CN104598621B - 一种基于滑动窗口的轨迹压缩方法 - Google Patents
一种基于滑动窗口的轨迹压缩方法 Download PDFInfo
- Publication number
- CN104598621B CN104598621B CN201510053276.0A CN201510053276A CN104598621B CN 104598621 B CN104598621 B CN 104598621B CN 201510053276 A CN201510053276 A CN 201510053276A CN 104598621 B CN104598621 B CN 104598621B
- Authority
- CN
- China
- Prior art keywords
- sliding window
- point
- temp
- tracing point
- track
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种基于滑动窗口的轨迹压缩方法,首先分别计算滑动窗口中当前待压缩的轨迹点和最大偏移距离参考轨迹点到其起始轨迹点和终止轨迹点的直线的垂直距离;然后做判断:若这两个距离中的任意一个大于轨迹压缩的距离阈值,则将当前待压缩的轨迹点添加到压缩后的轨迹集中,并将当前待压缩的轨迹点作为滑动窗口的起始轨迹点设置新的滑动窗口;否则,根据这两个距离的大小,更新最大偏移距离参考轨迹点,并且将滑动窗口的当前待压缩轨迹点和终止轨迹点同时往后移一个位置。重复上述处理,直到完成所有轨迹点的压缩。本方法能够有效地加快轨迹压缩处理速度,提高运算效率,降低了算法的复杂度。
Description
技术领域
本发明涉及一种基于滑动窗口的轨迹压缩方法,属于地理信息系统(GIS)应用领域。
背景技术
近年来,随着民用GPS等定位设备在移动终端上的广泛使用以及基于位置服务(Location-Based Service,LBS)和移动社交网络(Mobile Social Network)的发展和普及,用户可以方便地获取个人位置信息,研究人员也能方便地通过位置感知设备获取轨迹路径。因此越来越多的移动对象的轨迹数据被收集并存储在移动对象数据库中,轨迹数据作为移动对象的历史活动数据,在某种程度能够体现移动对象的属性、状态、行为等内外部特征。但是这些庞大的数据量为数据的存储查询分析及传送造成很大的困难,所以对GPS数据的压缩方法的研究成为目前的一个热点问题。
GPS轨迹数据压缩的目的是在保留数据所包含的信息的前提下,尽可能的减少数据量,缩小数据所占用的存储空间。即在保证轨迹准确性的前提下,去除冗余定位点,从而减少数据量。但在简化数据点的同时,必然会丢失一定量的信息,所以目前出现的轨迹数据压缩方法,是在数据信息的准确性和数据存储空间两者之间进行权衡。
轨迹数据压缩方法一般分为两大类:一种是将移动轨迹进行分段线性化,由于其算法形式简单,计算复杂度低,是最常用的方法;另一种是非线性的轨迹拟合,非线性拟合更接近真实轨迹,但是其方法复杂,计算量大。移动物体的移动轨迹受到实际交通路网的限制,所以线性化的表示方法能够很好的描述现实中移动物体的运动状态。因此,线性化方法更适合于轨迹数据的压缩。
道格拉斯-普克算法由D.Douglas和T.Peueker于1973年提出,简称D一P算法,是目前公认的线状要素化简经典算法。该算法描述如下:将一条轨迹的初始轨迹点和终止轨迹点虚连一条直线,求出其余各轨迹点到该直线的垂直距离,选择其最大者与预先规定的阈值相比较,若小于等于阈值,则将直线两端间各轨迹点全部删去,若大于阈值,则将离该直线垂直距离最大的轨迹点保留,并以此为界,把轨迹分成两部分,对这两部分重新使用上述方法,直至最终无法做进一步的压缩为止。很多学者认为该算法是最准确的但是其处理时间过于昂贵。
滑动窗口算法是轨迹数据压缩方法的另一种方法,该算法描述如下:首先,存储该轨迹的第一个点,选择轨迹的第一个点作为滑动窗口起始轨迹点,第三个点作为滑动窗口终止轨迹点,计算滑动窗口中所有位于起始轨迹点和终止轨迹点之间的轨迹点到起始轨迹点与终止轨迹点的直线的垂直距离,如果所有距离都小于预先规定的阈值,那么滑动窗口沿轨迹序列方向向后滑动一个轨迹点,否则,若出现偏移距离大于该阈值的点,则将滑动窗口的终止轨迹点前的那个轨迹点添加到压缩后的轨迹集中,新的滑动窗口从这个轨迹点开始,继续使用上述处理方法,直到处理完成。
