[论文解读] MaskLink: Efficient Link Discovery for Spatial Relations via Masking Areas

Georgios M. Santipantakis, Christos Doulkeridis+2 more|arXiv (Cornell University)|Mar 3, 2018

Data Management and Algorithms参考文献 13被引用 5

一句话总结

MaskLink 是一种新颖的过滤技术，用于高效发现空间链接，通过利用网格单元内未使用的（被遮蔽的）区域，消除空间对象之间的无谓比较。通过在网格单元中表示空闲空间，MaskLink 减少了需进一步处理的候选配对数量，显著提升了拓扑关系和基于邻近关系的链接发现性能——尤其适用于大规模或流式数据集——同时减少内存使用并支持并行处理。

ABSTRACT

In this paper, we study the problem of spatial link discovery (LD), focusing primarily on topological and proximity relations between spatial objects. The problem is timely due to the large number of sources that generate spatial data, including streaming sources (e.g., surveillance of moving objects) but also archival sources (such as static areas of interest). To address the problem of integrating data from such diverse sources, link discovery techniques are required to identify various spatial relations efficiently. Existing approaches typically adopt the filter and refine methodology by exploiting a blocking technique for effective filtering. In this paper, we present a new spatial LD technique, called MaskLink, that improves the effectiveness of the filtering step. We show that MaskLink outperforms the state-of-the-art algorithm for link discovery of topological relations, while also addressing some of its limitations, such as applicability for streaming data, low memory requirements, and parallelization. Furthermore, we show that MaskLink can be extended and generalized to the case of proximity-based link discovery, which has not been studied before for spatial data. Our empirical study demonstrates the superiority of MaskLink against the state-of-the-art in the case of topological relations, and its performance gain compared to a baseline technique in the case of proximity-based LD.

研究动机与目标

• 解决现有链接发现方法效率低下的问题，这些方法在未利用空间网格中空闲区域的情况下执行代价高昂的成对比较。
• 通过显式建模网格单元内的未使用区域，提高空间链接发现中的过滤效率，避免处理无关的对象配对。
• 实现对流式数据源的高效处理，而现有方法常因高内存或计算开销而无法支持。
• 将链接发现的适用范围从拓扑关系扩展至邻近关系（例如“附近”）以及混合对象类型（例如点与区域）。
• 在空间链接发现流程中实现高可扩展性、低内存使用，并支持并行处理。

提出的方法

• 使用空间铺砌将二维空间划分为网格单元，并根据空间重叠将空间对象分配到对应单元。
• 计算并存储每个网格单元内未使用（空闲）区域的几何形状作为“掩码”，以表示未被任何空间对象覆盖的区域。
• 对于每个传入的空间对象，确定其所在的网格单元，并检查其是否完全位于该单元的掩码（空闲）区域内。
• 如果一个对象完全位于掩码区域内，则其无法与同一单元内的任何其他对象形成拓扑或邻近关系，因此可从后续处理中剔除。
• 在过滤阶段使用基于掩码的剔除策略，大幅减少发送至精炼步骤的候选配对数量。
• 通过将掩码逻辑适配至基于距离的准则，将该方法推广以处理点到区域和点到点的关系，以及基于邻近性的关系（例如“在距离 d 内”）。

实验结果

研究问题

• RQ1 在不增加内存开销的前提下，对网格单元内的空闲区域进行建模是否能提升空间链接发现的过滤效率？
• RQ2 在拓扑关系发现方面，MaskLink 相较于最先进算法（如 RADON）在处理时间和可扩展性方面表现如何？
• RQ3 MaskLink 是否能有效扩展至基于邻近性的链接发现？该问题在以往文献中尚未被解决。
• RQ4 当一个数据源为流式数据时，MaskLink 的性能影响如何？与基线方法相比表现如何？
• RQ5 一次性掩码计算成本对整体性能的影响如何，特别是在大规模或高分辨率空间数据集上？

主要发现

• 在所有测试数据规模下，MaskLink 的总处理时间比最先进算法 RADON 快约 10%，且随着输入规模增大，性能增益保持一致。
• 在拓扑关系发现中，MaskLink 将 50 万条目数据集的处理时间从基线的 79.65 秒减少至 59.05 秒，并在 250 万条目时仍保持显著性能优势。
• 在基于邻近性的链接发现（点到区域）中，MaskLink 展现出良好的可扩展性，而基线方法在 200 万条目时超时，表明其可扩展性更优。
• MaskLink 相较于基线的性能提升随数据规模增大而增加，表明其在大规模空间链接发现工作负载中尤为有效。
• 一次性掩码计算成本（主实验中约 3 秒）可被接受，因其能带来长期显著的性能提升。
• MaskLink 具备内存高效且无需全局数据集知识的特点，使其适用于流式数据，支持无需预加载全部数据的实时或近实时链接发现。