structure of size $O(n+h^2\cdot \log h \cdot 4^{\sqrt{\log h}})$ in $O(n+h^2\cdot \log^{2} h \cdot 4^{\sqrt{\log h}})$ time that answers each query in $O(\log n+k)$ time. Note that $n+h^2\cdot \log^{2} h \cdot 4^{\sqrt{\log h}}=O(n+h^{2+ε})$ for any constant $ε>0$. Further, we extend our techniques to the weighted rectilinear version in which the "obstacles" of $\mathcal{P}$ are rectilinear regions with "weights" and allow $L_1$ paths to travel through them with weighted costs. Our algorithm answers each query in $O(\log n+k)$ time with a data structure of size $O(n^2\cdot \log n\cdot 4^{\sqrt{\log n}})$ that is built in $O(n^2\cdot \log^{2} n\cdot 4^{\sqrt{\log n}})$ time (note that $n^2\cdot \log^{2} n\cdot 4^{\sqrt{\log n}}= O(n^{2+ε})$ for any constant $ε>0$).

연구 동기 및 목표

• 자유 공간에 $h$ 개의 서로 겹치지 않는 다각형 장애물이 존재할 때, 임의의 두 점 사이의 $L_1$ 최단경로 쿼리를 지원하는 데이터 구조를 설계하는 것.
• 쿼리 시간을 $O(\\log^2 n)$ 에서 $O(\\log n)$ 으로 줄이되, $h$ 가 작을 경우 공간과 전처리 시간을 $n$ 에 대해 근접 선형으로 유지하는 것.
• 장애물에 음이 아닌 가중치가 있는 가중 직사각형 최단경로 문제로 이 접근법을 확장하는 것.
• 평면에서 무게가 없는 및 가중 $L_1$ 최단경로 쿼리에 대해 개선된 공간-시간 트레이드오프를 달성하는 것.

제안 방법

• 자유 공간의 계층적 분해를 위해 수직 분할과 장애물 정점에 기반한 시야 그래프 $G_E(\\mathcal{V})$ 를 사용하여 효율적인 게이트웨이 계산을 가능하게 한다.
• 컷라인을 따라 정렬된 시야 이벤트 목록에 분수 캐스케이딩을 적용하여 $s$-to-gateway 및 $t$-to-gateway 거리 쿼리를 $O(\log n)$ 시간 내에 가속화한다.
• 그래프 내의 각 정점에 대해 최단경로 트리를 사전 처리하여, 그래프 내 두 정점 간 최단경로 거리를 $O(1)$ 시간에 조회할 수 있도록 한다.
• 가중 직사각형 경로의 경우, 장애물 영역 비용에 기반한 간선 가중치를 유지하고, 세그먼트를 따라 사전 계산된 $d_w$ 값에 의한 가중 거리 전파를 사용한다.
• 분수 $4^{\\sqrt{\\log h}}$ 가 $h$ 에 대한 어떤 다항식보다도 느리게 증가하므로, 공간 상한이 $h$ 에 대해 $O(n + h^{2+\\epsilon})$ 가 되는 것이 가능하다 (모든 $\epsilon > 0$ 에 대해).
• 게이트웨이 기반 경로 재구성과 분수 캐스케이딩을 조합하여, 출력 경로의 간선 수 $k$ 를 고려해 $O(\log n + k)$ 시간 내에 전체 경로를 계산한다.

실험 결과

연구 질문

• RQ1 자유 공간에 다각형 장애물이 존재할 때, $L_1$ 최단경로 쿼리의 쿼리 시간을 $O(\log^2 n)$ 에서 $O(\log n)$ 으로 줄일 수 있는가, 동시에 근접 선형 공간을 유지할 수 있는가?
• RQ2 장애물 수 $h$ 가 $n$ 에 비해 작을 경우, $L_1$ 최단경로 쿼리의 공간과 전처리 시간 사이 최적의 트레이드오프는 무엇인가?
• RQ3 무게가 없는 $L_1$ 최단경로에 사용된 기법을 장애물 영역 비용 기반의 가중 직사각형 케이스로 확장할 수 있는가?
• RQ4 분수 캐스케이딩과 계층적 분해의 사용이 시야 기반 경로 계산의 효율성을 어떻게 향상시키는가?

주요 결과

• 논문은 크기가 $O(n + h^2 \\log h \cdot 4^{\\sqrt{\\log h}})$ 인 데이터 구조를 사용하여 $L_1$ 최단경로 쿼리에 대해 $O(\\log n)$ 쿼리 시간을 달성한다. 이는 모든 $\epsilon > 0$ 에 대해 $O(n + h^{2+\\epsilon})$ 로 간주할 수 있다.
• 가중 직사각형 케이스에서는 $O(n^2 \log n \cdot 4^{\\sqrt{\\log n}})$ 공간과 $O(n^2 \log^2 n \cdot 4^{\\sqrt{\\log n}})$ 전처리 시간을 사용하며, $O(\log n)$ 쿼리 시간을 달성한다.
• Chen 등 [6] 의 이전 결과인 $O(\log^2 n)$ 에 비해 쿼리 시간이 로그 인자만큼 향상되었으며, $h = O(n^\delta)$ 이고 $\delta < 1$ 일 경우 전처리 및 공간 요구량이 감소한다.
• 이 방법은 $O(nh \log h)$ 공간과 $O(nh \log h + h^2 \log^2 h)$ 전처리 시간을 사용하며, $O(\log n + k)$ 쿼리 시간을 제공하여 공간-시간 트레이드오프를 실현한다.
• 시야 목록에 분수 캐스케이딩을 적용함으로써, 소스 및 타겟 점에 대한 게이트웨이 거리 계산이 $O(\log n)$ 시간 내에 가능해진다.
• 이 방법은 가중 직사각형 케이스로 일반화되며, 경로 비용이 장애물 영역 가중치에 따라 달라지며, $O(n^2 \log n \cdot 4^{\\sqrt{\\log n}})$ 공간을 사용하여 $O(\log n)$ 쿼리 시간을 달성한다.