이동 객체의 궤적 패턴 마이닝과 위치 예측 기법

Abstract

With the advances of mobile communication and positioning technology, large amounts of moving object data from various types of devices have been collected. Moving objects can include customers using mobile phones or PDAs, and vehicles with navigational equipment. From these devices, historical data about movements of objects is collected in the form of trajectories. For example, buses with GPS-equipped devices can log their position at a fixed time interval on their file system or transmit it to the server. Reliable and high quality LBS services or ITS services, such as traffic management system or route finding system, require not only the current positions but also the future locations of users. Although the accuracy and the availability of positioning data have been increased, we cannot track an object for a long time due to the failures in GPS systems and mobile devices as well as the limitations of wireless networks. Since existing methods on location prediction adopt mathematical functions based on objects’ recent movements, they may not provide an accurate prediction results for a location in the distant future. In addition, a sudden detour from the path or complicated movement along the road networks cannot be captured by linear or nonlinear motion functions. Since moving objects such as mobile users or vehicles often go along similar routes, we can give a reasonable answer to the prediction query about the object’s location, if the movement patterns of objects are known in advance. Spatio-temporal patterns extracted from the historical trajectories of moving objects can reveal important knowledge about movement behavior for high quality LBS services, especially location prediction of moving objects. Data mining techniques can be used to discover spatio-temporal regularities in trajectories. Existing studies on discovering trajectory patterns simply discretize spatial and temporal properties into location symbols based on a fixed size grid. Then, frequent sequential patterns are extracted from the sequences of discretized location symbols. There are some limitations in these approaches. Due to the improper cell size, hidden patterns in trajectories may be lost during the discretization step. Moreover, the redundant appearance of the same symbols in the discretized sequences, which means the duration value between two different locations, not only hinders the efficient processing of data, but also decreases the interpretability of extracted patterns. In order to tackle this problem, we introduce a compact representation of trajectories, which approximates the movements of objects into spatio-temporal regions. In this paper, we address the problem of discovering frequent trajectory patterns using data abstraction as well as propose the prediction mechanism of an object’s future location based on the extracted patterns. Our approach first approximates original trajectories into the simplified sequences and finds disjoint spatio-temporal regions which decompose the data space according to the objects movements in the input data. Original trajectories are discretized into the sequences of these spatio-temporal