CN110097074A - 一种基于序列相似度的车辆轨迹压缩方法 - Google Patents

Abstract

本发明公开了一种基于序列相似度的车辆轨迹压缩方法。本方法为：1)将单位时间内同一标识ID的车辆的轨迹合成为一条长轨迹；该长轨迹为Trajectory_ID＝{(l₁,t₁),(l₂,t₂),…,(l_n,t_n)}，其中，第n次采集的信息包括位置l_n、时间信息t_n，记为采集点(l_n，t_n)；2)根据设定的速度阈值对该长轨迹进行切割，得到多条分段轨迹；3)基于分段轨迹之间的序列相似度，对该长轨迹进行全局轨迹压缩。本发明大大节约了存储开销。

Description

一种基于序列相似度的车辆轨迹压缩方法

技术领域

本发明涉及数据挖掘领域，提出了一种基于序列相似度匹配的车辆轨迹压缩方法，通过压缩含有相似子序列的轨迹来减小存储开销。

背景技术

车辆轨迹数据中蕴含的轨迹信息具有重要的理论和应用价值。随着社会经济技术水平的飞速发展，车辆的数量日益增多，出于记录车辆的违规行为等目的，已在众多道路交通路口安置采集车辆信息的摄像头。其中，记录的常用信息有汽车车牌、此摄像头的具体地理位置编号以及采集数据的时间。独一无二的汽车车牌作为汽车的标识，摄像头的具体位置编号可作为被采集汽车的地理位置，采集时间是时间戳的格式，基于众多采集摄像头的数据以及采集时间的先后顺序可以构建出任一汽车的车辆的轨迹。

由于车辆以及摄像头数目众多，通过摄像头采集数据整合后的车辆轨迹量极大，而且由于整合方案仅基于时间先后拼接地理位置编号作为整条汽车轨迹，使得轨迹出现大量冗余。为了减少车辆轨迹数据的存储空间，提高数据传输和数据分析速度，需要将长串的轨迹进行压缩。

发明内容

基于此现状，本发明为了实现将可能含有重复路线及冗余落脚点的车辆轨迹进行压缩，得到在可接受误差情况下可代替的车辆轨迹，本发明提出了一种基于子串相似度匹配的车辆轨迹压缩方法。

本发明主要包含两个方面：

(1)首先将原始轨迹基于城市道路机动车速度阈值进行切割为多个真实轨迹，并基于序列相似度匹配采取聚类打分选取突出轨迹代表多条相似轨迹。

(2)为了解决初步压缩后的轨迹仍可能包含重复子轨迹，提出基于始发点子序列相似度匹配算法筛选出最优子序列作为此轨迹的压缩值。

本发明的技术方案为：

一种基于序列相似度的车辆轨迹压缩方法，其步骤包括：

1)将单位时间内同一标识ID的车辆的轨迹合成为一条长轨迹；该长轨迹为Trajectory_ID＝{(l₁,t₁),(l₂,t₂),…,(l_n,t_n)}，其中，第n次采集的信息包括位置l_n、时间信息t_n，记为采集点(l_n，t_n)；

2)根据设定的速度阈值对该长轨迹进行切割，得到多条分段轨迹；

3)基于分段轨迹之间的序列相似度，对该长轨迹进行全局轨迹压缩。

进一步的，步骤2)的切割方法为：根据该长轨迹中的两相邻采集时间的采集点(l_i，t_i)、(l_i+1，t_i+1)信息计算该车辆的速度如果则判定该车辆前一段轨迹的终点为l_i，下一段轨迹的起点为l_i+1；否则两采集点(l_i，t_i)、(l_i+1，t_i+1)为同一分段轨迹；其中，为设定的速度阈值。

进一步的，如果且两相邻采集时间的采集点(l_i+1，t_i+1)、(l_i+2，t_i+2)的速度则丢弃采集点(l_i+1，t_i+1)，将(l_i+2，t_i+2)作为下一段轨迹的起点。

进一步的，每一路段设置一对应的速度阈值，为路段l_i～l_i+1的速度阈值，为路段l_i+1～l_i+2的速度阈值，如果且则丢弃采集点(l_i+1，t_i+1)，将(l_i+2，t_i+2)作为下一段轨迹的起点。

