基于特征的軌跡數(shù)據(jù)集化簡研究.pdf

1、隨著位置獲取技術(shù)、移動計算和傳感器網(wǎng)絡(luò)的不斷發(fā)展，越來越多的移動對象軌跡數(shù)據(jù)被人們所獲得。利用這些軌跡數(shù)據(jù)，各種基于位置的服務(wù)應(yīng)運而生，為人們的生活和出行提供了巨大的便利。然而面對巨大的數(shù)據(jù)規(guī)模，如何有效地化簡和壓縮這些海量的軌跡數(shù)據(jù)成為了當(dāng)前重要的研究課題。本文分別對軌跡數(shù)據(jù)壓縮和軌跡數(shù)據(jù)集化簡這兩類化簡方法進行研究，其主要工作如下：
　?。?）本文對現(xiàn)有的軌跡預(yù)處理技術(shù)進行介紹，包括軌跡噪點過濾、路網(wǎng)匹配和軌跡劃分等。重點對比

2、了當(dāng)前軌跡數(shù)據(jù)集化簡技術(shù)，并分析了當(dāng)前技術(shù)存在的問題，為本文接下來的工作打下基礎(chǔ)。
　?。?）針對軌跡數(shù)據(jù)壓縮問題，本文提出了一種基于預(yù)測模型的軌跡數(shù)據(jù)壓縮算法。我們將軌跡數(shù)據(jù)時間信息和空間信息分別進行壓縮。在空間方面，我們通過歷史數(shù)據(jù)獲得軌跡的部分匹配預(yù)測模型，以此來預(yù)測軌跡下一個可能的位置。在時間方面，我們通過歷史數(shù)據(jù)計算軌跡通行的速度模型，以此來預(yù)測移動對象進入下一路段的時間，并保證預(yù)測軌跡的時間誤差小于給定閾值，以此提高壓

3、縮效率。實驗表明本文提出的算法相對于其它的軌跡壓縮算法有較好的壓縮性能。
　?。?）針對軌跡數(shù)據(jù)集化簡問題，本文提出了基于特征的子軌跡數(shù)據(jù)集化簡方法。為了達到更好的化簡效果，我們提出了基于代表性的軌跡劃分算法，通過將軌跡特征變化劇烈的路段作為分割點，將整條軌跡劃分成若干子軌跡。隨后，我們通過子軌跡采樣算法來得到特征誤差最小的子軌跡組合，并通過軌跡數(shù)據(jù)的特征構(gòu)造了一個局部啟發(fā)式算法來加速算法收斂過程。最后，我們利用真實的軌跡數(shù)據(jù)集對