一、一个动机
保护方向信息的方向保持轨迹简化(DPTS)已被证明表现良好,而现有关于 DPTS 的研究 要求用户指定一个容错,在某些情况下用户可能不知道如何正确设置(例如,容错只能在未来某个时间知道,简单地设置一个容错不能满足需要)因为简化的轨迹通常会在许多不同的应用程序中使用,这些应用程序接受不同的误差容限);
现有的基于位置的轨迹压缩算法,虽然能保证距离误差,但不能保证方向,而基于方向的轨迹压缩算法既能保证方向,也能保证距离;
所以,作者把 根据指定方向误差阈值压缩 这一 Min-Size 问题转换成了 根据指定压缩率寻得达到目标的最小方向误差,即 Min-Error 问题;简单来说,给出了一个存储预算,表示要存储的简化轨迹的最大大小(请注意,存储预算意味着压缩率要求),目标是最小化简化轨迹的误差;
二、两个思想
- 为了 精确 解决最小化误差问题,探索了 动态规划和二分法 的思想,产生了两种不同的算法,时间复杂度分别为: O ( W N 3 ) O(WN^3) O(WN3) 和 O ( C N 2 l o g N ) O(CN^2logN) O(CN2logN),其中 W 为存储预算、C 小常数、N 为轨迹长度;
- 为了降低时间复杂度,开发了一种近似算法:该算法在 O(NlogN) 时间内运行,给出答案的近似值;
三、算法原理
3.1 问题定义
对于文章 Sec 2
Min-Error 问题:给定一条轨迹 T 和一个正整数 W(存储预算) ,最小误差问题是找到 T 的简化 T ’ 使得 |T '|≤W 和 ε(T ') 被最小化;
对于上面那个例子,如果 W=3
,并且 T'=(p1,p5,p8)
就是最优解,因为我们找不到任何其他的 T 的简化,其大小最多为 3,其误差小于
ε
(
T
′
)
(
=
0.785
)
ε(T') (= 0.785)
ε(T′)(=0.785);
Paper notations
3.2 精确算法
对于给定的原始轨迹 T 和存储预算 W,那么 F 是所有简化轨迹的集合,即 F 包含 W 的指数个简化轨迹,每个简化轨迹有 W 个点;
如何转换为动态规划问题
- 如果 T ′ = ( p s 1 , p s 2 , . . . , p s m ) T'=(p_{s1},p_{s2},...,p_{sm}) T′=(ps1,ps2,...,psm)是 输入 T [ S 1 : n ] T[S_{1}:n] T[S1:n] 和 W W W 的最优解,那么 T ′ ′ = ( p s 2 , . . . , p s m ) T''=(p_{s2},...,p_{sm}) T′′=(ps2,...,psm) 就是 T [ S 2 : n ] T[S_{2}:n] T[S2:n] 和 W − 1 W-1 W−1 的最优解;
- 如果把它认为是一个函数
func
,那么func(1,n,W)=func(2,n,W-1)+Psi
;
怎么把 O ( n 3 ) O(n^3) O(n3)优化为 O ( n 2 l o g n ) O(n^2logn) O(n2logn)
- Let E be the set containing all ε ( p i p j ) ε(pipj) ε(pipj) 's for 1 ≤ i < j ≤ n, i.e., E = ε ( p i p j ) ∣ 1 ≤ i < j ≤ n E=ε(pipj)∣1≤i<j≤n E=ε(pipj)∣1≤i<j≤n. Note that ∣ E ∣ = O ( n 2 ) ∣E∣=O(n2) ∣E∣=O(n2),如果直接用 ε ( p s k p s k + 1 ) = M A X s k ≤ h < s k + 1 △ ( θ ( p s k p s k + 1 ) , θ ( p h p h + 1 ) ) ε(pskpsk+1)=MAXsk≤h<sk+1 △(θ(pskpsk+1),θ(phph+1)) ε(pskpsk+1)=MAXsk≤h<sk+1△(θ(pskpsk+1),θ(phph+1)),那么整个复杂度为 O ( n 3 ) O(n^3) O(n3);提出 基于 相反方向 的概念,降低它的复杂度为 O ( n 2 l o g n ) O(n^2logn) O(n2logn);
