轨迹相似性对于移动对象分析来说是一个重要的指标,如何度量轨迹相似性,则是中心问题。轨迹相似性通常用一个距离函数来计算,现行比较常用的轨迹相似性度量指标有多种,而且分别有各自的优势,如何选择不同的轨迹相似性度量是进行轨迹聚类的关键。
在介绍轨迹相似性之前,先考虑如何定义点与轨迹之间的相似性[1]。假设有查询点q与轨迹A,q与A之间的相似性通常定义如下:
p'为轨迹A上按照d(.)计算距离最小的点。因此,点到轨迹的距离本质上还是计算点到点的距离,核心部分在于d(.)的定义,计算两个点距离时,可以选择L-P范数,可以选择欧氏距离,切式距离,曼哈顿距离等各种距离计算方法。对于经纬度数据,计算大圆距离显然比直接计算经纬度欧氏距离更准确。
轨迹与轨迹之间的相似度有多种经典度量指标。
- Closest-Pair Distance(CPD)
- Sum-of-Pairs Distance (SPD)
- DTW
- LCSS
- EDR
CPD距离即找出两条轨迹之间两点距离最近的两个点,以该点对的距离作为轨迹距离。计算公式如下所示: