Mô hình đồ thị hỗ trợ tìm kiếm vị trí địa lý dựa trên cấu trúc balltree Đề cương luận văn thạc sĩ

Tìm kiếm vị trí địa lý trên một vùng không gian xác định là bài toán tìm kiếm dựa trên đồ thị. Tìm kiếm thông tin địa lý dựa trên mô hình đồ thị có nhiều ứng dụng quan trọng như: định tuyến đường đi cho dữ liệu, ước lượng dữ liệu bị mất trong mạng cảm biến không dây, thu thập thông tin… Để xây dựng được mô hình đồ thị cho các vị trí địa lý, trên thực tế đã có nhiều nghiên cứu liên quan về xây dựng mô hình đồ thị như: xác định tính liên thông trong mạng với mô hình đồ thị UDG 14, RGG 1 3, bảo mật kênh truyền với mô hình đồ thị EG 9, định tuyến đường đi dữ liệu trong mạng với mô hình đồ thị PG 2, đơn giản hóa quá trình tính toán và nâng cao khả năng chịu lỗi trong mạng với mô hình đồ thị HG 15 … Tuy nhiên, các mô hình đồ thị đó còn phức tạp và chưa tập trung đưa ra giải pháp giải quyết vấn đề về tìm kiếm thông tin địa lý một cách hiệu quả và nhanh chóng.

BỘ GIÁO DỤC VÀ ĐÀO TẠO CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC CẦN THƠ Độc lập - Tự - Hạnh phúc Cần Thơ, ngày tháng 10 năm 2014 ĐỀ CƯƠNG LUẬN VĂN THẠC SĨ Họ tên học viên: Lương Hoàng Hướng MSHV: M2513028 Cơ sở đào tạo: Khoa Công nghệ thông tin & Truyền thông Chuyên ngành: Hệ thống thông tin – khố 20 Tên đề tài: “Mơ hình đồ thị hỗ trợ tìm kiếm vị trí địa lý dựa cấu trúc balltree” Cơ sở khoa học sở thực tiễn đề tài 4.1 Cơ sở thực tiễn Tìm kiếm vị trí địa lý vùng khơng gian xác định tốn tìm kiếm dựa đồ thị Tìm kiếm thơng tin địa lý dựa mơ hình đồ thị có nhiều ứng dụng quan trọng như: định tuyến đường cho liệu, ước lượng liệu bị mạng cảm biến không dây, thu thập thông tin… Để xây dựng mơ hình đồ thị cho vị trí địa lý, thực tế có nhiều nghiên cứu liên quan xây dựng mơ hình đồ thị như: xác định tính liên thơng mạng với mơ hình đồ thị UDG [14], RGG [1] [3], bảo mật kênh truyền với mơ hình đồ thị EG [9], định tuyến đường liệu mạng với mơ hình đồ thị PG [2], đơn giản hóa q trình tính tốn nâng cao khả chịu lỗi mạng với mơ hình đồ thị HG [15] … Tuy nhiên, mơ hình đồ thị phức tạp chưa tập trung đưa giải pháp giải vấn đề tìm kiếm thông tin địa lý cách hiệu nhanh chóng Xuất phát từ vấn đề thực tế, đề tài luận văn đề xuất hướng tiếp cận tìm kiếm thơng tin địa lý cách hiệu nhanh chóng sở xây dựng mơ hình đồ thị dựa vào cấu trúc balltree (Graph Model based on BallTree Structure - GMBS) [11] Dựa mơ hình này, khơng làm giảm độ phức tạp mơ hình đồ thị, giảm chi phí triển khai mơ hình thực tế, đem lại hiệu cao kết tìm kiếm thơng tin địa lý Kết nghiên cứu giúp hỗ trợ việc xây dựng mơ hình đồ thị cho mạng bẫy đèn tự động giám sát rầy nâu, thí điểm tỉnh Hậu Giang 4.2 Cơ sở khoa học a Xây dựng mơ hình đồ thị dựa cấu trúc balltree Balltree [11] cấu trúc liệu nhị phân hoàn chỉnh Balltree ứng dựng nhằm mục đích mơ hình hóa liệu, hỗ trợ việc thêm xóa liệu, xử lý với khơng gian đa chiều Balltree áp dụng nhiều lĩnh vực khác như: robots, thị giác máy tính, xử lý giọng nói, lĩnh vực đồ họa Mỗi nút balltree “ball” - vùng chứa tập hợp điểm không gian Euclidean Mỗi “ball” xác định tọa độ tâm bán kính Nút gốc balltree chưa tất điểm, điểm phân chia thành tập hợp Mỗi nút balltree nút không Một nút điểm tập hợp điểm ban đầu Một nút