进一步的，基于分段轨迹之间的序列相似度，对该长轨迹进行全局轨迹压缩的方法为：

11)基于分段轨迹的序列相似度对分段轨迹进行聚类，得到若干聚类簇；根据每一聚类簇中的分段轨迹个数确定该聚类簇中种子轨迹的得分；

12)对于同一聚类簇i中除种子轨迹外的任一分段轨迹m，计算其与不在聚类簇i内的分段轨迹的序列相似度，并根据计算结果确定该分段轨迹m的得分；

13)从每一聚类簇内选取一得分最高的分段轨迹作为此对应类轨迹的代表，完成全局压缩。

进一步的，所述序列相似度的计算方法为：设轨迹a是含有N_a个采集点的序列，轨迹b是含有N_b个采集点的序列，采用LCSs算法计算出两个轨迹中有N_same个相同落脚点，则轨迹a与轨迹b的序列相似度

进一步的，所述步骤11)的实现方法为：将各分段轨迹的得分初始化为0，随机选取一条分段轨迹作为种子轨迹，计算种子轨迹与其他分段轨迹的序列相似度，如果序列相似度不低于设定阈值，则将其与当前种子轨迹聚为一类，并且将当前种子轨迹的得分加1；如果没有与其序列相似度大于阈值的分段轨迹，则将当前种子轨迹作为独立轨迹保存。

进一步的，对步骤3)压缩后的轨迹进行局部轨迹压缩，其方法为：首先对全局压缩后保留的每一条环形轨迹和起始点相同的分段轨迹进行切割；然后基于分段轨迹的序列相似度对分段轨迹进行聚类，得到若干聚类簇；根据每一聚类簇中的分段轨迹个数确定该聚类簇中种子轨迹的得分；对于同一聚类簇j中除种子轨迹外的任一分段轨迹k，计算其与不在聚类簇i内的分段轨迹的序列相似度，并根据计算结果确定该分段轨迹k的得分；从每一聚类簇内选取一得分最高的分段轨迹作为此对应类轨迹的代表，完成局部轨迹压缩。

进一步的，所述单位时间为一个月、一周或一天。

进一步的，所述标识ID为车辆的车牌。

与现有技术相比，本发明的积极效果为：

数据集为国内某城市的某区域的道路交通口的摄像头采集的实际汽车数据。一个月的轨迹数据有788910条，存储开销为1.26G。根据全局压缩可以得到大约有30％为独立轨迹，其余轨迹存在大量的相似序列并可全局压缩，经过全局压缩后存储开销减少为0.87G；再次进行局部轨迹压缩，发现有大约40％的轨迹存在内部轨迹序列相似的情况，此情况多为公交车或公司班车等，局部压缩后所需存储开销仅为0.68G。整体上，存储开销减少了46％。

附图说明

图1是轨迹压缩示意图；

图2是基于LCSs算法计算两轨迹匹配的采集点数目的示意图；

图3是基于序列相似度聚类的轮流选拔制度示意图；

图4是具体轨迹压缩流程图。

具体实施方式

下面结合附图1、2、3、4对本发明的技术方案做进一步的详细说明。

本发明的轨迹压缩包括以下四个步骤，如图1所示：

(一)城市道路机动车速度阈值的设定。同一车牌的车辆轨迹可以按一定的单位时间来合成一个长轨迹，并处理存储，比如按照每个月来进行轨迹的存储。于是每辆汽车每个月的轨迹可以表示为Trajectory_ID＝{(l₁,t₁),(l₂,t₂),…,(l_n,t_n)}，其中，ID是汽车唯一标识(此处为车牌)，此集合包括所有采集点的位置及时间信息，其中采集时间为独一无二的Key，但很可能会出现的情况是不同时间点对应着相同的位置，即l_i＝l_k,(1≤i≠k≤n)。由于监控系统采集的位置信息是基于实际经纬度获得的，于是可以通过计算两个采集点的距离与采集时间差的比值来求解估计速度并根据城市道路限定速度以及实际城市路况寻求速度阈值v。此阈值速度可以简单地根据监控设备采集的实时车速来设定，阈值速度只需由此路段的测速监控设备提供即可，因为所有的监控设备获取汽车速度是不现实的。

