2026-05-05T10:09:57Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/44712022-03-01T13:56:11Zcom_10324_30605com_10324_894col_10324_41
Aplicación de técnicas de aprendizaje automático a la gestión y optimización de cachés de teselas para la aceleración de servicios de mapas en las infraestructuras de datos espaciales
García Martín, Ricardo
Castro Fernández, Juan Pablo de
Verdú Pérez, María Jesús
La gran proliferación en el uso de servicios de mapas a través de la Web ha motivado la
necesidad de disponer de servicios cada vez más escalables. Como respuesta a esta necesidad,
los servicios de mapas basados en teselado se han perfilado como una alternativa escalable
frente a los servicios de mapas tradicionales, permitiendo la actuación de mecanismos de
caché o incluso la prestación del servicio mediante una colección de imágenes pregeneradas.
Sin embargo, los requisitos de almacenamiento y tiempo de puesta en marcha de estos
servicios resultan a menudo prohibitivos cuando la cartografía a servir cubre una zona
geográfica extensa para un elevado número de escalas.
Por ello, habitualmente estos servicios se ofrecen recurriendo a cachés parciales que
contienen tan solo un subconjunto de la cartografía. Para garantizar una Calidad de Servicio
(QoS - Quality of Service) aceptable es necesaria la actuación de adecuadas políticas de
mantenimiento y gestión de estas cachés de mapas: 1) Estrategias de población inicial ó
seeding de la caché. 2) Algoritmos de carga dinámica ante las peticiones de los usuarios. 3)
Políticas de reemplazo de caché.
Sin embargo, existe un reducido número de estas estrategias que sean específicas para los
servicios de mapas. La mayor parte de estrategias aplicadas a estos servicios son extraídas
de otros ámbitos, como los proxies Web tradicionales, las cuáles no tienen en cuenta la
componente espacial de los objetos de mapa que gestionan.
En la presente tesis se aborda este punto de mejora, diseñando nuevos algoritmos específicos para este dominio de aplicación que permitan optimizar el rendimiento de los
servicios de mapas. Dado el elevado número de objetos gestionados por estas cachés y la
heterogeneidad de los mismos en cuanto a capas, escalas de representación, etc., se ha hecho
un esfuerzo para que las estrategias diseñadas sean automáticas o semi-automáticas,
requiriendo la menor intervención humana posible.
Así, se han propuesto dos novedosas estrategias para la población inicial de una caché de
mapas. Una de ellas utiliza un modelo descriptivo mediante los registros de peticiones pasadas
del servicio. La otra se basa en un modelo predictivo para la identificación de fenómenos
geográficos directores de las peticiones de los usuarios, parametrizado o bien mediante un
análisis regresivo OLS (Ordinary Least Squares) o mediante un sistema inteligente con redes
neuronales.
Asimismo, se han llevado a cabo importantes contribuciones en relación con las estrategias
de reemplazo de estas cachés. Por una parte, se ha propuesto un sistema inteligente
basado en redes neuronales, que estima la popularidad de acceso futuro en base a ciertas
propiedades de los objetos que gestiona: actualidad de referencia, frecuencia de referencia,
y el tamaño de la tesela referenciada. Por otra parte, se ha propuesto una estrategia, bautizada
como Spatial-LFU, la cual es una variante de la estrategia Perfect-LFU, simplificada
aprovechando la correlación espacial existente entre las peticiones.
2013
info:eu-repo/semantics/doctoralThesis
spa
Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
http://uvadoc.uva.es/handle/10324/4471
https://uvadoc.uva.es/bitstream/10324/4471/1/TESIS416-131213.pdf
9c2c82dcc1f05d96ac76f57d70d2ca95
https://uvadoc.uva.es/bitstream/10324/4471/5/license.txt
909e634ba52becf192e4e9b4bcde7863
Attribution-NonCommercial-NoDerivatives 4.0 International
Redes neuronales (Informática)
Imágenes, Tratamiento de las
10.35376/10324/4471