nút chứa tập hợp điểm Trong khơng gian Euclidean, “ball” xác định hai thành phần tâm (pivot/centroid) bán kính [8] [11] [12] [13] Trên sở đó, xây dựng mơ hình đồ thị dựa cấu balltree (GMBS) sau: liệu đầu vào thơng tin vị trí địa lý cho trước không gian địa lý xác định Các vị trí địa lý xem tập liệu gồm điểm không gian Euclidean, tiến hành xây dựng cấu trúc balltree dựa vào tập liệu Hình 1: Thơng tin vị trí địa lý thực tế – Tập hợp điểm Có nhiều giải thuật xây dựng cấu trúc balltree: kd, top-down, bottom-up [11] Tùy vào mục tiêu ban đầu mà định lựa chọn giải thuật xây dựng phù hợp: đơn giản, số nút tối thiểu, Hình 2: Các giải thuật xây dựng cấu trúc balltree Mơ hình đồ thị GMBS đồ thị mà đó: đỉnh đồ thị tương ứng với vị trí địa lý, cạnh đồ thị cạnh nối hai vị trí địa lý Trong đó, cạnh đồ thị GMBS tính theo khoảng cách Euclidean, xác định dựa vào cấu trúc balltree Giả sử xét không gian địa lý xác định có vị trí địa lý (P1 – P6) hình Mỗi vị trí địa lý bẫy đèn tự động: Hình 3: Đồ thị biểu diễn mạng bẫy đèn Hình minh họa cấu trúc GMBS Đồ thị thu chứa nút, đồ thị đỉnh cô lập Đồ thị thứ chứa nút P1, P2, P3 khoảng cách nút nhỏ bán kính hoạt động r xác định trước Tương tự, ta có P4 P5 đồ thị Trong P6 đỉnh lập Hình 4: Một ví dụ GMBS b Xác định bán kính hoạt động cho đèn tự động dựa vào mơ hình đồ thị GMBS Mỗi bẫy đèn tự động có cấu trúc giống “ball” cấu trúc balltree bao gồm: tâm – vị trí đặt bẫy đèn, bán kính hoạt động để thu thập truyền tải thơng tin [14] Trên sở đó, bán kính đề xuất cho bẫy đèn dựa mơ hình GMBS sau: sau xây dựng cấu trúc balltree dựa vị trí đặt bẫy đèn, bán kính “ball” (khơng phải nút lá) cấu trúc balltree thêm vào danh sách gọi L Lập cấu trúc GMBS cho mạng bẫy đèn với bán kính danh sách L Chọn mơ hình GMBS thỏa hai điều kiện sau: mơ hình đồ thị GMBS thu đồ thị liên thơng, bán kính “ball” chọn nhỏ c Tìm kiếm k vị trí địa lý gần Tìm kiếm vị trí địa lý dựa cấu trúc balltree (Balltree based Search – BTS) thể phương pháp tìm kiếm k vị trí địa lý áp dụng hệ thống mạng điểm bẫy đèn không gian địa lý xác định Gọi: V tập hợp vị trí địa lý (bẫy đèn), Q chứa điểm láng giềng truy vấn q V, k số vị trí địa lý gần cần tìm Khi đó, Q chứa k vị trí địa lý gần truy vấn q [12]: Khoảng cách lớn từ điểm truy vấn q đến điểm thuộc Q tính theo cơng thức sau: Tương tự vậy, khoảng cách lớn có từ điểm truy vấn q đến điểm thuộc B tính theo cơng thức sau: Kết tìm kiếm vị trí địa lý là: vị trí gần khoảng cách, vị trí thu nhiều (ít) liệu nhất, vị trí tiêu hao lượng nhiều nhất,… d Tìm kiếm đường hai vị trí địa lý Tìm kiếm đường hai vị trí địa lý xem tốn tìm kiếm đường dựa đồ thị Quá trình tìm kiếm xây dựng dựa mơ hình đồ thị GMBS Gọi: V tập hợp vị trí địa lý (bẫy đèn), G mơ hình đồ thị GMBS, q vị trí ban đầu, e vị trí cần tìm đến Giải thuật tìm kiếm thực qua ba bước Bước 1: xây dựng đồ thị GMBS gọi đồ thị G Bước 2: từ mơ hình đồ thị G, xây dựng ma trận trọng số M cho vị trí địa lý V Với hai vị trí địa lý V, ta có: trọng số thu 0, trọng số thu là: Cuối cùng, tiến hành tìm kiếm đường từ q, e ma trận trọng số tạo bước hai Kết tìm kiếm đường ngắn hai vị trí địa lý xem: tìm kiếm kênh truyền liệu ngắn hai vị trí mơ hình mạng Tại đề tài chọn xây dựng mơ hình đồ thị dựa cấu trúc balltree? Qua