后来Meratnia和de基于道格拉斯-普克算法和滑动窗口算法的基础上提出一种新的算法:Normal Opening Window,该算法与滑动窗口算法不同的是将偏移距离最大的那个轨迹点作为新的滑动窗口起始轨迹点。
但是滑动窗口算法和Normal Opening Window的终止轨迹点变化时都需要计算位于滑动窗口的起始轨迹点和终止轨迹点之间的所有轨迹点到起始轨迹点与终止轨迹点的直线的垂直距离,很多学者认为这样会影响算法的运算效率,处理时间较长。
发明内容
本发明所要解决的技术问题是针对背景技术的不足,提供一种基于滑动窗口的轨迹压缩方法。
本发明为解决上述技术问题采用以下技术方案:
本发明提供一种基于滑动窗口的轨迹压缩方法,该方法包括以下具体步骤:
步骤1,初始化滑动窗口,并设置一个最大偏移距离参考轨迹点;
步骤2,分别计算滑动窗口中当前待压缩的轨迹点和最大偏移距离参考轨迹点到其起始轨迹点和终止轨迹点的直线的垂直距离;
步骤3,将这两个垂直距离与轨迹压缩的距离阈值进行比较,若这两个垂直距离中的任意一个大于轨迹压缩的距离阈值,则将当前待压缩的轨迹点添加到压缩后的轨迹集中,并将当前待压缩的轨迹点作为滑动窗口的起始轨迹点设置新的滑动窗口;否则,执行步骤4;
步骤4,根据这两个垂直距离的大小,更新最大偏移距离参考轨迹点,并且将滑动窗口的当前待压缩轨迹点和终止轨迹点同时往后移一个位置;
步骤5,重复进行步骤2至4,直至完成轨迹压缩。
作为本发明的进一步优化方案,该基于滑动窗口的轨迹压缩改进方法具体包括以下步骤:
步骤1,假设待压缩的GPS轨迹集为P={Pi},其中,Pi为第i个轨迹点,i∈[1,N],N为待压缩轨迹点的总数;令滑动窗口为{Pstart,Ptemp,Pend,Pm},其中,Pstart和Pend分别为滑动窗口的起始轨迹点和终止轨迹点,start和end分别表示滑动窗口的起始轨迹点和终止轨迹点的位置,Ptemp为滑动窗口中当前待压缩轨迹点,temp表示滑动窗口中当前待压缩轨迹点的位置;令Pm为滑动窗口中最大偏移距离参考轨迹点,轨迹压缩的距离阈值为L;
步骤2,初始化滑动窗口,令start=1,temp=start+1,end=start+2,Pm=0;同时,令压缩后的轨迹集Q={P1};
步骤3,分别计算点Ptemp和Pm到直线Pstart-Pend的垂直距离dt和dm;若Pm为0,则令dm=0;
步骤4,若步骤3中得到的dt或dm大于L,则将Ptemp添加到压缩后的轨迹集Q中,并且将Ptemp作为Pstart设置新的滑动窗口,即令start=temp,temp=start+1,end=start+2,Pm=0,进入步骤6;否则进入步骤5;
步骤5,若步骤3中得到的dt大于dm,则更新Pm,即令Pm=Ptemp;将Ptemp和Pend同时往后移一个位置,即令temp=end,end=end+1,进入步骤6;
步骤6,若end大于N,则将Ptemp添加到压缩后的轨迹集Q中,此时轨迹压缩完成;否则,返回步骤3。
作为本发明的进一步优化方案,轨迹压缩的距离阈值L=4。
作为本发明的进一步优化方案,待压缩轨迹点的总数N=5。
作为本发明的进一步优化方案,轨迹压缩的距离阈值L=5。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明在滑动窗口轨迹压缩方法中,设置一个最大偏移距离参考轨迹点,用于当前待压缩的轨迹点能否被压缩的判断中。本发明的方法不需要计算滑动窗口中的所有轨迹点到滑动窗口的起始轨迹点和终止轨迹点的直线的垂直距离,从而减少了算法的计算量,提高运算效率,降低了算法的复杂度。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明设计一种基于滑动窗口的轨迹压缩方法,该方法包括以下具体步骤:
步骤1,初始化滑动窗口,并设置一个最大偏移距离参考轨迹点;
步骤2,分别计算滑动窗口中当前待压缩的轨迹点和最大偏移距离参考轨迹点到其起始轨迹点和终止轨迹点的直线的垂直距离;
步骤3,将这两个垂直距离与轨迹压缩的距离阈值进行比较,若这两个垂直距离中的任意一个大于轨迹压缩的距离阈值,则将当前待压缩的轨迹点添加到压缩后的轨迹集中,并将当前待压缩的轨迹点作为滑动窗口的起始轨迹点设置新的滑动窗口;否则,执行步骤4;
步骤4,根据这两个垂直距离的大小,更新最大偏移距离参考轨迹点,并且将滑动窗口的当前待压缩轨迹点和终止轨迹点同时往后移一个位置;
步骤5,重复进行步骤2至4,直至完成轨迹压缩。
本发明一种基于滑动窗口的轨迹压缩方法,如图1所示,其具体内容不再赘述。
下面结合具体实施例对本发明的技术方案作进一步阐述:
1、设待压缩的GPS轨迹集为P={P1,P2,P3,P4,P5},N=5。各轨迹点位置坐标如下:P1(365.0501,228.6566),P2(383.2401,233.8736),P3(386.3001,231.3206),P4(382.9001,268.9496),P5(383.5801,314.1266);令轨迹压缩的距离阈值L=4。
2、初始化滑动窗口,令start=1,temp=2,end=3,Pm=0;并且令压缩后的轨迹集Q={P1}。
3、计算点P2到直线P1-P3的垂直距离dt=2.9;又由于Pm为0,则令dm=0。
4、由于dt和dm都小于L,且dt大于dm,则更新Pm,令Pm=P2;将Ptemp和Pend同时往后移一个点,令temp=3,end=4。
5、由于end不大于N,分别计算点P3和P2到直线P1-P4的垂直距离dt和dm,dt=18.3,dm=14.5。
6、由于dt或dm大于阈值L,则将P3添加到轨迹集Q中,并且将P3作为滑动窗口的起始轨迹点设置新的滑动窗口,令start=3,temp=4,end=5,Pm=0。
7、由于end不大于N,则计算点P4到直线P3-P5的垂直距离dt=2.16;又由于Pm为0,则令dm=0。
8、由于dt和dm都小于L,而dt大于dm,则更新Pm,令Pm=P4;将Ptemp和Pend同时往后移一个点,令temp=5,end=6。
10、由于end大于N,则将P5添加到轨迹集Q中,轨迹压缩完成,Q={P1,P3,P5}。
本发明不需要计算位于滑动窗口的起始轨迹点和终止轨迹点之间的所有轨迹点到起始轨迹点与终止轨迹点的直线的垂直距离,算法更加简单方便。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种基于滑动窗口的轨迹压缩方法,用于GPS轨迹的压缩,其特征在于,该方法包括以下步骤:
步骤1,初始化滑动窗口,并设置一个最大偏移距离参考轨迹点;
步骤2,分别计算滑动窗口中当前待压缩的轨迹点和最大偏移距离参考轨迹点到其起始轨迹点和终止轨迹点的直线的垂直距离;
步骤3,将这两个垂直距离与轨迹压缩的距离阈值进行比较,若这两个垂直距离中的任意一个大于轨迹压缩的距离阈值,则将当前待压缩的轨迹点添加到压缩后的轨迹集中,并将当前待压缩的轨迹点作为滑动窗口的起始轨迹点设置新的滑动窗口;否则,执行步骤4;
步骤4,根据这两个垂直距离的大小,更新最大偏移距离参考轨迹点,并且将滑动窗口的当前待压缩轨迹点和终止轨迹点同时往后移一个位置;
步骤5,重复进行步骤2至4,直至完成轨迹压缩。
2.根据权利要求1所述的一种基于滑动窗口的轨迹压缩方法,其特征在于,具体包括以下步骤:
步骤1,假设待压缩的GPS轨迹集为P={Pi},其中,Pi为第i个轨迹点,i∈[1,N],N为待压缩轨迹点的总数;令滑动窗口为{Pstart,Ptemp,Pend,Pm},其中,Pstart和Pend分别为滑动窗口的起始轨迹点和终止轨迹点,start和end分别表示滑动窗口的起始轨迹点和终止轨迹点的位置,Ptemp为滑动窗口中当前待压缩轨迹点,temp表示滑动窗口中当前待压缩轨迹点的位置;令Pm为滑动窗口中最大偏移距离参考轨迹点,轨迹压缩的距离阈值为L;
步骤2,初始化滑动窗口,令start=1,temp=start+1,end=start+2,Pm=0;同时,令压缩后的轨迹集Q={P1};
步骤3,分别计算点Ptemp和Pm到直线Pstart-Pend的垂直距离dt和dm;若Pm为0,则令dm=0;
步骤4,若步骤3中得到的dt或dm大于L,则将Ptemp添加到压缩后的轨迹集Q中,并且将Ptemp作为Pstart设置新的滑动窗口,即令start=temp,temp=start+1,end=start+2,Pm=0,进入步骤6;否则进入步骤5;
步骤5,若步骤3中得到的dt大于dm,则更新Pm,即令Pm=Ptemp;将Ptemp和Pend同时往后移一个位置,即令temp=end,end=end+1,进入步骤6;
