دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: Jointly published with Tsinghua University Press2010 نویسندگان: Prof. Xiaofeng Meng, Dr. Jidong Chen (auth.) سری: ISBN (شابک) : 9783642131981, 9783642131998 ناشر: Springer Berlin Heidelberg سال نشر: 2010 تعداد صفحات: 199 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب مدیریت اجسام متحرک: مدلها، تکنیکها و کاربردها: مدیریت پایگاه داده، داده کاوی و کشف دانش، سیستم های اطلاعاتی و خدمات ارتباطی، سیستم های اطلاعات جغرافیایی/کارتوگرافی
در صورت تبدیل فایل کتاب Moving Objects Management: Models, Techniques and Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدیریت اجسام متحرک: مدلها، تکنیکها و کاربردها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پیشرفتهای مداوم در فنآوریهای ارتباط بیسیم و موقعیتیابی مانند GPS، برنامههای مدیریت دادههای جدیدی مانند سرویسهای مبتنی بر مکان (LBS) را ممکن کرده است که موقعیتهای دائماً در حال تغییر اجسام متحرک را ذخیره و مدیریت میکنند. \"مدیریت اشیاء متحرک - مدلها، تکنیکها و برنامهها\" بر مدیریت اشیاء متحرک تمرکز میکند، از دیدگاه مدیریت مکان تا کاوش در مورد اینکه چگونه مکانها به طور مداوم در حال تغییر بر پایگاه داده سنتی و فناوری داده کاوی تأثیر میگذارند. به طور خاص، این کتاب موضوعات مدلسازی اشیاء متحرک و بهروزرسانی مکان، نمایهسازی و پرس و جو، خوشهبندی، عدم قطعیت مکان و مسائل مربوط به حریم خصوصی و همچنین کاربرد آنها در سیستمهای حمل و نقل هوشمند را شرح میدهد. این کتاب برای توسعه دهندگان سیستم های مدیریت پایگاه داده و برنامه های کاربردی تلفن همراه، دانشمندان محقق و دانشجویان سطح پیشرفته در علوم کامپیوتر و جغرافیا در نظر گرفته شده است. دکتر شیائوفنگ منگ استاد دانشکده اطلاعات دانشگاه رنمین چین است. دکتر Jidong Chen یک دانشمند تحقیقاتی ارشد در EMC Research China، یکی از گروه های تحقیقاتی EMC Corporation است.
The continued advances in wireless communication and positioning technologies such as GPS have made new data management applications possible, such as location-based services (LBS) that store and manage the continuously changing positions of moving objects. "Moving Objects Management - Models, Techniques and Applications" focuses on moving objects management, from the location management perspective to the exploration of how the continually changing locations affect the traditional database and data mining technology. Specifically, the book describes the topics of moving objects modeling and location updating, indexing and querying, clustering, location uncertainty and privacy issues, as well as their application to intelligent transportation systems. This book is intended for developers of database management systems and mobile applications, research scientists and advanced-level students in computer science and geography. Dr. Xiaofeng Meng is a professor at the School of Information, Renmin University of China; Dr. Jidong Chen is a senior research scientist at EMC Research China, one of the research groups of the EMC Corporation.
