方向:轨迹压缩
作者:左一萌,通讯林学练linxl@buaa.edu.cn
来源:软件学报
年份:2018
链接:
一、阅读
思路:先用下述地图匹配方法对轨迹进行匹配,得到匹配轨迹T"和未匹配轨迹T’,然后对匹配轨迹T"进行基于路网的压缩 得到压缩后的匹配轨迹T ",在最终系统中结合以上结果,加上对未匹配轨迹T’进行基于线段的压缩得到T ',得到最终压缩结果T "和T ’
二、细读
1. 十问
Q1论文试图解决什么问题?
轨迹压缩时误差较大,压缩率不够低,直接在产生轨迹的移动端压缩原始轨迹,轨迹不在路网上/路网信息不完整的匹配
Q4有哪些相关研究?如何归类?谁是这一课题在领域内值得关注的研究员?
关于
一. 轨迹压缩
- 线段简化:
- 批处理算法(道格拉斯:垂直距离)
- 在线压缩:窗口
- 单遍扫描:固定长度的区段中随机选点:误差没有上界、从形状出发框进轨迹点
- 基于路网的轨迹压缩
- 稀释-地图匹配-编码
- PRESS系统(本文对比)
- compress
Q6论文中的实验是如何设计的?
- 优化目标)轨迹的压缩率:压缩后轨迹存储量/原始轨迹存储量
调整给定距离阈值δ和压缩误差阈值ε,查看两系统压缩率的对比。
1.1 调整滑动窗口大小对本系统压缩率的影响,
1.2 对比本轨迹压缩系统Roader和对照系统press。
- press有压缩误差阈值但是没有距离阈值,因此表现在图上为如下
- 以及压缩结果占存储量的百分比(如匹配轨迹点,未匹配轨迹点,路径数据)
- 匹配距离(正确率)
- 匹配轨迹的压缩误差:轨迹点的匹配点相对压缩轨迹的对应点的距离
Q7用于定量评估的数据集是什么?代码有没有开源?
Geolife数据集和专车北京数据集,给了伪算法。
Q9这篇论文到底有什么贡献?√
首先,设计了一种距离有界的地图匹配算法(如下);
其次,基于O’Rourke算法设计了更高效的匹配轨迹压缩算法。(通过回溯)——>这个算法主要是希望匹配轨迹是连续的。
再次,设计和实现了 ROADER系统,它通过滑动窗口机制和在线地图加载技术,集成路网匹配、匹配轨迹压缩和未匹配 轨迹压缩等算法,实现了在移动端的轨迹压缩。
1. 地图匹配
- 作者在HMM的基础上,增加了距离阈值使得距离路网在该阈值内的轨迹点匹配到路段上(如1,2,3,7,8,9),否则保留原轨迹点(如4,5,6)
- 轨迹数据带t,有顺序(朝向),此为背景知识。作者对发射概率进行重定义,本文只选取 轨迹点移动方向偏离路段方向的夹角绝对值小于θ的路段作为轨迹点的候选路段。(权重系数置0)
2. 匹配轨迹压缩
基于O’rourker算法使匹配轨迹连续
3. 实现在移动端的轨迹压缩
Q10下一步呢?有什么工作可以继续深入?
2. 伪算法
- 路段匹配:
遍历轨迹点,找出轨迹点的候选路段candroad。- 若无候选路段,将轨迹点放到未匹配轨迹集中,
- 若有候选路段,判断已匹配轨迹集是否为空,
- 若为空,则当前轨迹点为开始点,将轨迹点的候选路段放到候选路径rset中,
- 若不为空,遍历产生的候选路径并计算各路径的联合概率,取最大概率路径并将当前轨迹点放到已匹配轨迹集中去,更新联合概率和候选路径rset。
3. 背景
1. 线段简化算法
-
douglas-p算法:连接起始点,计算其余点距离线段的垂直距离
td-tr算法:用同步距离代替垂直距离 -
基于隐式马尔科夫(HMM)地图匹配方法
2.1 发射概率:轨迹点P匹配到路段r上的概率,服从正态分布。
2.2 移动概率:移动对象从匹配路段Pi‘.r(P’是轨迹点P在路段上的投影点)移动到Pi+1’.r 的概率。
2.3 联合概率:二者进行计算。
如下图,每个轨迹点pi对应的实心点都是候选匹配路段,都有对应的发射概率。每两个实心点之间都有对应的转移概率。