步骤6,若end大于N,则将Ptemp添加到压缩后的轨迹集Q中,此时轨迹压缩完成;否则,返回步骤3。
3.根据权利要求1所述的一种基于滑动窗口的轨迹压缩方法,其特征在于,轨迹压缩的距离阈值L=4。
4.根据权利要求1所述的一种基于滑动窗口的轨迹压缩方法,其特征在于,待压缩轨迹点的总数N=5。
5.根据权利要求1所述的一种基于滑动窗口的轨迹压缩方法,其特征在于,轨迹压缩的距离阈值L=5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510053276.0A CN104598621B (zh) | 2015-02-02 | 2015-02-02 | 一种基于滑动窗口的轨迹压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510053276.0A CN104598621B (zh) | 2015-02-02 | 2015-02-02 | 一种基于滑动窗口的轨迹压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104598621A CN104598621A (zh) | 2015-05-06 |
CN104598621B true CN104598621B (zh) | 2017-10-10 |
Family
ID=53124406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510053276.0A Active CN104598621B (zh) | 2015-02-02 | 2015-02-02 | 一种基于滑动窗口的轨迹压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104598621B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105071814B (zh) * | 2015-07-29 | 2018-07-31 | 中国矿业大学 | 基于偏移量计算的在线gps轨迹数据压缩算法 |
CN105469435A (zh) * | 2016-01-20 | 2016-04-06 | 北京格灵深瞳信息技术有限公司 | 一种轨迹压缩方法及装置 |
CN105976615B (zh) * | 2016-06-15 | 2019-03-15 | 公安部第三研究所 | 实现车辆轨迹流数据异常检测的方法 |
CN106643734B (zh) * | 2016-12-30 | 2019-01-11 | 中国科学院电子学研究所 | 时空轨迹数据的分级处理方法 |
CN108344990A (zh) * | 2017-12-28 | 2018-07-31 | 中国电子科技集团公司第二十研究所 | 一种基于fmcw雷达多目标室内定位的测试方法 |
CN109917430B (zh) * | 2019-04-03 | 2021-01-22 | 安徽中科智能感知产业技术研究院有限责任公司 | 一种基于轨迹平滑算法的卫星定位轨迹漂移纠偏方法 |
CN110111568A (zh) * | 2019-04-30 | 2019-08-09 | 重庆长安汽车股份有限公司 | 自适应的路径特征点动态提取方法及计算机可读存储介质 |
CN110502596B (zh) * | 2019-08-16 | 2023-07-18 | 南京邮电大学 | 一种基于行人轨迹特征的轨迹在线滑动窗口压缩方法 |
CN110730001B (zh) * | 2019-08-27 | 2024-03-29 | 浙江海洋大学 | 一种用于船舶挂靠港的轨迹压缩方法 |
CN111708855A (zh) * | 2020-05-28 | 2020-09-25 | 哈尔滨工程大学 | 一种简化船舶轨迹的方法 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN113280819B (zh) * | 2021-05-21 | 2024-03-08 | 广东美房智高机器人有限公司 | 一种移动机器人的作业路径数据的压缩方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726292A (zh) * | 2008-10-20 | 2010-06-09 | 上海海事大学 | 一种提高电子海图客户端上船舶运动轨迹显示速度的方法 |