trình nghiên cứu, cấu trúc balltree khơng hỗ trợ việc mơ hình hóa liệu mà cho kết tốt tốn tìm kiếm láng giềng gần khơng gian đa chiều (đặc biệt trường hợp số chiều lớn) Ngoài ra, cấu trúc “ball” cấu trúc balltree giống với cấu trúc cảm biến nói chung bẫy đèn tự động nói riêng Vì vậy, thơng qua GMBS xác định bán kính hoạt động cảm biến dựa yêu cầu cụ thể Về việc kiểm chứng kết cảnh báo: - Một kiểm chứng dựa cơng thức tốn học trình bày phép tốn thể báo đề cập tài liệu tham khảo - Hai kiểm chứng qua thực nghiệm: dựa vào tập liệu đầu vào thực tế, sau tiến hành xây dựng mơ hình, lựa chọn mơ hình phù hợp thực tìm kiếm mơ hình chọn Mục đích đề tài (các kết cần đạt được) Trên sở dựa vào cấu trúc balltree, đề tài xây dựng mơ hình đồ thị tìm kiếm thơng tin địa lý Từ đó, dựa mơ hình đồ thị tìm để hỗ trợ:  Xác định bán kính hoạt động tốt (theo tiêu chí tìm kiếm) cho bẫy đèn tự động  Tìm kiếm k vị trí gần  Tìm kiếm đường hai vị trí địa lý Tìm kiếm vị trí địa lý dựa mơ hình đồ thị hướng nghiên cứu quan trọng, mà tìm mơ hình đồ thị phù hợp vấn đề khó khăn Chính chúng tơi đề xuất hướng tiếp cận việc xây dựng mơ hình đồ thị dựa cấu trúc balltree - GMBS để hỗ trợ cho tìm kiếm vị trí địa lý Nội dung đề tài, vấn đề cần giải Tìm hiểu cấu trúc liệu balltree, xác định mối tương quan vị trí địa lý dựa cấu trúc balltree, đề xuất mơ hình đồ thị cho vị trí địa lý, phương pháp tìm kiếm dựa cấu trúc balltree Xây dựng mơ hình đồ thị quy mô triển khai dựa hệ thống vị trí địa lý bố trí thực tế vùng không gian địa lý xác định thành mạng vị trí địa lý (như đồ thị vơ hướng) Phân tích, xác định lựa chọn mơ hình đồ thị tốt nhất, nhằm làm giảm độ phức tạp mơ hình mạng, giảm chi phí triển khai mơ hình thực tế mà đem lại độ xác cao kết tìm kiếm vị trí địa lý • Cài đặt cơng cụ triển khai thực nghiệm - Dữ liệu đầu vào: từ nguồn liệu có sẵn - Cài đặt chức năng: o Hiển thị đồ Google xác định vị trí đối tượng đồ o Mô cấu trúc balltree o Mô mạng vị trí địa lý o Mơ hình GMBS o Xác định bán kính hoạt động cho bẫy đèn dựa vào GMBS o Hỗ trợ tìm kiếm vị trí địa lý - Thực nghiệm với liệu vị trí địa lý bẫy đèn tự động thực tỉnh Hậu Giang Đánh giá dựa kết thu Hướng phát triển đề tài Đề tài triển khai áp dụng vào thực tế thí điểm cho mạng giám sát rầy nâu tỉnh đặc thù thuộc vùng Đồng sông Cửu Long – tỉnh Hậu Giang Dựa kết ứng dụng, tiến hành thực nghiệm, xây dựng mạng bẫy đèn tự động phục vụ cho giám sát rầy nâu quy mô lớn hơn, vùng Đồng sông Cửu Long Nâng cao tốc độ tìm kiếm mơ hình lớn cách sử dụng giải thuật tìm kiếm song song ngôn ngữ CUDA Mở rộng nghiên cứu mơ hình vào lĩnh vực như: cảnh báo cháy rừng, phòng chống cháy nổ, tòa nhà cao tầng, khu công nghiệp, trung tâm thương mại… Dự kiến kế hoạch thực Thời gian thực dự kiến tháng kể từ ngày 01/01/2015, chia thành giai đoạn để thực sau: 10 Kiến Thời giannghị giảng viên hướng dẫn Tên công việc PGS.TS Huỳnh Xuân Hiệp, trưởng Khoacác Công nghệ thông Tháng Tìm hiểu tài liệu Phó cấu trúc balltree, phương pháp xây tin Truyền thông Trường Thơ dựngĐại cấuhọc trúcCần balltree Tháng - Xác định mối tương quan vị trí địa lý theo quan điểm balltree - Đề xuất mơ hình đồ thị thể mối tương quan 11 Tài liệu tham khảo vị trí địa lý theo quan điểm balltree [1]Tháng David3J Marchette,”Random Graphs Statistical Recognition”,Wiley- Tìm hiểu phương phápfortìm kiếm dựaPattern cấu trúc balltree Interscience, 2004 - Cài đặt chương trình triển khai thực nghiệm về: [2] D Panwar and S G Neogi, “DESIGN + Xây dựng mơ hình đồ OF thị ENERGY EFFICIENT ROUTING ALGORITHM FOR WIRELESS SENSOR NETWORK (WSN) USING + Xác bán kính hoạt động cho bẫy đèn PASCAL GRAPH,” pp.