• 전체
  • 전자/전기
  • 통신
  • 컴퓨터
닫기

사이트맵

Loading..

Please wait....

국내 학회지

홈 홈 > 연구문헌 > 국내 학회지 > 데이터베이스 연구회지(SIGDB)

데이터베이스 연구회지(SIGDB)

Current Result Document : 2 / 18 이전건 이전건   다음건 다음건

한글제목(Korean Title) 효율적 토석류 발생 예측을 위한 DBMS기반 지질정보시스템 설계
영문제목(English Title) Efficient Geological Information System based on DBMS to Predict Avalanche Outbreak
저자(Author) 이찬호   문봉기   정충기   Chanho LEE   Bongki Moon   Choong Ki Chung  
원문수록처(Citation) VOL 32 NO. 03 PP. 0003 ~ 0022 (2016. 12)
한글내용
(Korean Abstract)
DBMS는 날이 갈수록 발전해 나가며 수많은 분야에 특화된 여러 종류의 DBMS 들이 나오고 있지만 이 수많은 기능을 조합하여 원하는 기능을 구성하는 데는 많은 어려움이 따른다. 토석류의 발생확률을 예측하는 것도 이런 문제에 해당하는데, 토석류의 발생확률을 빠르고 정확하게 예측하기 위해서는 실시간으로 계속해서 업데이트 되는 자료인 강우량을 처리할 때 발생하는 실시간 데이터(stream data)에 대한 처리와 제일 가까운 두 지점을 찾을 때 발생하는 공간적 질의(spatial query)를 한 시스템을 통해 효율적으로 처리해야 한다. 본 논문에서는 실시간으로 업데이트 되는 데이터를 효율적으로 처리하기 위해 stream을 처리하는 여러 시스템을 비교, 평가 한 뒤 이에 대한 내용을 바탕으로 PostgreSQL에 stream에 대한 처리 능력을 더한 PipelineDB를 이용해 실시간 데이터를 효율적으로 다루고, 제일 가까운 두 지점을 찾을 때 발생하는 공간적 질의에 대해서는 PostgreSQL의 extension인 PostGIS를 통해 해결하고 이렇게 만들어진 내용을 QGIS를 통해 사용자에게 전달하고 입력받는 시스템의 구조를 구성하였다. 또 이렇게 구성한 시스템에 대해 실제 토석류의 발생확률을 예측할 때 사용되는 질의문을 던져 성능을 측정하고 여기서 얻어진 결과 값을 토대로 아무 것도 변경하지 않은 일반 DBMS를 사용한 프로그램에 비해 얼마나 성능이 좋아졌는지를 살펴보도록 하겠다.
영문내용
(English Abstract)
DBMS is advancing over the years and many of them are specialized in its own field. However, there are still many obstacles in combining and choosing these DBMS to get desired function. Predicting avalanche is one of these examples as this problem needs to efficiently process two difficult questions in one system. One is ability to execute realtime updating rainfall data which needs technology of stream data management and the other is finding closest weather observation station for each avalanche candidate site which needs spatial index to perform spatial query. In this paper we compare and evaluate several stream management system to pick best component for our system and evaluate the completed system to check its quality. Depending on survey we choose some components for our system. First, for stream data management we chose PipelineDB which is PostgreSQL with stream management system to process stream data. Second, for spatial query occurred by finding two closest point, we chose PostgreSQL extension PostGIS to settle this problem. Finally we complete our system by adding QGIS to show all the result we made from the system to users by visualizing it and accept input from them. To verify our selections, we use real query which used to predict avalanche possibility in our system and compare its results with non-modified DBMS result to show how much system made it better to get the results.
키워드(Keyword) 토석류 예측   실시간 데이터   공간적 데이터   Sensitive image search   sensitive image annotation   emotional classification  
파일첨부 PDF 다운로드