CN103761229A (zh) * | 2013-10-15 | 2014-04-30 | 北京航空航天大学 | 数据处理方法及装置 |
CN103795417A (zh) * | 2014-01-22 | 2014-05-14 | 复旦大学 | 一种最大误差可控的轨迹数据压缩方法 |
-
2015
- 2015-02-02 CN CN201510053276.0A patent/CN104598621B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726292A (zh) * | 2008-10-20 | 2010-06-09 | 上海海事大学 | 一种提高电子海图客户端上船舶运动轨迹显示速度的方法 |
CN103761229A (zh) * | 2013-10-15 | 2014-04-30 | 北京航空航天大学 | 数据处理方法及装置 |
CN103795417A (zh) * | 2014-01-22 | 2014-05-14 | 复旦大学 | 一种最大误差可控的轨迹数据压缩方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104598621A (zh) | 2015-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104598621B (zh) | 一种基于滑动窗口的轨迹压缩方法 | |
CN104215249B (zh) | 一种行车轨迹的平滑方法 | |
CN109167805A (zh) | 基于城市场景中车联网时空数据的分析处理方法 | |
CN108805327B (zh) | 基于虚拟现实的机器人路径规划与环境重建的方法和系统 | |
CN109285348A (zh) | 一种基于双向长短时记忆网络的车辆行为识别方法及系统 | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
CN110472467A (zh) | 基于YOLO v3的针对交通枢纽关键物体的检测方法 | |
CN106408124B (zh) | 一种面向数据稀疏环境下的移动路径混合预测方法 | |
CN104680559A (zh) | 基于运动行为模式的多视角室内行人跟踪方法 | |
CN110502596A (zh) | 一种基于行人轨迹特征的轨迹在线滑动窗口压缩方法 | |
CN109739926A (zh) | 一种基于卷积神经网络的移动对象目的地预测方法 | |
CN105066997A (zh) | 一种面向室内导航的动态路径生成方法 | |
CN101887239A (zh) | 一种自适应的工业过程最优控制系统及方法 | |
CN105512727A (zh) | 一种基于Markov的个人路径预测方法 | |
CN109829936B (zh) | 一种目标追踪的方法及设备 | |
CN105071814B (zh) | 基于偏移量计算的在线gps轨迹数据压缩算法 | |
CN109685109A (zh) | 一种基于孪生神经网络的基站标号轨迹分类方法 | |
CN105915224B (zh) | 一种基于MapReduce的并行化轨迹压缩方法 | |
Liu et al. | A novel method for predicting vehicle state in internet of vehicles | |
CN106802958B (zh) | Cad数据到gis数据的转换方法及系统 | |
CN105263149A (zh) | 移动无线传感器网络中节点自适应分布式重聚类方法 | |
CN107609509A (zh) | 一种基于运动显著性区域检测的动作识别方法 | |
CN105678246A (zh) | 一种基于基站标号轨迹的运动模式挖掘方法 | |
CN105243354A (zh) | 一种基于目标特征点的车辆检测方法 | |
CN103902100B (zh) | 用于智能手绘输入的基于速度特征的笔划分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |