大规模时空数据库中接触者追踪查询的高效索引
数据库
2020-08-11 v4
摘要
在本文中，我们研究了一种新颖的接触者追踪查询（CTQ），该查询从大规模时空数据库中找出与查询用户曾发生 ，或在后续时间戳与 的用户。在COVID-19大流行的新世界中，CTQ对于寻找可能的潜在COVID-19暴露患者名单至关重要。回答CTQ的直接方法是使用传统时空索引。然而，这些索引无法达成目的，因为每个用户在疾病潜在传播的时间跨度内覆盖大面积区域，因而难以使用高效的剪枝技术。我们提出了一种多级索引，即QR-tree，它同时考虑空间覆盖和共同访问模式来分组用户，使得可能与查询用户相遇的用户被归为一组。更具体地，我们使用四叉树（quadtree）根据用户轨迹的空间和时间进行划分，然后利用这些用户轨迹的时空映射通过R-tree对用户分组。QR-tree有助于高效剪枝，并仅能访问可能作为CTQ候选答案的用户集。使用真实数据集的实验显示了我们方法的有效性。
引用
@article{arxiv.2006.12812,
title = {An Efficient Index for Contact Tracing Query in a Large Spatio-Temporal Database},
author = {Mohammed Eunus Ali and Shadman Saqib Eusuf and Kazi Ashik Islam},
journal= {arXiv preprint arXiv:2006.12812},
year = {2020}
}