Abstract
Location-based services have motivated intensive research in the field of mobile computing, and particularly on location-dependent queries. Existing approaches usually assume that the location data are expressed at a fine geographic precision (physical coordinates such as GPS). However, many positioning mechanisms are subject to an inherent imprecision (e.g., the cell-id mechanism used in cellular networks can only determine the cell where a certain moving object is located). Moreover, even a GPS location can be subject to an error or be obfuscated for privacy reasons. Thus, moving objects can be considered to be associated not to an exact location, but to an uncertainty area where they can be located
In this paper, we analyze the problem introduced by the imprecision of the location data available in the data sources by modeling them using uncertainty areas. To do so, we propose to use a higher-level representation of locations which includes uncertainty, formalizing the concept of uncertainty location granule. This allows us to consider probabilistic location-dependent queries, among which we will focus on probabilistic inside (range) constraints. The adopted model allows us to develop a systematic and efficient approach for processing this kind of queries. An experimental evaluation shows that these probabilistic queries can be supported efficiently
چکیده
خدمات مبتنی بر مکان یابی، تحقیقات فشرده در زمینه محاسبات موبایل، و به ویژه در سوال های وابسته به مکان یابی را برانگیخته است. روش های موجود معمولا فرض می کنند که داده های مکان یابی با یک دقت جغرافیایی خوب (مختصات فیزیکی مانند GPS) بیان شده است. با این حال، بسیاری از مکانیزم های موقعیت یابی درمعرض یک عدم دقت ذاتی هستند (به عنوان مثال، مکانیزم Cell-Id مورد استفاده در شبکه های تلفن همراه، تنها می تواند سلولی که در آن یک جسم در حال حرکت خاص واقع شده است تعیین کند). علاوه بر این، حتی یک مکانیابی GPS می تواند در معرض یک خطا قرارگرفته یا به دلایل (حفظ) حریم خصوصی، مبهم باشد. بنابراین، اجسام در حال حرکت را می توان مرتبط با، نه یک مکان دقیق، بلکه با یک منطقه غیرقطعی، جاییکه می توانند واقع شده باشند، درنظرگرفت .
در این مقاله، ما مسئله معرفی شده توسط عدم دقت داده های مکان یابی دردسترس در منابع داده ها را با مدل سازی آنها با استفاده از مناطق عدم قطعیت، تجزیه و تحلیل می کنیم. برای انجام این کار، ما استفاده از نمایشی در سطح بالاتر از مکانیابی هایی که شامل عدم اطمینان، رسمی کردن مفهوم گرانول مکانیابی عدم قطعیت است را پیشنهاد می کنیم. این امر، این امکان را به ما میدهد تا سوالات وابسته به مکان یابی احتمالی را درنظربگیریم، که از این میان ما در احتمالاتی درون (دامنه) محدودیت ها تمرکز خواهیم کرد. مدل اتخاذ شده اجازه می دهد تا یک رویکرد سیستماتیک و کارآمد برای پردازش این نوع از سوالات را توسعه دهیم. یک ارزیابی تجربی نشان می دهد که این سوالات احتمالاتی می تواند بطورموثر، مورد حمایت واقع شود.
1-مقدمه
خدمات مبتنی بر مکان یابی [33، 37] (LBSs) تحقیقات فشرده در زمینه محاسبات موبایل را برانگیخته است. این خدمات، داده ارزش افزوده را با در نظر گرفتن مکان یابی کاربران موبایل و دیگر اجسام متحرک برای ارائه اطلاعات سفارشی تر، ارائه میدهد. به عنوان یک بلوک ساختمان های اساسی از LBSها، پردازش کارآمد سوالات وابسته به مکان یابی [23] (سوالاتی که پاسخ بستگی به محل اجسام در حال حرکت معینی، دارد) یک موضوع کلیدی است. به عنوان یک سوال وابسته به مکان یابی نمونه، کاربری با یک گوشی هوشمند را درنظربگیرید که می خواهد تاکسی های در دسترسی که در نزدیکی او هستند را را مکانیابی کند، در حالی که وی در یک روز بارانی درحال راه رفتن به خانه است...