- 既然 ε ( p i p j ) ε(pipj) ε(pipj) 对应于 θ ( p i p j ) θ(pipj) θ(pipj) 和 θ [ i : j ] θ[i:j] θ[i:j] 方向之间的最大角度差。因此,计算 ε ( p i p j ) ε(pipj) ε(pipj) 可以通过在 θ [ i : j ] θ[i:j] θ[i:j] 中找到与 θ ( p i p j ) θ(pipj) θ(pipj) 角度差最大的方向来完成,这个方向表示为 θ ∗ θ∗ θ∗;
- 那么,现在的要点是如何快速地找到 θ ∗ θ∗ θ∗;
-
θ
(
p
i
p
j
)
−
θ(pipj)−
θ(pipj)− 是
θ
(
p
i
p
j
)
θ(pipj)
θ(pipj) 相反的方向,
θ
(
p
i
p
j
)
−
=
[
(
θ
(
p
i
p
j
)
+
π
)
m
o
d
2
π
]
θ(pipj)−=[(θ(pipj)+π)mod2π]
θ(pipj)−=[(θ(pipj)+π)mod2π],那么
θ
∗
θ∗
θ∗ 就是与
θ
(
p
i
p
j
)
−
θ(pipj)−
θ(pipj)− 角度差最小的方向,如图5所示:
θ ( p 2 p 3 ) θ(p2p3) θ(p2p3) 是 θ [ 1 : 5 ] θ[1:5] θ[1:5] 中与 θ ( p 1 p 5 ) θ(p1p5) θ(p1p5) 的角度差最大的方向,它也是与 θ ( p 1 p 5 ) − θ(p1p5)− θ(p1p5)− 角度差最小的方向; - 分两步搜索
θ
∗
θ∗
θ∗:
- 首先按升序排列 θ [ i : j ] θ[i:j] θ[i:j] 里的方向,排序结果为 θ 1 , θ 2 , θ 3 , . . . , θ j − 1 θ1,θ2,θ3,...,θj−1 θ1,θ2,θ3,...,θj−1,这里是 O ( n l o g n ) O(nlogn) O(nlogn) 的成本;
- 然后在排序的列表中找到与 θ ( p i p j ) − θ(pipj)− θ(pipj)− 有最小角度差的方向,即 θ ∗ θ∗ θ∗,排序列表找符合条件的某个元素 => 二分查找 l o g n logn logn;
- 总的来说就是,先对所有的
θ
(
p
1
p
2
)
,
θ
(
p
2
p
3
)
,
.
.
.
,
θ
(
p
n
−
1
p
n
)
θ(p1p2),θ(p2p3),...,θ(pn−1pn)
θ(p1p2),θ(p2p3),...,θ(pn−1pn) 按照角度升序排序 =
O
(
n
l
o
g
n
)
O(nlogn)
O(nlogn),排序完就定了,这个不需要反复执行;然后对
O
(
n
2
)
O(n2)
O(n2) 个
ε
(
p
i
p
j
)
ε(pipj)
ε(pipj) 实例执行计算,每次计算都是找对应实例的
θ
∗
θ∗
θ∗,每次的成本为
l
o
g
n
logn
logn,因此总成本为
O
(
n
l
o
g
n
+
n
2
l
o
g
n
)
=
O
(
n
2
l
o
g
n
)
O(nlogn+n^2logn)=O(n^2logn)
O(nlogn+n2logn)=O(n2logn);这个地方很关键;原文如下:
3.3 近似算法 Span-Search
Span-Search:跨度搜索用于解决最小误差问题,该算法在 O ( n l o g 2 n ) O(nlog2n) O(nlog2n) 时间内运行并给出因子近似值; Min-Span 的新问题,其最优解对应于 Min-Error 问题的 2 因子近似;
Span:角度范围 [ θ 1 , θ 2 ] [θ1,θ2] [θ1,θ2] 的跨度 -> ξ ( [ θ 1 , θ 2 ] ) ξ([θ1,θ2]) ξ([θ1,θ2])
ξ ( [ θ 1 , θ 2 ] ) = { θ 2 − θ 1 if θ 2 ≥ θ 1 2 π − ( θ 1 − θ 2 ) if θ 2 < θ 1 ξ([θ1,θ2])= \begin{cases} \theta_2 - \theta_1 & \text{ if } \theta_2 \ge \theta_1 \\ 2\pi-(\theta_1 - \theta_2) & \text{ if } \theta_2 < \theta_1 \end{cases} ξ([θ1,θ2])={θ2−θ12π−(θ1−θ2) if θ2≥θ1 if θ2<θ1
