Τεχνικές αποθήκευσης δεδομένων & εξόρυξης γνώσης για βάσεις κινούμενων αντικειμένων

Abstract

Η ανάλυση δεδομένων κίνησης που συλλέγονται από συσκευές εντοπισμού θέσης προσφέρει δυνατότητες ανακάλυψης προτύπων συμπεριφοράς που μπορούν να αξιοποιηθούν σε ένα πλήθος εφαρμογών. Οι Τεχνολογίες Άμεσης Αναλυτικής Επεξεργασίας (OnLine Analytical Processing – OLAP) και οι τεχνικές εξόρυξης γνώσης μπορούν να χρησιμοποιηθούν για την μετατροπή αυτού του μεγάλου αριθμού πρωτογενών – ακατέργαστων δεδομένων σε πολύτιμη γνώση. Παρόλο που η εφαρμογή των τεχνικών αυτών σε συμβατικά δεδομένα έχει μελετηθεί σε μεγάλο βαθμό την τελευταία δεκαετία, ο μεγάλος όγκος των παραγόμενων δεδομένων κίνησης καθώς και η χωροχρονική τους φύση αποτελούν τις κύριες προκλήσεις για τη χρήση τέτοιων μεθόδων ανάλυσης. Στη διατριβή αυτή παρουσιάζεται η πρόταση για ένα ολοκληρωμένο πλαίσιο για αποθήκευση και εξόρυξη γνώσης από δεδομένα κίνησης (mobility data warehousing and mining) που αποτελείται από διάφορα συστατικά (στη πραγματικότητα, βήματα μιας διαδικασίας ανακάλυψης γνώσης). Πιο συγκεκριμένα, προτείνονται τεχνικές για αποθήκευση δεδομένων τροχιών κινούμενων αντικειμένων δίνοντας έμφαση σε θέματα μοντελοποίησης, ETL διαδικασιών (ανακατασκευή τροχιών, τροφοδότηση κύβου) και σε OLAP λειτουργίες (συσσώρευση κτλ). Επίσης προτείνονται τεχνικές εξόρυξης γνώσης που αξιοποιούν τα δεδομένα κίνησης και εξάγουν α) πρότυπα αλληλεπίδρασης που επιτρέπουν την χωροχρονική αναπαράσταση, σύνθεση και κατηγοριοποίηση των τροχιών κινούμενων αντικειμένων και β) πρότυπα κυκλοφορίας που βοηθούν να κατανοηθεί με ποιον τρόπο διαχέεται η κυκλοφορία σε ένα δίκτυο.