định 175–189, 2013 + Tìm kiếm trí địa lý [3] J Dong, Q Chen, and Z vị Niu, “Random graph theory based connectivity analysis sensor Tháng in wireless Viết báo cáonetworks luận văn with Rayleigh fading channels” 2007 AsiaPacific Conf Commun., pp 123–126, Oct 2007 Tháng Hoàn chỉnh luận văn báo cáo [4] H Munaga and V Jarugumalli, “Performance Evaluation: Ball-Tree and KDTree in the Context of MST,” arXiv Prepr arXiv1210.6122, 2012 [5] NetGen website, “A generator of concurrent systems”, http://wsn.univbrest.fr/NetGenNews/ [6] N Bhatia, “Survey of nearest neighbor techniques,” arXiv1007.0085, vol 8, no 2, pp 302–305, 2010 arXiv Prepr [7] N Kumar, L Zhang, and S Nayar, “What is a good nearest neighbors algorithm for finding similar patches in images?” Comput Vision–ECCV 2008, pp 1–14, 2008 [8] P Ram and A Gray, “Maximum inner-product search using cone trees,” Proceedings of the 18th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD '12) ACM, New York, NY, USA, 931-939 [9] S Camtepe, B Yener, and M Yung, “Expander Graph based Key Distribution Mechanisms in Wireless Sensor Networks” 2006 IEEE Int Conf Commun., pp 2262–2267, 2006 [10] S Dhanabal and Dr S Chandramathi “A Review of various k-Nearest Neighbor Query Processing Techniques” International Journal of Computer Applications 31(7), Published by Foundation of Computer Science, New York, USA, 14-22, October 2011 [11] S M Omohundro, “Five Balltree Construction Algorithms”, ICSI Technical Report, 1989 [12] T Liu, A Moore, and A Gray, “Efficient exact k-NN and nonparametric classification in high dimensions,” J Mach Learn Res , 1135-1158, 2006 [13] T Liu, A.W Moore, A.G Gray, and K Yang, “An Investigation of Practical Approximate Nearest Neighbor Algorithms”,In Proceedings of NIPS 2004 [14] V Truong, H Huynh, M Le, and A Drogoul, “Estimating the density of brown plant hoppers from a light-traps network based on unit disk graph,” Act Media Technol., pp 276–287, 2011 [15] Y Ting and K ChunJian, “An energy-efficient and fault-tolerant convergecast protocol in wireless sensor networks” International Journal of Distributed Sensor Networks, vol 2012, Article ID 429719, pages, 2012 GIÁO VIÊN HƯỚNG DẪN HỌC VIÊN CAO HỌC PGS.TS Huỳnh Xuân Hiệp Lương Hoàng Hướng ... cấu trúc liệu balltree, xác định mối tương quan vị trí địa lý dựa cấu trúc balltree, đề xuất mơ hình đồ thị cho vị trí địa lý, phương pháp tìm kiếm dựa cấu trúc balltree Xây dựng mơ hình đồ thị. .. tiêu chí tìm kiếm) cho bẫy đèn tự động  Tìm kiếm k vị trí gần  Tìm kiếm đường hai vị trí địa lý Tìm kiếm vị trí địa lý dựa mơ hình đồ thị hướng nghiên cứu quan trọng, mà tìm mơ hình đồ thị phù... Kết tìm kiếm vị trí địa lý là: vị trí gần khoảng cách, vị trí thu nhiều (ít) liệu nhất, vị trí tiêu hao lượng nhiều nhất,… d Tìm kiếm đường hai vị trí địa lý Tìm kiếm đường hai vị trí địa lý xem