Hilbert Curve 1. Introduction Movin

Hilbert Curve
1. Introduction
Moving objects are changing their locations over
time in Spatio-temporal databases. The moving
objects report their location to the server through
devices. Spatiotemporal access methods are into four
categories: (1) Indexing the past data (2) Indexing the
current data (3) Indexing the future data and (4)
Indexing data at all points of time. All the above
categories are having set of indexing structure
algorithms [1, 2, 3, 6, 13]. The server stores all
updates from the moving objects. Some algorithms
are answering queries about the past [4, 5, 9, 10,15]
information only. Some applications need to know
current locations of moving objects only. This case,
the server may only store the current status of the
moving objects. In one case Moving Object
Detection Algorithm Based on Variance Analysis
[16]. To predict future positions of moving objects,
the spatio-temporal database server may need to store
additional information, e.g., the objects’ speed [8,
17]. A large number of spatio-temporal index
structures have been proposed to support spatiotemporal queries efficiently [12, 13]. This paper is
based on the source paper [6]. This proposed
algorithm reduces the migration process, so the total
performance is better than BBx index structure.
2. Related work
[
The BBx index Structure
The BB
x
index is the extension of B
x
tree
index [7]. The B
x
tree index support only for
the present and future positions, but in BB
x
index [6] it extend to the past information
also. The BB
x
-index consists of nodes that
consist of entries, each of which is of the
form (x _rep; tstart; tend; pointer.) For leaf
nodes, pointer points to the objects with the
equivalent x_rep, where x_rep is obtained
from the space-filling curve; tstart indicate
the time when the object was inserted into
the database (matching to the tu in the
description of the B
x
-tree), and tend indicate
the time that the position was deleted,
updated, or migrated (migration pass on to
the update of a position done by the system
automatically). For non-leaf nodes, pointer
K Appathurai et al ,Int.J.Computer Technology & Applications,Vol 3 (2), 779-784 779 ISSN:2229-6093
points to a (child) node at the next level of
the index: tstart and tend are the minimum
and maximum tstart and tend values of all
the entries in the child node, respectively. In
addition, each node contains a pointer to its
right sibling to facilitate query processing.
Unlike the B
x
-tree, the BB
x
-index is a group
of trees, with each tree having an associated
timestamp signature tsg and a lifespan (see
Figure 3). The timestamp signature parallels
the value tlab from the B
x
-tree and is
obtained by partitioning the time axis in the
same way as for the B
x
-tree. The lifespan of
each tree corresponds to the minimum and
maximum life spans of objects indexed in
the tree. The roots of the trees are stored in
an array, and they can be accessed
efficiently according to their lifespan. This
array is relatively small and can usually be
stored in main memory. In query processing
based on the timestamp signature it expand
either backward for past information and
expand forward for future information.
3. Statement of Problem
In BB
x
index structure in certain cases half
objects are updated and half objects are
forced to update. This causes more work to
the entire process and automatically it take
more time for indexing and it take more
memory space. In addition, in tree the node
insertion, deletion also complex process
when the number of moving objects is high.
4.Proposed Algorithm
The main aim of the proposed algorithm is
to decreases the complexity of BB
x
index
structure. Besides the overall performance of
the proposed algorithm is good than BB
x
index about 40%. The proposed algorithm is
called OBB
x
-index (Optimized Broad B
x
).
The scalability is considered as twice for the
better result. The scalability is try to make it
as thrice or fours the total performance is not
good, because the depth of the tree is more
so the searching time is high while the nodes
are inserted or deleted. So, the scalability is
make it as twice we get the optimum result
and the performance also good than BB
x
. It
is proved by MATLAB implementation.
The OBB
x
-index the nodes consist of the
form (x _rep; tstart; tend; pointer.) where
x_rep is nothing but one dimensional data
obtained from the space-filling curve; tstart
denotes the time when the object was
inserted into the database and tend denotes
the time that the position was deleted,
updated, or migrated (migration refers to the
update of a location done by the system).
tstart and tend are the minimum and
maximum tstart and tend values of all the
entries in the child node, respectively. In
addition, each node contains a pointer to its
right sibling to facilitate query processing.
The OBB
x
-index is a forest of trees, with
each tree having an associated timestamp
signature tsg and a lifespan. The timestamp
signature parallels the value tlab from the
B
x
-tree and is obtained by partitioning the
time axis in the same way as for the B
x
-tree.
The lifespan of each tree corresponds to the
minimum and maximum life spans of
objects indexed in the tree. The roots of the
trees are stored in an array, and they can be
accessed efficiently according to their
lifespan. This array is fairly small and can
usually be stored in main memory. Initially
the maximum update interval is found out
among all the moving objects. Objects
inserted between timestamps 0 and 0:5tmu
are stored in tree T1 with their positions as
of time 0:5tmu; those inserted between
timestamp 0:5tmu and tmu are stored in tree
T2 with their positions as of time tmu; and
so on. Each tree has a maximum lifespan:
T1’s lifespan is from 0 to 1:5tmu because
objects are inserted starting at timestamp 0
and because those inserted at timestamp
0:5tmu may be alive throughout the
maximum update interval tmu, which is thus
until 1:5tmu; the same applies to the other
trees.