ξ ( [ θ 1 , θ 2 ] ) ξ([θ1,θ2]) ξ([θ1,θ2]) 始终>= 0,并且 ξ ( [ θ 1 , θ 2 ] ) + ξ ( [ θ 2 , θ 1 ] ) = 2 π ξ([θ1,θ2]) + ξ([θ2,θ1]) = 2\pi ξ([θ1,θ2])+ξ([θ2,θ1])=2π
Let D be the set of the directions of all possible segments in T , i.e., D = θ [ 1 : n ] D = θ[1 : n] D=θ[1:n]. Note that ∣ D ∣ = n − 1 |D|= n−1 ∣D∣=n−1,就是说 |D| 中段的个数为 n-1 段;
举例:下图中 D ′ = θ [ 1 : 5 ] = { θ ( p 1 p 2 ) , θ ( p 2 p 3 ) , θ ( p 3 p 4 ) , θ ( p 4 p 5 ) } D' = θ[1:5] = \{θ(p1p2), θ(p2p3), θ(p3p4), θ(p4p5)\} D′=θ[1:5]={θ(p1p2),θ(p2p3),θ(p3p4),θ(p4p5)}, m c a r ( D ′ ) = [ θ ( p 2 p 3 ) , θ ( p 3 p 4 ) ] mcar(D')=[θ(p2p3),θ(p3p4)] mcar(D′)=[θ(p2p3),θ(p3p4)],因为后者覆盖了 D ′ D' D′ 中的所有方向;
请注意, m c a r ( D ′ ) mcar(D') mcar(D′) 的两个边界始终来自 D ′ D' D′,否则范围可能会进一步缩小并且它没有最小跨度;
以一个轨迹为例:
3.3 跨度搜索概述
成对方向差异: Θ [ i ] [ j ] = θ j − θ i Θ[i][j]= \theta_j - \theta_i Θ[i][j]=θj−θi if j ≥ i j \ge i j≥i,否则 Θ [ i ] [ j ] = 2 π − ( θ i − θ j ) Θ[i][j]=2\pi-(\theta_i-\theta_j) Θ[i][j]=2π−(θi−θj),确保 Θ Θ Θ 均大于0;
下面就是一系列时间复杂度的证明,证明 Span-Search 的复杂度为 O ( n l o g 2 n ) O(nlog^2n) O(nlog2n),公式太多,就不多叙述了,有需要的自行深入分析;
四、实验部分
本文比较的是两个经典的算法:
- wavelet transformation 小波变换,时序数据处理的经典算法
- DP 算法,轨迹数据压缩的经典算法
数据集也是经典的很多人用的数据集:
- Geolife:Geolife3 记录了 182 名用户在 5 年内的户外活动;
- T-Drive:-Drive4 是北京的一组出租车轨迹;
允许时间比 DP 快,我也是有些质疑,DP的复杂度为 O ( n 2 ) O(n^2) O(n2),而作者的精确算法复杂度为 O ( n 2 l o g n ) O(n^2logn) O(n2logn),按理说应该没有 DP 快;
误差衡量一般都是选取对自身有利的指标,想这里它选取的就是方向误差,因为它是基于方向的轨迹压缩算法,而 DP 是基于 PED 距离的轨迹压缩算法,作者应该选取另一个 基于方向 的算法作为基线比较,或者与DP算法再比较一下 PED 误差;
五、最后总结
- 这篇文章思想是以角度误差为指标来进行轨迹压缩,精确的算法(动态规划)复杂度较高 O ( n 3 ) O(n^3) O(n3),可以用二分优化,复杂度为 O ( n 2 l o g n ) O(n^2logn) O(n2logn);后面提供一种近似算法,具有很低的时间复杂度 O ( n l o g 2 n ) O(nlog2n) O(nlog2n);
- 感觉这篇文章的原理,即使用角度误差为指标进行压缩 不算难,仔细一看就能懂,比较难的是近似算法的证明那部分,这种优化的思路可以学习;
- 由于我的目的在于浮现他的算法,所以懂了精确算法部分的原理就够了,不考虑时间复杂度,后续有时间再考虑把近似算法也搞出来吧;