MasterMobilityDB -: - uma camada de persistência e manipulação para trajetórias de múltiplos aspectos

Abstract

Os bancos de dados de objetos móveis (MODs em inglês) têm sido treinados há pelo menos 20 anos na área de banco de dados. Entretanto, a partir da evolução da captura de dados espaciais bem como da integração de dados provenientes de fontes heterogêneas, gerou-se um acúmulo de volumosas coleções de dados de objetos em movimento, como automóveis, pessoas e animais. Essas coleções, conhecidas como trajetórias, coletadas de sensores e dispositivos habilitados para GPS, podem ser enriquecidas com múltiplos aspectos semânticos gerando trajetórias de múltiplos aspectos ou MATs. Tratam-se de objetos complexos, heterogêneos e de rápido crescimento. O gerenciamento dessa trajetória apresenta novos desafios para MODs: a capacidade de gerenciamento de um grande volume de dados, o suporte a consultas espaço-temporais de baixa latência, a integração de dados complexos e heterogêneos como os MATs e a necessidade de alta taxa de transferência de inserção . Para superar tais desafios, este trabalho apresenta a proposta de uma camada de persistência de MATs, inovadora a partir do MOD MobilityDB (ZIMANYI et al., 2020), que irá suportar a manipulação de MATs. Além disso, este trabalho também trata da persistência de trajetórias representativas que resumem comportamentos comuns em MATs e das regras de dependência que representam padrões descobertos a partir da análise dessas trajetórias. Por fim, são apresentadas as validações dos requisitos e os testes de desempenho demonstrando as previsões do MASTERMobilityDB para o gerenciamento de MATs e que os objetivos propostos foram realizados. Através de um comparativo do MasterMobilityDB com o BD estado-da-arte Secondo, tratando-se com diversas classes de consultas, é demonstrado que as consultas de trajetória são expressas no MasterMobilityDB mais naturalmente através das funcionalidades desenvolvidas do que no Secondo, e têm melhor desempenho em muitos casos típicos. Nenhuma proposta de propósito geral semelhante, em termos de persistência de dados para MATs, foi encontrada na literatura e na indústria.

Abstract: Moving Object Databases (MODs) have been studied for at least 20 years in the database field. However, with the evolution of spatial data capture as well as the inte- gration of data from heterogeneous sources, an accumulation of voluminous collections of geographic trajectory data has been generated. These collections, known as multi- aspect trajectories, collected from sensors and GPS-enabled devices, are complex, with multiple semantic aspects, heterogeneous and rapidly growing. Managing these trajectories introduces new challenges for MODs: the ability to manage a large volume of data, support for low-latency spatiotemporal queries, integration of complex and het- erogeneous data with semantic trajectories, and the need for high throughput insertion. This work presents the proposal for a multi-aspect trajectory persistence layer, imple- mented from MobilityDB MOD (ZIMANYI et al., 2020), that supports the manipulation of multi-aspect trajectories. Furthermore, this work also deals with the persistence of representative trajectories which summarize common behaviors in multi-aspect trajec- tories and dependency rules that represent patterns discovered from the analysis of these trajectories. Through a comparison of MasterMobilityDB with the state-of-the-art database Secondo, dealing with several query classes, it is demonstrated that trajec- tory queries are expressed in MasterMobilityDB more naturally through the developed functionalities than in Secondo, and have better performance in many typical cases. No similar proposal, in terms of data persistence for multi-aspect trajectories, has been found in the literature and industry.