Kết quả (Việt) 1:

Đường cong Hilbert
1. Giới thiệu
di chuyển các đối tượng đang thay đổi vị trí của họ
thời gian trong cơ sở dữ liệu nhất. Di chuyển các
đối tượng báo cáo vị trí của họ để các máy chủ thông qua
thiết bị. Phương pháp Spatiotemporal truy cập vào bốn
thể loại: (1) lập chỉ mục các dữ liệu trong quá khứ (2) lập chỉ mục các
dữ liệu hiện tại (3) lập chỉ mục các dữ liệu trong tương lai và (4)
đánh chỉ mục dữ liệu ở tất cả các điểm của thời gian. Tất cả các bên trên
thể loại đang gặp bộ chỉ mục cấu trúc
thuật toán [1, 2, 3, 6, 13]. Hệ phục vụ mua sắm tất cả
Cập Nhật từ các đối tượng di chuyển. Một số thuật toán
trả lời các truy vấn về quá khứ [4, 5, 9, 10,15]
thông tin chỉ. Một số ứng dụng cần phải biết
các vị trí hiện tại của di chuyển đối tượng chỉ. Trường hợp này,
Hệ phục vụ chỉ có thể lưu trữ tình trạng hiện tại của các
di chuyển các đối tượng. Trong một trường hợp di chuyển đối tượng
phát hiện thuật toán dựa trên phân tích phương sai
[16]. Để dự đoán các vị trí trong tương lai của di chuyển các đối tượng,
máy chủ cơ sở dữ liệu nhất có thể cần phải lưu trữ
thông tin bổ sung, ví dụ như, các đối tượng tốc độ [8,
17]. Một số lớn các chỉ số nhất
cấu trúc đã được đề xuất để hỗ trợ truy vấn spatiotemporal hiệu quả [12, 13]. Bài báo này là
Dựa trên nguồn Giấy [6]. Điều này đề xuất
thuật toán làm giảm quá trình di chuyển, vì vậy tổng số
hiệu suất là tốt hơn so với BBx chỉ mục cấu trúc.
2. Liên quan đến công việc
[
The BBx index cấu trúc
The BB
x
chỉ số là phần mở rộng của B
x
cây
chỉ mục [7]. B
x
cây chỉ số hỗ trợ chỉ cho
các vị trí hiện tại và trong tương lai, nhưng trong BB
x
chỉ số [6] nó mở rộng thông tin qua
cũng. BB
x
-chỉ số bao gồm các nút mà
bao gồm các mục, mỗi trong số đó là của các
hình thức (x _rep; tstart; có xu hướng; con trỏ.) Cho lá
nút, con trỏ điểm cho các đối tượng với các
tương đương x_rep, nơi thu được x_rep
từ đường cong điền vào không gian; tstart cho biết
thời gian khi đối tượng đã được đưa vào vào
cơ sở dữ liệu (phù hợp để tu trong các
mô tả của B
x
-cây), và có xu hướng cho thấy
thời gian vị trí đã bị xoá,
Cập Nhật, hoặc di chuyển (di chuyển vượt qua ngày với
bản Cập Nhật của một vị trí thực hiện bằng hệ thống
tự động). Cho các nút lá, con trỏ
K Appathurai et al, các ứng dụng & Int.J.Computer công nghệ, Vol 3 (2), 779-784 779 ISSN:2229-6093
trỏ tới một nút (trẻ em) ở cấp độ tiếp theo của
mục: tstart và có xu hướng là tối thiểu
và tstart tối đa và có xu hướng giá trị của tất cả
các mục trong các nút con, tương ứng. Ở
bổ sung, mỗi nút có chứa một con trỏ đến của nó
đúng Anh chị em để tạo điều kiện chế biến truy vấn.
Không giống như B
x
-cây, BB
x
-chỉ số là một nhóm
cây, với mỗi cây có một liên kết
thời gian hiển thị chữ ký số và một tuổi thọ (xem
hình 3). Thời gian hiển thị chữ ký parallels
tlab giá trị từ B
x
-cây và là
thu được bằng cách phân vùng trục thời gian trong các
theo cùng một cách như đối với B
x
-cây. Tuổi thọ của
mỗi cây tương ứng với tối thiểu và
tối đa kéo dài cuộc sống của các đối tượng lập chỉ mục trong
cây. Rễ của cây được lưu trữ trong
một mảng, và họ có thể được truy cập
hiệu quả theo tuổi thọ của họ. Điều này
mảng là tương đối nhỏ và có thể thường
lưu trữ trong bộ nhớ chính. Trong xử lý truy vấn
dựa trên chữ ký dấu thời gian nó mở rộng
hoặc lạc hậu nhất qua thông tin và
mở rộng về phía trước cho các thông tin trong tương lai.
3. Tuyên bố của vấn đề
trong BB
x
chỉ mục cấu trúc trong một số trường hợp một nửa
các đối tượng được Cập Nhật và một nửa các đối tượng
buộc phải Cập Nhật. Điều này gây ra nhiều việc để
toàn bộ quá trình và tự động nó mất
thêm thời gian cho chỉ mục và nó có thêm
không gian bộ nhớ. Ngoài ra, trong cây nút
chèn, quá trình phức tạp cũng xóa
khi số lượng các đối tượng di chuyển là cao.
4.Proposed thuật toán
mục đích chính của các thuật toán được đề xuất là
để làm giảm sự phức tạp của BB
x
chỉ số
cấu trúc. Bên cạnh đó hiệu suất tổng thể của
các thuật toán được đề xuất là tốt hơn BB
x
chỉ khoảng 40%. Các thuật toán được đề xuất là
được gọi là OBB
x
-chỉ số (tối ưu hóa rộng B
x
).
Khả năng mở rộng được coi là hai lần cho các
cho kết quả tốt hơn. Khả năng mở rộng cố gắng để làm cho nó
như ba lần hoặc fours hiệu suất tất cả không phải là
tốt, bởi vì sâu của cây là thêm
để tìm kiếm giờ là cao trong khi các nút
được chèn hoặc xóa. Vì vậy, khả năng mở rộng là
làm cho nó như hai lần chúng tôi nhận được kết quả tối ưu
và hiệu suất cũng tốt hơn BB
x
. Nó
đã được chứng minh của MATLAB thực hiện. OBB