Cover......Page 1
Moving Objects Management......Page 3
ISBN 9783642131981......Page 4
Foreword......Page 6
Preface......Page 8
Organization of the Book......Page 9
Table of Contents \r......Page 12
Acronyms......Page 16
Part I\rMoving Objects Management Models......Page 19
1.1.1 Mobile Computing......Page 21
1.2 Location-Based Services......Page 22
1.4 Moving Object Databases......Page 24
References......Page 27
2.1 Introduction......Page 31
2.2 Underlying Models......Page 32
2.3.1 Cellular Automata (CA)......Page 35
2.3.2 Structure of GCA......Page 36
2.3.3 Trajectory of GCA......Page 37
2.3.5 Two-Lane GCA......Page 38
2.4 Summary......Page 39
References......Page 40
3.1 Introduction......Page 43
3.2.2 Based on Location Prediction......Page 44
3.3 Proactive Location Update Strategy......Page 45
3.4 Group Location Update Strategy......Page 47
References......Page 51
4.1 Introduction......Page 53
4.2 Underlying Indexing Structures......Page 54
4.2.1 The R-Tree......Page 55
4.2.2 The Grid File......Page 57
4.3 Indexing Moving Objects in Euclidean Space......Page 58
4.3.1 The R-Tree-Based Index......Page 59
4.3.2 The Grid-Based Index......Page 60
4.3.3 The Quad-Tree-Based Index......Page 62
4.4 Indexing Moving Objects in Spatial Networks......Page 69
4.4.1 The Adaptive Unit......Page 70
4.4.2 The Adaptive Network R-Tree (ANR-Tree)......Page 72
4.5.1 Indexing Future Trajectory......Page 75
4.5.2 Indexing History Trajectories......Page 78
4.6 Update-Efficient Indexing Structures......Page 79
References......Page 81
Part II\rMoving Objects Management Techniques......Page 84
5.1 Introduction......Page 87
5.2 Classifications of Moving Object Queries......Page 88
5.2.1 Based on Spatial Predicates......Page 89
5.2.3 Based on Moving Spaces......Page 90
5.3.1 Incremental Euclidean Restriction......Page 91
5.3.2 Incremental Network Expansion......Page 93
5.4.1 Range Euclidean Restriction......Page 94
5.4.2 Range Network Expansion......Page 95
References......Page 97
6.1 Introduction......Page 99
6.2 Similar Trajectory Queries for Moving Objects......Page 101
6.2.1 Problem Definition......Page 102
6.2.2 Trajectory Similarity......Page 103
6.2.3 Query Processing......Page 105
6.3.1 Problem Definition......Page 107
6.3.2 Cluster-Based Query Preprocessing......Page 108
6.3.3 Density Query Processing......Page 110
6.4.1 Problem Definition......Page 113
6.4.2 Building the Quad-Tree......Page 114
6.4.3 Safe Interval Computation......Page 115
6.4.3.2 Safe Interval of Sparse Leaf Cell......Page 116
6.4.4 Query Processing......Page 119
References......Page 120
7.1 Introduction......Page 123
7.2.2 Road Segment-Based Linear Prediction......Page 124
7.3 Simulation-Based Prediction (SP) Methods......Page 125
7.3.1 Fast-Slow Bounds Prediction......Page 126
7.3.2 Time-Segmented Prediction......Page 128
7.5 Summary......Page 129
References......Page 130
8.1 Introduction......Page 131
8.2 Uncertain Trajectory Modeling......Page 132
8.3.1 Structure of the UTR-Tree......Page 136
8.3.2 Construction and Maintenance of UTR-Tree......Page 139
8.4 Uncertainty Trajectory Querying......Page 140
References......Page 141
Part III\rMoving Objects Management Applications......Page 143
9.1 Introduction......Page 145
9.2 Moving Objects Management Application Scenarios......Page 146
9.3.1 Hierarchy Aggregation Tree......Page 148
9.3.2 Dynamic Navigation Query Processing......Page 150
9.4 Summary......Page 152
References......Page 153
10.1 Introduction......Page 155
10.2 The System Architecture......Page 156
10.3 Data Model of Transportation Network and Moving Objects......Page 158
10.4.1 Computing the Locations Through Interpolation......Page 163
10.4.2 Querying Moving Objects with Uncertainty......Page 164
10.4.3 Location Prediction in Transportation Networks......Page 166
References......Page 167
11.1 Introduction......Page 169
11.2 Underlying Clustering Analysis Methods......Page 170
11.3.1 Problem Definition......Page 172
11.3.2 Edge-Based Clustering Algorithm......Page 174
11.3.3 Node-Based Clustering Algorithm......Page 177
11.4 Clustering Moving Objects in Spatial Networks......Page 179
11.4.1 CMON Framework......Page 181
11.4.2 Construction and Maintenance of CBs......Page 182
11.4.3.2 Density-based CMON......Page 185
11.4.3.3 K-Partitioning CMON......Page 187
References......Page 188
12.1 Introduction......Page 191
12.2 Privacy Threats in LBS......Page 192
12.3.2 Centralized Architecture......Page 195
12.3.3 Peer-to-Peer Architecture......Page 196
12.4.1 Location K-Anonymity Model......Page 197
12.4.2 p-Sensitivity Model......Page 198
12.4.3 Anonymization Algorithms......Page 201
12.5 Evaluation Metrics......Page 202
References......Page 203
Index......Page 205