[发明专利]轨迹压缩方法及装置

说明书

本发明公开了一种轨迹压缩方法。针对现有技术不足，本发明的解决思路是基于全局寻优的思想，对线段简化压缩所得到的特征轨迹子链进行全局优化，并综合考虑偏移角度、垂直欧几里得距离、轨迹分段数等多种影响因素，建立能够全面反映压缩结果的空间、时间特征的评价指标，从而较好地平衡压缩效率与有效信息保留、与原始轨迹尽可能相似之间的矛盾。本发明还公开了一种轨迹压缩装置。相比现有技术，本发明能够实现所有轨迹包含较多有效信息量且准确性较高的离线压缩，提升轨迹压缩的整体运行的准确效能。

技术领域

本发明涉及大数据处理技术领域，尤其涉及一种轨迹压缩方法。

背景技术

随着定位服务(Location Based Services,LBS)、全球导航卫星系统(GlobalNavigation Satellite System,GNSS)和物联网(Internet of Things,IoT)的快速发展，以及移动智能终端的不断普及，居民出行积累了海量移动轨迹数据，这对于深入挖掘隐含有价值的出行信息带来巨大的数据基础和应用前景。移动轨迹数据规模呈指数级激增，导致消耗大量的数据储存资源，基于海量移动轨迹数据的分析性能有所下降，因此轨迹压缩成为当前研究热点方向之一。

轨迹压缩是出行信息挖掘的前提，有助于管理者了解城市空间结构和交通运行状况，并为居民出行提供参考依据。目前，国内外学者针对轨迹压缩问题开展较多研究，主要可归纳为以下几大类：第一类是线段简化压缩，又可分为离线压缩和在线压缩。两种压缩方式均使用线段来近似原始轨迹，基于欧式距离对原始轨迹进行压缩，以尽可能多地减少轨迹点为目标。吴家皋等^[1]综合分析轨迹数据时空特征，实现轨迹点离线压缩；王前东^[2]提出一种基于最长公共子序列相似度量快速算法，实现轨迹压缩；Muckell等^[3]改进轨迹点优先级计算方法，基于SQUISH-E算法实现局部轨迹段压缩，减少轨迹点数量。第二类是基于路网结构的轨迹压缩，结合路网稳定结构，确保轨迹匹配到路段上，更具显示意义。江俊文等^[4]提出基于行驶特征地轨迹压缩技术；左一萌等^[5]实现了路网感知的在线轨迹压缩方法，包括压缩距离有界隐马尔可夫地图匹配算法和误差有界的高效轨迹压缩算法；Song R C等^[6]结合最小描述长度构建最优压缩路径模型，实现路网轨迹压缩。第三类是语义压缩，方便读者理解轨迹起讫点、出行路径、地理区位等信息。文献[7-8]提出语义压缩，将一条轨迹分割成若干个带语义的事件和地点，但花费更多的压缩时间；Gao C M等^[9]构建基于多分辨率同步的兴趣语义区域聚类分析模型，分层压缩轨迹。

针对轨迹压缩问题，现有研究成果较为突出，但也有一定的局限性。一方面，线段离线处理，重要的属性信息鲜有挖掘导致轨迹特征失真，由于不同的属性信息对轨迹压缩影响程度是不同的且随之变化，仅仅通过单一特征未能全面衡量轨迹，进而影响轨迹压缩精度。另一方面，离线压缩依赖于人工输入参数，而实际应用中由于没有足够的经验设置合适的参数阈值，达不到预期的压缩效果。缺乏轨迹点运动特征参数渐变分析，未能建立轨迹内部及整体的关键特征参数自适应动态优化模型，基于轨迹压缩的多维效用评价目标函数构建鲜有研究。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种轨迹压缩方法，能够实现所有轨迹包含较多有效信息量且准确性较高的离线压缩，提升轨迹压缩的整体运行的准确效能。

本发明具体采用以下技术方案解决上述技术问题：

一种轨迹压缩方法，对原始轨迹进行线段简化压缩，并对线段简化压缩所得到的特征轨迹子链进行全局优化；所述全局优化的优化模型具体如下：

J＝min(tad)