【论文阅读 11.4 轨迹压缩】路网感知的在线轨迹压缩算法

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

1. 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

2. 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？

1. 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）
  

2. 匹配距离（正确率）
3. 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

1. 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）
   
2. 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

1. 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

1. 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

2. 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P_i‘.r（P’是轨迹点P在路段上的投影点）移动到P_i+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p_i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。

总结