隨著全球定位系統(tǒng)(Global Positioning System,GPS)傳感器在智能手機(jī)、車輛、可穿戴設(shè)備中的廣泛應(yīng)用,采集的軌跡數(shù)據(jù)的規(guī)模以指數(shù)形式增長(zhǎng)。基于位置的服務(wù)利用軌跡數(shù)據(jù)為用戶提供服務(wù),但是海量的軌跡數(shù)據(jù)會(huì)給存儲(chǔ),傳輸,查詢,分析和挖掘等方面帶來巨大的挑戰(zhàn)。例如,傳輸和存儲(chǔ)原始軌跡數(shù)據(jù)會(huì)消耗太多的網(wǎng)絡(luò)帶寬和存儲(chǔ)容量,同時(shí)會(huì)增加傳感器端和服務(wù)器端的通信次數(shù),增加耗電量。另外,對(duì)海量的原始軌跡數(shù)據(jù)進(jìn)行查詢、分析、挖掘,也會(huì)出現(xiàn)延遲等問題。因此,迫切需要一種高效的軌跡數(shù)據(jù)庫(kù)壓縮技術(shù)。主流壓縮技術(shù)稱為軌跡簡(jiǎn)化,即找到近似原始軌跡的子序列,并嘗試最小化給定誤差度量下的信息丟失。盡管在過去幾十年中已經(jīng)提出了許多優(yōu)秀的軌跡壓縮算法,但仍然缺乏全面的比較來覆蓋所有最先進(jìn)的算法,并使用多種運(yùn)動(dòng)模式的真實(shí)數(shù)據(jù)集來評(píng)估軌跡壓縮算法的壓縮質(zhì)量。因此,GPS數(shù)據(jù)采集器在具體應(yīng)用中確定合適的軌跡壓縮算法仍然是一個(gè)挑戰(zhàn)。此外,幾乎整個(gè)以前的方法都使用基于誤差的度量來評(píng)估壓縮質(zhì)量,忽略了它們?cè)趬嚎s之后的數(shù)據(jù)庫(kù)之上支持時(shí)空查詢的準(zhǔn)確性�？偠灾�,對(duì)已有的軌跡壓縮領(lǐng)域的研究,缺乏全面的對(duì)比研究與實(shí)驗(yàn)分析...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 軌跡壓縮研究現(xiàn)狀
        1.2.1 無損壓縮
        1.2.2 有損壓縮
            1.2.2.1 軌跡簡(jiǎn)化算法
            1.2.2.2 基于路網(wǎng)結(jié)構(gòu)的軌跡壓縮
            1.2.2.3 語義壓縮
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 問題定義
    2.1 軌跡的基本概念
    2.2 基于誤差的度量
        2.2.1 垂直歐式距離
        2.2.2 同步歐式距離
        2.2.3 方向感知距離
        2.2.4 速度誤差
        2.2.5 累積平方同步歐式距離
        2.2.6 累積角度偏差
    2.3 數(shù)據(jù)可用性
        2.3.1 時(shí)空查詢
            2.3.1.1 基于窗口的空間范圍查詢
            2.3.1.2 基于窗口的軌跡距離相交查詢
            2.3.1.3 基于窗口的6)NN查詢
            2.3.1.4 軌跡聚類
        2.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 本章小結(jié)
第三章 軌跡簡(jiǎn)化算法
    3.1 離線壓縮算法
        3.1.1 Bellman算法
        3.1.2 DP算法
        3.1.3 DPhull算法
        3.1.4 TD-TR算法
        3.1.5 MRPA算法
        3.1.6 SP算法
        3.1.7 Error-Search算法
    3.2 在線壓縮算法
        3.2.1 Uniform算法
        3.2.2 OPW算法
        3.2.3 OPW-TR算法
        3.2.4 Dead Reckoning算法
        3.2.5 CDR算法
        3.2.6 Threshold算法
        3.2.7 STTrace算法
        3.2.8 SQUISH算法
        3.2.9 SQUISH-E算法
        3.2.10 Persistence算法
        3.2.11 BQS算法
        3.2.12 Angular算法
        3.2.13 OPERB算法
        3.2.14 DOTS算法
    3.3 本章小結(jié)
第四章 實(shí)驗(yàn)結(jié)果與分析
    4.1 數(shù)據(jù)集
    4.2 壓縮時(shí)間分析
        4.2.1 離線壓縮時(shí)間及結(jié)果分析
        4.2.2 在線壓縮時(shí)間及結(jié)果分析
    4.3 壓縮誤差分析
        4.3.1 離線壓縮算法誤差分析
        4.3.2 在線壓縮算法誤差分析
    4.4 壓縮誤差隨壓縮率變化趨勢(shì)分析
        4.4.1 離線壓縮誤差隨壓縮率變化趨勢(shì)分析
        4.4.2 在線壓縮誤差隨壓縮率變化趨勢(shì)分析
    4.5 數(shù)據(jù)可用性分析
        4.5.1 實(shí)驗(yàn)設(shè)置
        4.5.2 實(shí)驗(yàn)評(píng)估
            4.5.2.1 離線壓縮算法查詢性能分析
            4.5.2.2 在線壓縮算法查詢性能分析
            4.5.2.3 時(shí)空查詢性能隨參數(shù)變化趨勢(shì)
    4.6 時(shí)空查詢性能與誤差度量相關(guān)性分析
    4.7 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻碩期間取得的研究成果



本文編號(hào)：3823247