Metody ukládání časoprostorových dat pro multirelační dolování

Metody ukládání časoprostorových dat pro multirelační dolování Martin Večeřa Laboratoř vyhledávání znalostí Fakulta informatiky Masarykova Univerzita Brno

Časoprostorová data ●

●

zachycení části 2D/3D prostoru s odkazem na časový údaj spektrální –

●

jediný časový okamžik (př. druh porostu)

enviromentální data –

dlouhodobý souhrn (př. srážky)

●

rastrová vs. vektorová

●

vše je možné kombinovat 2

Prostorová složka dat ●

geometrická primitiva –

bod, čára

–

množina bodů, lomená čára

–

polygon, množina lomených čar

–

množina polygonů

–

množina geometrických objektů

●

souřadnicový systém (S-JTSK, WGS84...)

●

doplňující vlastnosti objektů –

místní název, plocha, druh... 3

Časová složka dat ●

●

odkaz z prostorového objektu na časový okamžik/období čas uložen jako další dimenze –

●

t

obtížně řešitelné, stávající systémy nepřipraveny

čas uložen jako doplňující vlastnost objektu –

objekt měnící se v čase se překrývá

–

při výběru nutné zvolit jen daný časový úsek

4

Multirelační dolování ●

klasické dolovácí algoritmy –

●

●

data v jedné tabulce

multirelační dolování –

více objektů různých typů

–

vztahy mezi objekty

–

řešení: více tabulek

ILP – predikátová logika prvního řádu –

~ přirozený jazyk pro vyjádření faktů a vztahů

5

Predikátová logika – příklad obec('Cikháj', 49°38'44.798"N, 15°57'58.339"E). obec('Světnov', 49°37'11.384"N, 15°57'14.624"E). silnice(350, [[12, 3], [14, 8], [13, 11], [18, 12], ..., [37, 63]]). obec_na_silnici('Cikháj', 350). obec_na_silnici('Světnov', 350). vzdálenost_po_silnici(Silnice, Obec1, Obec2, Vzdálenost) :obec(Obec1, Poz1), obec(Obec2, Poz2), obec_na_silnici(Obec1, Silnice), obec_na_silnici(Obec2, Silnice), silnice(Silnice, Geom), délka_od_do(Vzdálenost, Poz1, Poz2, Geom). 6

Datové formáty ●

požadujeme –

snadnou úprava dat

–

možnost ukládání doprovodných informací

–

geometrické funkce (průnik, posun, vzdálenost)

–

podporu různých souřadnicových systémů

–

export do predikátové logiky

●

GML, KML, SpatialML, TimeML

●

SDTS, DGN, DWG, ESRI Shapefile

●

Oracle Spatial, PostGIS 7

Datové formáty nad XML ●

XML je moderní, hezké, všem se líbí

●

Geography Markup Language (GML) –

Open Geospatial Consorcium

–

libovolná geografická data

–

reference, rozšiřující atributy

–

obtížně zpracovatelné (je to „jen“ textový soubor)

45.67, 88.56 55.56,89.44 8

Datové formáty nad XML ●

Keyhole Markup Language (KML) –

Google Maps & Earth

–

jazyk pro vizualizaci geografických objektů (~HTML)

–

úzké zaměření (např. podpora jen WGS84)

Roll over this icon 0 <styleUrl>#exampleStyleMap -122.085,37.422,0 <Style id="highlightPlacemark"> stars.png 9

Datové formáty nad XML ●

SpatialML + TimeML –

značkování částí textu nesoucích prostorovou nebo časovou informaci

–

možnost propojení s GML a KML

–

referenece na objekty v databázi

–

vhodné spíše pro dolování v textech

I visited many trattorias in [Rome], [Italy] Rome Italy

10

Datové formáty pro soubory ●

●

Spatial Data Transfer Standard (SDTS) –

vyvinut za účelem sjednotit formáty (~2001)

–

podpora od ESRI a omezeného množství SW

DGN, DWG –

další více či méně rozšířené formáty

–

v 99% existuje možnost exportu do Shapefile

11

Datové formáty pro soubory ●

● 1)

ESRI1 Shapefile –

well-known text/binary format (WKT, WKB)

–

víceméně otevřená specifikace

–

velmi populární, řada nástrojů, časem prověřený

–

nově také podpora 3D dat

–

jen jedna vrstva

–

několik souborů, doprovodné atributy

–

snadná konverze

–

import do PostGISu

nevýhoda – soubory spolu nejsou v relaci

Environmental Systems Research Institute

12

Datové formáty pro databáze ●

●

Oracle Spatial –

Oracle nemůže zůstat mimo

–

pro nekomerční použití zdarma (omezení velikosti)

–

kanón na vrabce

PostGIS –

rozšíření PostgreSQL

–

open source řešení

–

DB vhodná i pro produkční prostředí

–

podpora knihoven pro práci s geometrií 13

PostGIS ●

nativní podpora ESRI Shapefile (WKT, WKB)

●

extended WKT/WKB (3D)

●

možnost sloučit různé souřadnicové systémy –

i uživatelsky definované

●

všechna základní geometrická primitiva

●

snadné úpravy v QuantumGIS

●

inteligentní indexace dat

14

PostGIS v PostgreSQL ●

veškerá funkcionalita PostgreSQL zachována

●

nový datový typ GEOMETRY

●

nové operátory –

●

&& průnik geometrií, @ kompletně obsažen

nové funkce –

Distance, Area, Intersection

●

nový typ indexu GiST

●

nové tabulky –

geometry_columns, spatial_ref_sys 15

PostGIS – příklad ●

snadný export pomocí textové reprezentace:

SELECT id, jmeno, AsText(geom) FROM body; id | jmeno | astext ---+----------+---------------------1 | Bod c. 1 | POINT(18.053 49.689) ●

najdi mi všechny hospody, ze kterých to není do nemocnice dále než 250m:

SELECT h.name, p.name FROM hospitals h, pubs p WHERE Distance(h.the_geom, p.the_geom) < 250;

16

Závěr ●

●

●

hlavní zájem o multirelační dolování ve vektorových časoprostorových datech textový popis dat a nehomogenní soustava souborů skýtá řadu problémů a rizik v databázích se data snadno udržují a zpracovávají

●

máme rádí snadná, ale účinná řešení

●

máme rádi open source

●

PostGIS hravě poráží své soupeře

17

Děkuji za pozornost.

18