본 논문에서는 기존에 제시된 MR-tree와 SQR-tree의 장점을 결합하여 대용량 공간 데이타를 보다 효율적으로 처리할 수 있는 하이브리드 인덱스 구조인 SQMR-tree(Spatial Quad MR-tree)를 제시한다. MR-tree는 R-tree에 R-tree 리프 노드를 직접 접근해주는 매핑 트리를 적용한 인덱스 구조이고, SQR-tree는 SQ-tree (Spatial Quad-tree)와 SQ-tree의 리프 노드마다 실제로 공간 객체를 저장하는 R-tree가 결합된 인덱스 구조이다. SQMR-tree는 SQR-tree를 기본 구조로 SQR-Tree의 R-tree 마다 매핑 트리가 적용된 형태를 가진다. 따라서, SQMR-tree는 SQR-tree와 같이 공간 객체가 여러 R-tree에 분산 저장되며 질의 영역에 해당하는 R-tree만 접근하면 되기 때문에 공간 질의 처리 비용을 줄일 수 있다. 또한, SQMR-tree는 MR-tree와 같이 매핑 트리를 통해 트리 검색 없이 R-tree 리프 노드의 빠른 접근이 가능하기 때문에 검색 성능을 향상시킬 수 있다. 마지막으로 실험을 통해 SQMR-tree의 우수성을 입증하였다.
In this paper, we propose a hybrid index structure, called the SQMR-tree(Spatial Quad MR-tree) that can process spatial data efficiently by combining advantages of the MR-tree and the SQR-tree. The MR-tree is an extended R-tree using a mapping tree to access directly to leaf nodes of the R-tree and the SQR-tree is a combination of the SQ-tree(Spatial Quad-tree) which is an extended Quad-tree to process spatial objects with non-zero area and the R-tree which actually stores spatial objects and are associated with each leaf node of the SQ-tree. The SQMR-tree consists of the SQR-tree as the base structure and the mapping trees associated with each R-tree of the SQR-tree. Therefore, because spatial objects are distributedly inserted into several R-trees and only R-trees intersected with the query area are accessed to process spatial queries like the SQR-tree, the query processing cost of the SQMR-tree can be reduced. Moreover, the search performance of the SQMR-tree is improved by using the mapping trees to access directly to leaf nodes of the R-tree without tree traversal like the MR-tree. Finally, we proved superiority of the SQMR-tree through experiments.