(二)基于速度阈值切割轨迹，并得到多条分段轨迹。假设在时刻t_i与t_i+1计算的估计速度小于速度阈值，即则原因认定为机动车在此时间段内停车(注：不同路段的轨迹压缩时的速度阈值可能不同，具体数据由具体路段内的测速监控设备获得)，由于此时间段内没有其他摄像记录，则不妨设定车辆前一段轨迹的终点为l_i，下一段轨迹的起点为l_i+1。基于此规则，假设上一段起点是l_i-k，则此段轨迹为(l_i-k,t_i-k)→(l_i-k+1,t_i-k+1)…→(l_i,t_i)；同理，下一段的轨迹始于l_i+1，但是还需要考虑一种情况，下一采集点与l_i+1之间的速度也满足于上述速度限制那么就丢弃(l_i+1,t_i+1)(此处的(l_i+1,t_i+1)被视为冗余的落脚点，因为单点不足以构成轨迹)，将第i+2个采集点拟作为下一段轨迹的起点。以此类推，便可以根据速度阈值进行整条长串轨迹的切割。于是得到标识为ID的汽车的分段轨迹其中的Trajectory_ID-i表示第i段轨迹，且一定有

(三)基于序列相似度算法进行全局轨迹压缩。在此步骤中，提出一种代表轨迹的选拔机制。采用聚类思想，所有轨迹得分初始化为0，随机选取一条轨迹作为种子，通过计算它与其他轨迹的序列相似度来进行聚类。由于不同轨迹长度可能不同，所以具体相似度计算方法基于最长公共子序列(LCSs，Longest-Common-Subsequence)算法进行计算，图2给出了基于LCSS算法计算两轨迹匹配的采集点数目的示意图，设轨迹a的第i个采集点与轨迹b的第j个采集点相匹配处的相同采集点的个数为N(i,j)，则有：

相似度的计算为：设轨迹a是含有N_a个采集点的序列，轨迹b是含有N_b个采集点的序列(其中，N_a不等于N_b的概率极大)，采用LCSs算法计算出两个轨迹中有N_same个相同采集点，则轨迹a与轨迹b的相似度计算公式为例如轨迹a含有5个采集点，轨迹b含有4个采集点，且两个轨迹根据LCSs算法得到相似的点为4个，则他们的相似度为如果相似度不低于一定阈值(如0.8)则它们被聚为一类；并且有一条轨迹与其匹配则其得分加1；如果没有与其序列相似度大于阈值的轨迹，则将此种子轨迹作为独立轨迹保存。对于聚为一类的轨迹，要采取该类中其他轨迹作为种子，与不在此类的轨迹进行序列相似度计算，同样重复得分计算与聚类。最后，在每一类内选取得分最高者作为此类轨迹的代表，完成全局压缩，此时已经大大减小存储开销。详细的示意过程为：假设某车辆含有的轨迹集合为{a,b,c,d,e,f,g,h}，其中以轨迹a为种子，且a与b,c的相似度都不小于阈值，则轨迹a,b,c被划分为一类，记为A类，a的得分为2；此时还会有一种可能的情况是，即使a轨迹与非b,c的轨迹相似度都小于指定的阈值，但是b与集合{d,e,f,g,h}内的d,e,f相似度满足不小于阈值的条件，那么此时也应该将d,e,f划分为A类，理由是基于设定阈值的相似度本身具有一定误差，a与b可以相互代表，b与d,e,f又可以相互代表，那么我们有理由相信b可以代表a,d,e,f，而此时的b得分为3。所以此时选取的轨迹代表是得分为3的b而不是得分为2的a。图3给出了此轮流选拔制度的示意图(注：此处轨迹c与d,e,f,g,h的相似度都小于阈值0.8，为了使示意图表达清晰并能说明问题，不进行详细相似度的标注)。对于非A类内的轨迹或独立轨迹的其他轨迹，仍采用上述聚类及轮流选拔制度获取代表轨迹或独立轨迹，直到所有轨迹全部被处理完成。这种轮流选拔制度很大程度上弥补了只基于相似度计算进行分类的缺陷，使得整体聚类算法具有更高的鲁棒性。

(四)基于序列相似度的模式匹配进行局部轨迹压缩。针对第三步骤得到的全局压缩后的轨迹中含有重复循环的序列再次进行压缩。由于选取的城市道路速度阈值可以满足绝大多数情况，汽车在某一落脚点停留的时间短等原因会导致基于速度阈值没能切割出细粒度的全局轨迹。则轨迹中仍会存在大量的重复序列，比如公交车在行驶到一次行程的终点站后稍作休息又开始重复上次行程或是反向的行程，比如经过步骤(三)的压缩后得到的某一条轨迹成环或这条轨迹起点在其中出现多次，例如abcedabcd中多次出现起点a，则可以基于a切割再次基于步骤(三)的压缩处理。要进行序列相似度的比对，首先，要将这一条轨迹进行切割，切割的方式采用以这条轨迹的始发点为标准，第二标准就是满足其前一位置与后一位置是同一点。以始发点为标准进行切割的理由是假设汽车在进行环式行驶，第二标准的理由是假设汽车可能在进行往返行驶。接下来同样采取第三步的操作，基于序列相似度选拔出最有代表的轨迹替代原始轨迹，完成压缩。图4给出了具体的轨迹压缩流程。

