شاخص‌گذاری موقعیت جاری و گذشته اشیاء متحرک درمجموعه داده‌های بزرگ مقیاس

با افزایش روز افزون سیستم های هوشمند حمل و نقل و سرویس های مبتنی برمکان که از داده های مکانیزمانی بهره می برند، نیاز به تکنیک ها شاخص گذاری جدید برای این داده ها افزایش یافته است. این داده ها مربوط به زمان گذشته، حال یا آینده اشیاء متحرک هستند که شاخص های موجود عموماً امکان شاخص گذاری یکی از این سه زمان را دارند. داشتن شاخصی یکپارچه برای شاخص گذاری همزمان انواع داده ها و همچنین پاسخگویی به انواع پرس وجوها، یکی از چالش های این نوع داده ها می باشد که امکان کاهش فاصله زمانی بروزرسانی شاخص ها را داشته باشد. در این مقاله روشی یکپارچه با نام pcpi ارائه شده است که علاوه بر امکان ساخت و نگهداری شاخص های داده های مکانیزمانی در زمان گذشته و حال، به صورت همزمان به ترتیب در دیسک و حافظه اصلی، توانایی پاسخ به انواع پرس وجو های مکانیزمانی را دارد. با استفاده از این تکنیک، از یک مجموعه منبع مشترک برای پردازش و ساخت شاخص ها در دو زمان مختلف استفاده شده و اختلاف فاز زمانی بین دو شاخص را کاهش داده است. در این روش از دو داده ساختار به صورت یکپارچه استفاده شده است. یک داده ساختار در حافظه اصلی برای شاخص گذاری و نگهداری موقعیت جاری اشیاء متحرک، و داده ساختار دوم برروی دیسک برای داده های خط سیر اشیاء متحرک که دارای حجم بالایی بوده و امکان نگهداری در حافظه اصلی را ندارند. علاوه بر این، در pcpi از روش های تطبیق برنقشه برای حذف اختلالات موجود در داده های دریافتی از اشیاء متحرک مانند اختلال حالت ساکن استفاده شده است که باعث افزایش دقت پرس وجوها می شود. همچنین تاثیر روش های کاهش داده بر افزایش سرعت شاخص گذاری، پردازش پرس وجو و کاهش اندازه شاخص ها در دیسک در مجموعه داده های بزرگ، در آزمایش ها موردبررسی قرار گرفت. نتایج و مقایسه های انجام شده در آزمایش های تجربی، نشان از کارایی بالای این ساختار شاخص گذاری دارد.