x
-chỉ mục các nút bao gồm các
hình thức (x _rep; tstart; có xu hướng; con trỏ.) nơi
x_rep là không có gì nhưng một dữ liệu chiều
thu được từ các đường cong không gian-điền; tstart
biểu thị thời gian khi đối tượng
chèn vào cơ sở dữ liệu và có xu hướng là bắt
thời gian vị trí đã bị xoá,
Cập Nhật, hoặc di chuyển (di chuyển đề cập đến các
bản Cập Nhật của một điểm thực hiện bởi hệ thống).
tstart và có xu hướng là tối thiểu và
tstart tối đa và có xu hướng giá trị của tất cả các
mục trong các nút con, tương ứng. Ở
bổ sung, mỗi nút có chứa một con trỏ đến của nó
đúng Anh chị em để tạo điều kiện chế biến truy vấn. OBB

x
-chỉ số là một khu rừng cây, với
mỗi cây có một dấu thời gian liên quan đến
chữ ký số và một tuổi thọ. Dấu thời gian
chữ ký song song với tlab giá trị từ các
B
x
-cây và thu được bằng cách phân vùng các
thời gian trục trong cùng một cách như đối với B
x
-cây.
Tuổi thọ của mỗi cây tương ứng với các
tối thiểu và tối đa kéo dài cuộc sống của
các đối tượng được lập chỉ mục trong cây. Rễ của các
cây được lưu trữ trong một mảng và họ có thể
truy cập một cách hiệu quả theo của
tuổi thọ. Mảng này là khá nhỏ và có thể
thường được lưu trữ trong bộ nhớ chính. Ban đầu
khoảng thời gian Cập Nhật tối đa phát hiện ra
trong số tất cả các đối tượng di chuyển. Các đối tượng
chèn giữa timestamps 0 và 0:5tmu
được lưu trữ trong cây T1 với vị trí của họ như
của thời gian 0:5tmu; những chèn giữa
dấu thời gian 0:5tmu và tmu được lưu trữ trong cây
T2 với vị trí của họ theo thời gian tmu; và
như vậy. Mỗi cây có tuổi thọ tối đa:
T1 của tuổi thọ là từ 0 đến 1:5tmu vì
các đối tượng được chèn vào bắt đầu từ dấu thời gian 0
và bởi vì những người đưa vào lúc dấu thời gian
0:5tmu có thể được sống trong suốt các
Cập Nhật tối đa khoảng tmu, mà là do đó
cho đến 1:5tmu; cùng áp dụng khác
cây.