[发明专利]一种基于轨迹字典的时空轨迹压缩方法

说明书

本发明公开了一种基于轨迹字典的时空轨迹压缩方法，包括轨迹字典集的建立和基于轨迹字典集的轨迹压缩两部分。通过上述方式，本发明提供的基于轨迹字典的时空轨迹压缩方法，分别针对空间轨迹数据和时候轨迹数据，提出了3种轨迹建立方法和2种轨迹压缩算法，既保证了压缩率又能保证较高的轨迹压缩质量，具有可靠性高、准确性强等优点，同时咋数据库、数据分析、数据挖掘、轨迹数据查询与分析、轨迹数据挖掘的应用及普及上有着广泛的市场前景。

技术领域

本发明设计数据库、时空数据管理、数据分析、数据挖掘、轨迹数据分析、轨迹数据挖掘领域，特别是涉及一种基于轨迹字典集的时空轨迹压缩方法。

背景技术

由于GPS移动定位设备和无线通讯技术(如、Wi-Fi、3G等)的广泛普及，导致移动对象的轨迹数据量以指数型增长，这些轨迹数据蕴涵着丰富的信息，反映了人群移动特征和交通路况特点，对合理规划城市设施的布局、改善交通状况、规划人们行程等方面具有重大意义。但是同时，海量轨迹数据给数据存储、传输、查询及数据分析带来巨大的挑战：1)数据规模膨胀，单机轨迹数据库在处理海量轨迹时效率低下，无法支持频繁的更新和插入操作；2)轨迹查询和分析面临瓶颈，轨迹数据是高维数据，当数据量很大时，即使建立索引，查询性能也难以满足高要求；3)轨迹的误差及冗余轨迹增多，占用带宽，影响传输效率。如何在支持定位服务技术的应用前提下缩小轨迹规模，减少冗余数据，并高效存储数据以支持查询和分析，是目前面临的巨大难题。

在此背景下，轨迹压缩技术应运而生，成为解决数据快速增长的一种有效方案。轨迹压缩技术能够消除冗余和不必要的轨迹采样点以降低存储耗费，同时保留轨迹的实用性。

目前基于轨迹数据的压缩方法已有诸多工作，主要有两种类型：空间轨迹压缩算法和时空轨迹压缩算法。最早的线段简化方法，是将轨迹视为线段，在欧式空间内进行压缩，其主要思想是一条由离散点组成的曲线，通过另外一条包含更少的点的曲线来近似原始曲线，并保证与原始曲线之间的差距较小。基于此思想，轨迹压缩即是找寻一条含有更少的点的近似轨迹来代替原始轨迹，从而达到压缩轨迹的目的。典型的空间轨迹压缩算法有Douglas-Peucker(DP)算法和Bellman 算法。然而，轨迹与单纯的曲线并不完全相同，轨迹数据除了坐标外，还有时间信息。近几年，诸多学者聚焦于时空轨迹压缩算法(如TD-TR、Sliding Window Algorithm、SQUISH等)，以改进线段简化方法，使之更适合轨迹数据。上述算法的共性在于，假定移动对象在移动的过程中速度或方向保持不变，挖掘待压缩轨迹数据的时空特性，然而这种假设在现实复杂的交通状况下过于乐观，因此这些算法很难在实际应用中实现高压缩率。最近，一种基于数据驱动的压缩算法——PRESS算法提出，利用最短路径和频繁轨迹模式来压缩路网中的轨迹。PRESS正常运行的两个先决条件是：1)对象的移动活动必须限制在路网中；2)路网必须相对稳定。在条件1)的限制下，PRESS 无法对自由空间的移动对象(如动物、飞行物体等)或特定空间的轨迹(如手绘轨迹数据)进行有效压缩；对于条件2)，在某些地区，如中国的某些大城市，其路网结构会发生频繁的变化，而PRESS算法随着路网的变化，不得不重新计算所有的最短路径，耗费大量的时间，同时，PRESS算法需要记录每个路网结构的所有最短路径，需要大量的存储空间。

发明内容

本发明主要解决的技术问题是提供一种基于轨迹字典的时空轨迹压缩方法，分别针对空间轨迹数据和时候轨迹数据，提出了3种轨迹建立方法和2种轨迹压缩算法，既保证了压缩率又能保证较高的轨迹压缩质量，具有可靠性高、准确性强等优点，同时咋数据库、数据分析、数据挖掘、轨迹数据查询与分析、轨迹数据挖掘的应用及普及上有着广泛的市场前景。

为解决上述技术问题，本发明采用的一个技术方案是：提供了一种基于轨迹字典的时空轨迹压缩方法，包括轨迹字典集的建立和基于轨迹字典集的轨迹压缩两部分，具体包括以下具体步骤：

1)轨迹字典集的建立