Τα τελευταία χρόνια η ανάπτυξη τεχνολογιών GPS, RFID, τηλεμετρίας και τηλεπικοινωνιών έχει οδηγήσει σε μαζική διάδοση δεδομένων που καταγράφουν τις γεωγραφικές θέσεις κινούμενων αντικειμένων σε διάφορες χρονικές στιγμές. Η δυνατότητα εξαγωγής χρήσιμης γνώσης από τον τεράστιο όγκο δεδομένων που έχει συλλεχθεί έχει προκαλέσει έντονο ερευνητικό ενδιαφέρον για την ανάλυση των δεδομένων αυτών με αυτόματα ή ημιαυτόματα μέσα και την ανακάλυψη ενδιαφερόντων προτύπων και συσχετίσεων.
Ο σκοπός της διπλωματικής εργασίας είναι η εύρεση αντικειμένων που κινούνται σε κοντινή απόσταση από ένα δοθέν αντικείμενο για κάποιο συγκεκριμένο χρονικό διάστημα. Για την επίλυση του προβλήματος, δίνεται ιδιαίτερη έμφαση στη χρήση κατάλληλου μέτρου ομοιότητας των τροχιών, που θα αποτυπώνει με όσο το δυνατόν μεγαλύτερη ακρίβεια τη διαφορά στις κινήσεις των αντικείμενων.
Η ανάπτυξη μεθοδολογίας για την εύρεση των κ κοντινότερων κινούμενων γειτόνων στοχεύει στην αποδοτική επίλυση του προβλήματος ως προς το χρόνο εκτέλεσης, καθώς και ως προς την αξιοπιστία των αποτελεσμάτων, δηλαδή την εμφάνιση αποτελεσμάτων που είναι διαισθητικά αναμενόμενα.
Recently the development of GPS, RFID and telemetry technologies has enabled a massive distribution of trajectory data. The possibility to extract potentially useful knowledge from this huge amount of data collected has initiated considerable research studies in order to analyze these data in an automatic or semi-automatic way and discover interesting patterns and correlations.
The goal of this diploma thesis is the discovery of objects that move close together with a given query object within a time period. To solve the problem, particular emphasis is given on using an appropriate trajectory similarity measure that will accurately capture the differences in the objects’ movements.
The methodology developed to find the k nearest moving neighbors aims at solving the problem efficiently with respect to the execution time, as well as the reliability of the results, i.e. the output of results that were intuitively expected.