Die Menge an in Echtzeit verfügbaren spatio-temporalen Daten, also Positionsdaten von sich bewegenden Objekten nimmt durch die steigende Verbreitung von mobilen Datenverbindungen und kleinen GPS-Empfängern stetig zu. Diese Arbeit behandelt die Verarbeitung solcher Datenströme in Echtzeit, um z.B. Objekte zu identifizieren, die voraussichtlich zu nah aneinander kommen werden. Dies wird mittels Datenstrommanagementsystemen (DSMS) auf Basis des Intervallansatzes zusammen mit der Moving Object Algebra konzeptioniert und mit Hilfe eines open source DSMS implementiert. Kern des Lösungsansatzes ist die generische Herangehensweise mit Hilfe einer Algebra, die die Konzepte der Moving Object Algebra für spatio-temporale Daten und des Intervallansatzes für Datenströme verbindet und damit sehr flexible spatio-temporale kontinuierliche Anfragen auf Datenströmen ermöglicht. Am Beispiel von AIS-Positionsdaten von Schiffen wird der Ansatz evaluiert.
The amount of spatio-temporal data, i.e. location data from moving objects, that is available in real time is increasing continuously due to the expanding availability of small and cheap GPS-sensors as well as mobile internet connectivity. This work examines the processing of such data streams, for example, to identify objects that will probably move to close to each other. This is done with data stream management systems (DSMS) on the foundation of the interval approach together with the moving object algebra. The concept is implemented with an open source DSMS. The main idea of the approach is a generic algebra, which combines the concepts of the interval approach for data streams with the moving object algebra for moving object data. The resulting concept allows very flexible continuous spatio-temporal queries on data streams. The approach is evaluated with location data streams from AIS signals from vessels.
Association for Computing Machinery ACM computing surveys New York, NY : Association for Computing Machinery, 1969 Bd. 51 (2018), 3, Art.-Nr. 44, insges. 37 S. Online-Ressource
Proceedings of the 8th ACM SIGSPATIAL Workshop on GeoStreaming New York, NY, USA : ACM, Association for Computing Machinery, 2017 (2017), Seite 49-56 Online-Ressource