尽管为说明目的公开了本发明的具体内容、实施算法以及附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。本发明不应局限于本说明书最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (10)

1.一种基于序列相似度的车辆轨迹压缩方法，其步骤包括：

1)将单位时间内同一标识ID的车辆的轨迹合成为一条长轨迹；该长轨迹为Trajectory_ID＝{(l₁,t₁),(l₂,t₂),…,(l_n,t_n)}，其中，第n次采集的信息包括位置l_n、时间信息t_n，记为采集点(l_n，t_n)；

2)根据设定的速度阈值对该长轨迹进行切割，得到多条分段轨迹；

3)基于分段轨迹之间的序列相似度，对该长轨迹进行全局轨迹压缩。

2.如权利要求1所述的方法，其特征在于，步骤2)的切割方法为：根据该长轨迹中的两相邻采集时间的采集点(l_i，t_i)、(l_i+1，t_i+1)信息计算该车辆的速度如果则判定该车辆前一段轨迹的终点为l_i，下一段轨迹的起点为l_i+1；否则两采集点(l_i，t_i)、(l_i+1，t_i+1)为同一分段轨迹；其中，为设定的速度阈值。

3.如权利要求2所述的方法，其特征在于，如果且两相邻采集时间的采集点(l_i+1，t_i+1)、(l_i+2，t_i+2)的速度则丢弃采集点(l_i+1，t_i+1)，将(l_i+2，t_i+2)作为下一段轨迹的起点。

4.如权利要求3所述的方法，其特征在于，每一路段设置一对应的速度阈值，为路段l_i～l_i+1的速度阈值，为路段l_i+1～l_i+2的速度阈值，如果且则丢弃采集点(l_i+1，t_i+1)，将(l_i+2，t_i+2)作为下一段轨迹的起点。

5.如权利要求1所述的方法，其特征在于，基于分段轨迹之间的序列相似度，对该长轨迹进行全局轨迹压缩的方法为：

11)基于分段轨迹的序列相似度对分段轨迹进行聚类，得到若干聚类簇；根据每一聚类簇中的分段轨迹个数确定该聚类簇中种子轨迹的得分；

12)对于同一聚类簇i中除种子轨迹外的任一分段轨迹m，计算其与不在聚类簇i内的分段轨迹的序列相似度，并根据计算结果确定该分段轨迹m的得分；

13)从每一聚类簇内选取一得分最高的分段轨迹作为此对应类轨迹的代表，完成全局压缩。

6.如权利要求5所述的方法，其特征在于，所述序列相似度的计算方法为：设轨迹a是含有N_a个采集点的序列，轨迹b是含有N_b个采集点的序列，采用LCSs算法计算出两个轨迹中有N_same个相同落脚点，则轨迹a与轨迹b的序列相似度

7.如权利要求5或6所述的方法，其特征在于，所述步骤11)的实现方法为：将各分段轨迹的得分初始化为0，随机选取一条分段轨迹作为种子轨迹，计算种子轨迹与其他分段轨迹的序列相似度，如果序列相似度不低于设定阈值，则将其与当前种子轨迹聚为一类，并且将当前种子轨迹的得分加1；如果没有与其序列相似度大于阈值的分段轨迹，则将当前种子轨迹作为独立轨迹保存。

8.如权利要求1所述的方法，其特征在于，对步骤3)压缩后的轨迹进行局部轨迹压缩，其方法为：首先对全局压缩后保留的每一条环形轨迹和起始点相同的分段轨迹进行切割；然后基于分段轨迹的序列相似度对分段轨迹进行聚类，得到若干聚类簇；根据每一聚类簇中的分段轨迹个数确定该聚类簇中种子轨迹的得分；对于同一聚类簇j中除种子轨迹外的任一分段轨迹k，计算其与不在聚类簇i内的分段轨迹的序列相似度，并根据计算结果确定该分段轨迹k的得分；从每一聚类簇内选取一得分最高的分段轨迹作为此对应类轨迹的代表，完成局部轨迹压缩。

9.如权利要求1所述的方法，其特征在于，所述单位时间为一个月、一周或一天。

10.如权利要求1所述的方法，其特征在于，所述标识ID为车辆的车牌。