regions. Then, frequent trajectory patterns are extracted based on a prefix-projection approach from the sequences of these regions. Finally, a prediction model is constructed based on the extracted trajectory patterns. The model utilizes a tree structure and provides efficient access to the patterns in the previous step. The best match for an object’s location is determined among all the possible paths in the model, regarding the spatio-temporal similarity between the given trajectory and the path. Our extensive experiments demonstrate that the proposed method improves the mining performance and derives more intuitive and compact patterns. We also experimentally analyze the prediction accuracy of the proposed prediction method and showed that it can provide an accurate result about an object’s future location, even when the query time is far distant from the current time.;최근 측위 기술(positioning technology)과 무선 통신 기술이 발전 함에 따라 다양한 휴대 기기들과 이동 수단들로부터 이를 사용하는 사용자들의 위치 데이터가 실시간으로 수집되고 있다. 또한 이동 기기들이 소형화, 고성능화 되면서 이러한 위치 데이터를 사용하는 위치 기반 서비스(LBS: Location-Based Services)에 대한 요구가 높아지고 있다. 이동 객체(moving objects)는 시간이 변함에 따라 연속적으로 위치 데이터가 변화하는 객체로 정의되며, 차량, 선박, 비행기 등의 이동 수단이나 사람뿐 아니라 이동 중인 동물과 같은 다양한 형태의 객체를 포함한다. 이동 객체들은 대부분 유사한 몇 개의 경로를 따라 움직이는 경우가 많기 때문에 객체의 위치를 기록한 이력 데이터는 객체들의 이동 패턴에 대한 중요한 정보를 제공해 줄 수 있다. 지능형 교통 시스템(ITS: Intelligent Transportation Systems)이나 위치 기반 서비스의 품질을 높이기 위해서는 이동 객체의 위치에 대한 정확한 예측 결과가 필요하다. 객체의 위치 데이터로부터 추출된 이동 객체의 움직임 패턴은 객체의 향후 위치에 대한 예측 정보를 제공 할 수 있으며, 특히 기존의 예측 기법들이 예측하지 못하는 복잡한 움직임 변화에 대해서도 정확하게 예측할 수 있을 것이다. 따라서 고품질의 위치 기반 서비스를 제공하기 위해서는 수집된 이동 객체의 이력 데이터, 즉 궤적(trajectories) 데이터로부터 필요한 정보를 추출하고 이를 다양한 측면에서 분석할 필요가 있다. 시공간 데이터로부터 객체의 이동 패턴을 추출하는 기존의 연구들에서는 입력 데이터와 무관하게 미리 정의된 공간 분할을 기반으로 데이터의 이산화를 수행하기 때문에 입력 데이터 내에 숨겨진 중요한 패턴을 잃는 경우가 있다. 또한 원본 궤적 데이터 내의 시간 속성을 중복적이고 불필요한 심볼의 연속으로 나타내기 때문에 마이닝 프로세스의 효율을 저하시킬 뿐 아니라 추출된 패턴의 해석을 어렵게 만든다. 따라서 데이터의 시공간 속성을 압축적으로 나타낼 수 있는 데이터 표현 방법과 이를 기반으로 한 빈발 궤적 패턴 추출 방법이 필요하다. 본 논문에서는 이동 객체들의 위치 이력에 대한 궤적 데이터를 대상으로 빈발 궤적 패턴을 추출하고, 이 패턴들을 사용하여 이동 객체의 위치를 예측하는 마이닝 시스템을 제안하였다. 궤적 데이터로부터 빈발 패턴을 추출하기 위하여 우선 원본 궤적을 시공간 영역의 연속적인 시퀀스로 이산화 한다. 제안된 이산화 기법은 선 단순화와 군집화를 사용하여 궤적 데이터의 시공간 속성을 압축적이고 효율적으로 표현 가능하도록 한다. 선 단순화를 통해 원본 궤적에 대한 근사 궤적이 구해지면, 이 근사 궤적들을 군집화 하여 객체들의 움직임 변화에 따라 데이터 공간을 독립적으로 분할해주는 시공간 영역들을 얻어낼 수 있다. 이산화 결과 원본 궤적은 이러한 시공간 영역의 시퀀스로 변환된다. 본 논문에서는 이러한 시공간 영역 시퀀스로부터 깊이 우선 탐색(depth-first search) 방식으로 빈발 궤적 패턴을 추출하는 알고리즘인 MTP-ITP(Mining Trajectory Patterns by Incorporating Temporal Properties)와 MTP-TEQ(Mining Trajectory Patterns with Temporal Quantities)를 제안하였다. 실험을 통해 제안된 알고리즘들이 오랜 시간 동안 축적된 긴 길이의 궤적으로부터 빠른 시간 내에 빈발 패턴들을 찾아낼 수 있으며, 기존 기법들에 비해 간결하고 이해하기 쉬운 패턴을 추출할 수 있음을 보였다. 또한 마이닝 단계에서 사용되는 임계값을 조정함으로써 마이닝 결과를 입력 데이터에 더 적합하도록 최적화 할 수 있음을 보였다. 본 논문에서는 추출된 빈발 궤적 패턴을 바탕으로 객체의 위치를 예측하기 위한 예측 기법을 제안하였다. 제안된 예측 기법에서는 마이닝 단계로부터 추출된 패턴들을 효율적으로 저장 및 탐색하기 위해 트라이(TRIE) 구조를 기반으로 하는 빈발 패턴 트리를 구축한다. 새로운 객체의 위치를 예측하기 위해서는 구축된 예측 모델을 상의 가능한 모든 궤적 패턴과 주어진 궤적의 시공간적 유사도를 평가하여 가장 유사한 패턴을 찾아내고, 이 패턴 상에 존재하는 시공간 영역들 중, 예측 시간과 가장 근접한 영역의 위치 속성으로부터 예측 결과를 도출한다. 실험을 통해 제안된 예측 기법이 복잡하고 급작스러운 움직임 변화를 나타내는 이동 객체에 대해서 평균 80% 이상의 정확도로 객체의 위치를 예측할 수 있을 뿐 아니라, 현재 시간과 멀리 떨어진 미래의 위치 예측에 대해서도 70% 정도의 예측 정확도를 유지할 수 있음을 증명하였다.