Use este identificador para citar ou linkar para este item: http://www.repositorio.ufop.br/jspui/handle/123456789/6533
Título: GeoCube : representação, computação, e visualização de cubos espaciais.
Autor(es): Rocha, Tárik de Melo e Silva
Orientador(es): Lima, Joubert de Castro
Carneiro, Tiago Garcia de Senna
Palavras-chave: Banco de dados - modelo OLAP - modelo SOLAP
Cubo de dados
Programação paralela - computação
Sistemas de informação geográfica
Data do documento: 2012
Membros da banca: Lisboa Filho, Jugurta
Pereira Junior, Álvaro Rodrigues
Santos, Haroldo Gambini
Referência: ROCHA, Tárik de Melo e Silva. GeoCube: representação, computação, e visualização de cubos espaciais. 2012. 79 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2012.
Resumo: A tecnologia SOLAP (Spatial On-Line Analytical Processing) oferece a junção das funcionalidades OLAP (Online Analytical Processing ) e SIG (Sistema de Informação Geográfica) e abre caminho para uma nova categoria de aplicações que fornecem suporte a manipulação, processamento e navegação em dados espaço-temporais organizados hierarquicamente. Os dados em um sistema OLAP são armazenados como cubos e estes são organizados segundo o conceito de dimensões, medidas e hierarquias. A materialização de um cubo de dados possui ordem de complexidade exponencial em relação ao consumo de memória e tempo de execução. Quando associamos informações espaciais ao cubo, a demanda de memória e processamento aumenta, tornando mais difícil a tarefa de oferecer respostas rápidas ao usuário. Atualmente, poucos trabalhos foram publicados na representação, computação e consulta de cubos espaço-temporais completos. As técnicas apresentadas como materialização seletiva, materialização baseada em aproximações e estruturas para indexação de regiões não oferecem soluções para computação de cubos completos e muitas vezes não podem ser aplicadas para uma grande variedade de funções de agregação espaciais. Arquiteturas de computadores baseadas em endereçamento compartilhado também não são utilizadas nos trabalhos correlatos. Nos trabalhos correlatos as hierarquias são especificadas manualmente por especialistas do domínio e muitas vezes as soluções limitam a quantidade e a variedade de medidas espaciais e não espaciais no cubo. Diante de tal cenário, é proposta uma abordagem para representação, computação e vi consulta de cubos espaço-temporais completos ou parciais, chamada GeoCube. A abordagem GeoCube pode ser executada em máquinas com múltiplos núcleos de processamento. Múltiplas funções de agregação espacial e estatística podem ser combinadas. Também é proposta uma abordagem para formação automática de hierarquias através de regras de vizinhança entre seus objetos espaciais. As regras de vizinhança podem ser definidas pelo usuário e executadas pelo GeoCube. O GeoCube já possui vizinhança nxn, onde n>1. Testes comparativos com um sistema implementado usando PostGIS e vistas materializadas mostram que a GeoCube consegue computar cubos de dados espaciais em até 1/6 do tempo gasto pela tecnologia PostGis em uma máquina com 8 núcleos de processamento.
Resumo em outra língua: SOLAP (Spatial On-Line Analytical Processing) technology offers the junction of OLAP (online analytical processing) and GIS (Geographic Information System) features, enabling the development of new applications designed for hierarchical spatio-temporal data. OLAP systems index data as data cubes. Data cube is a relational operator organized according to the concept of dimensions, hierarchies and measures. The data cube materialization has exponential complexity in terms of memory consumption and runtime. When we associate spatial information in data cube, memory and processing demand increases, turning fast responses to the user a even hard task to solve. Currently, few studies address solutions to spatio-temporal cubes representation, computation and query. Techniques as selective materialization and materialisation-based approaches used to index regions do not offer solutions for computing complete data cubes and often can not be applied to a wide variety of spatial aggregation functions. Computer architectures based on shared address are not used in related work. Faced with this scenario, we propose an approach to represent, compute and query spatiotemporal cubes, called GeoCube. GeoCube can run on machines with multi-core processors. Multiple functions, including many statistical and spatial functions, can be computed in GeoCube. GeoCube also provides a new method to automatic generate spatial hierarchies using any neighborhood calculus. Comparative tests with a system implemented using PostGIS and materialized views show that GeoCube can compute spatial data cubes six times faster on a machine with viii eight cores.
Descrição: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/handle/123456789/6533
Licença: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 13/06/2016 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Aparece nas coleções:PPGCC - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_GeoCubeRepresentaçãoComputação.pdf5,65 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons