Denormalization Method in Geographical Information Systems Search Process where Spatial Data is Frequently Updated

Abstract

Geographic Information Systems (GIS) is a decision support system that allows operations such as collecting, storing, updating, controlling, analyzing and displaying information in spatial data format. GIS is widely used in web and mobile platforms due to its interest in different disciplines and especially due to developments in computer technology. People using these technologies want to access the information they are looking for instantly and up-to-date and prefer to use GIS applications that enable this. For this reason, in GIS systems where spatial data are frequently updated, it is important to perform the searches quickly and to provide up-to-date information to the user. In the GIS system, spatial data consist of geometry data types such as point, line and polygon, and searching in different tables at the same time is a difficult problem since they are usually kept in different tables in the database according to the geometry data type. In database design, the operations performed to speed up the reading from the database by adding unnecessary features or combining features are defined as denormalization. In this study, a new denormalization-based system is proposed to accelerate the search processes in the GIS system where spatial data are frequently updated. In the system proposed in this study, spatial data belonging to Kayseri Metropolitan Municipality was used in the Oracle database. In the proposed denormalization-based system, spatial data kept in different tables and frequently updated are kept in a generalized table for fast search operations, and these data are kept up to date with database operations. The proposed system is compared with normalization-based search method on real data. Experimental results show that the proposed denormalization-based system gives faster results than the normalization-based system

Keywords

• Spatial data
• Geographic information system (GIS)
• General search
• Denormalization

Mekânsal Verilerin Sıklıkla Güncellendiği Coğrafi Bilgi Sistemleri Arama İşleminde Denormalizasyon Yöntemi

Abstract

Coğrafi Bilgi Sistemleri (CBS), nesnelere ait öznitelik bilgilerine ilaveten nesnelerin konumlarını mekânsal veri formatında toplama, saklama, düzenleme, görüntüleme, kontrol ve analiz etme gibi işlemlerin sunulduğu karar destek sistemidir. CBS, farklı disiplinleri ilgilendirmesinden dolayı ve özellikle bilişim teknolojilerinde yaşanan gelişmeler ile web ve mobil platformlarda yaygın olarak kullanılmaktadır. Bu teknolojileri kullanan insanlar aradıkları bilgilere anında ve güncel haline ulaşmak istemekte ve buna olanak sağlayan CBS uygulamalarını kullanmayı tercih etmektedir. Bu sebepten dolayı mekânsal verilerin sıklıkla güncellendiği CBS sistemlerinde arama işlemlerinin hızlıca yapılması ve kullanıcıya güncel bilgilerinin sunulması önem arz etmektedir. CBS sisteminde ise mekânsal veriler nokta, çizgi ve poligon gibi geometri veri tiplerinden oluşur ve genellikle geometri veri tipine göre veritabanında farklı tablolarda tutulduğundan dolayı farklı tablolarda aynı anda arama işlemi zor bir problemdir. Veritabanı tasarımında, ihtiyaç olmayan özellikler ekleyerek veya özellikleri bir araya getirerek veritabanı cevap verme süresini azaltmak için yapılan işlemler denormalizasyon olarak tanımlanır. Bu çalışmada, mekânsal verilerin sıklıkla güncellendiği CBS sisteminde arama işlemlerinin hızlanması için denormalizasyon tabanlı yeni bir sistem önerilmiştir. Bu çalışmada önerilen sistemde Oracle veritabanında Kayseri Büyükşehir Belediyesine ait mekânsal veriler kullanılmıştır. Önerilen denormalizasyon tabanlı sistemde, farklı tabloda tutulan ve sıklıkla güncellenen mekânsal veriler arama işlemlerinin hızlı yapılması için genelleştirilmiş bir tabloda tutulmuştur ve veritabanı işlemleri ile bu verilerin güncelliği sağlanmıştır. Önerilen sistem gerçek veriler üzerinde normalizasyon tabanlı arama yöntemi ile karşılaştırılmıştır. Deneysel sonuçlar, önerilen denormalizasyon tabanlı sistemin normalizasyon tabanlı sisteme göre daha hızlı sonuçlar verdiğini göstermiştir.

Keywords

• Mekânsal veriler
• Coğrafi bilgi sistemi (CBS)
• Genel arama

References

1. Ahmet, U., Özmen, H. B., & Uyguçgil, H. (2019). Coğrafi Bilgi Sistemleri Ağ Analizinde Anlık Dinamik Sorgulama Simülasyonu. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 19(3), 743-749.
2. Beeri, C., Bernstein, P. A., & Goodman, N. (1989). A sophisticate's introduction to database normalization theory. In Readings in Artificial Intelligence and Databases (pp. 468-479). Morgan Kaufmann.
3. Bello, R. G., Dias, K., Downing, A., Feenan, J., Finnerty, J., Norcott, W. D., & Ziauddin, M. (1998, August). Materialized views in Oracle. In VLDB (Vol. 98, pp. 24-27).
4. Cavique, L., Cavique, M., & Gonçalves, A. (2019, April). Extraction of fact tables from a relational database: an effort to establish rules in denormalization. In World Conference on Information Systems and Technologies (pp. 936-945). Springer, Cham.
5. Date, C. J. (2019). Denormalization. In Database Design and Relational Theory (pp. 161-182). Apress, Berkeley, CA.
6. Hay, M., Zhou, Y., Chen, Y., Friedman, M. A., & Sahib, S. K. (2020). U.S. Patent Application No. 16/411,107.
7. Kanlı, İ. B., & Kaplan, B. (2018). Kentsel Güvenliğin Sürdürülebilirliğinde İleri Teknolojilerin Kullanılması: Coğrafi Bilgi Sistemleri. TESAM Akademi, 143-186.
8. Karnitis, G., & Arnicans, G. (2015, June). Migration of relational database to document-oriented database: Structure denormalization and data transformation. In 2015 7th International Conference on Computational Intelligence, Communication Systems and Networks (pp. 113-118). IEEE.

9. Li, G. (2010, December). Research of key technologies on encrypting vector spatial data in oracle spatial. In 2010 2nd International Conference on Information Engineering and Computer Science (pp. 1-4). IEEE.
10. Pogodaev, A., & Ryzhkova, D. (2020, November). Developing Method to Optimize Queries in Denormalized Databases. In 2020 2nd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA) (pp. 687-691). IEEE.
11. Powell, G. (2006). Beginning database design. John Wiley & Sons.
12. Shankar, K. R., & Nagarajan, G. (2018). Automatic Denormalization of Databases.
13. Shekhar, S., Chawla, S., Ravada, S., Fetterer, A., Liu, X., & Lu, C. T. (1999). Spatial databases-accomplishments and research needs. IEEE transactions on knowledge and data engineering, 11(1), 45-55.
14. Sheha, M. A., Sheha, A., & Petilli, S. (2006). U.S. Patent No. 7,082,365. Washington, DC: U.S. Patent and Trademark Office.
15. Tasyurek, M., & Celik, M. (2020). RNN-GWR: A geographically weighted regression approach for frequently updated data. Neurocomputing, 399, 258-270.
16. Taşyürek, M., & Çelik, M. (2021). FastGTWR: Hızlı coğrafi ve zamansal ağırlıklı regresyon yaklaşımı. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 36 (2), 715-726. DOI: 10.17341/gazimmfd.757131
17. Tecim, V. (2008). Coğrafi bilgi sistemleri: Harita tabanlı bilgi yönetimi. Vahap Tecim.
18. Uzun, E., Buluş, H. & Erdoğan, C. (2018). Veritabanı Tasarımının Yazılım Performansına Etkisi: Normalizasyona karşı Denormalizasyon. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22 (2), 887-895.
19. Yu, T. F., Raitto, J., Panchapagesan, B., Lawande, S., & Bello, R. G. (2011). U.S. Patent No. 7,930,297. Washington, DC: U.S. Patent and Trademark Office.
20. Zhang, Y., Wang, S., & Lu, J. (2018). Fusion OLAP: Fusing the Pros of MOLAP and ROLAP Together for In-memory OLAP. IEEE Transactions on Knowledge and Data Engineering, 31(9), 1722-1735.