The advancement of sensor and communication technologies has increased the demand for the analysis of trajectory data. Frequent periodic pattern mining from spatial and temporal data, one of the trajectory analysis methods, is a task of finding patterns of objects that moved with periods. When considering patterns that appeared simultaneously in a set of objects larger than a certain size, previous studies focused on dealing with only individual objects or extracting a set of individual objects with the same periodic pattern. Therefore, in this thesis, we propose group frequent periodic pattern mining considering the minimum duration of a common pattern in which multiple objects moved together. To this end, group frequent periodic pattern mining is newly defined with an additional threshold ‘minimum occurrence duration’. In addition, to reduce the increase in running time due to additional operations, we propose an algorithm SG2P that reduces database scans by using a bitmap index structure and utilizes tree-based pruning. For empirical evaluation of SG2P, the change in running time according to various thresholds was measured through a comparison between SG2P and previous studies, and performance improvement of about 68.1–97.6 % was confirmed in a real dataset.
센서 및 통신 기술의 발달로 이동경로 데이터의 분석에 대한 수요가 늘어났다. 이동경로 분석 방법의 하나인 이동경로의 빈번한 주기적 패턴 마이닝은 특정 주기를 가지고 이동하는 객체들의 패턴을 찾아내는 작업이다. 의미 있는 정보 추출을 위해서는 일정 크기 이상의 객체 집합에서 동시에 나타나는 패턴을 고려해야함에도, 선행 연구들은 개별 객체만을 다루거나 같은 주기적 패턴을 갖는 개별 객체들의 집합을 추출하는 것에 집중한다. 따라서, 본 논문에서는 다중 객체들이 함께 이동하는 기간을 고려한 그룹 빈번한 주기적 패턴 마이닝을 제안한다. 이를 위해, 추가 임곗값 ‘최소 공통 패턴 발생 기간’을 고려하여 그룹 빈번한 주기적 패턴 마이닝을 정의한다. 또한, 추가 연산으로 인한 수행시간 증가를 줄기이기 위해서 비트맵 색인 구조를 사용하여 데이터베이스 스캔을 줄이고 트리 기반 가지치기를 활용한 알고리즘 SG2P 를 제안한다. 실험적으로 다양한 임곗값에 따른 수행시간 변화를 SG2P 와 이전 연구의 비교를 통해서 측정하고, 실제 데이터에서 약 68.1–97.6 %의 성능 향상을 확인하였다.
