CN112422134B - 一种时空轨迹压缩和分段状态表达的方法和装置 - Google Patents
一种时空轨迹压缩和分段状态表达的方法和装置 Download PDFInfo
- Publication number
- CN112422134B CN112422134B CN202011303393.5A CN202011303393A CN112422134B CN 112422134 B CN112422134 B CN 112422134B CN 202011303393 A CN202011303393 A CN 202011303393A CN 112422134 B CN112422134 B CN 112422134B
- Authority
- CN
- China
- Prior art keywords
- track
- points
- filtering
- state
- speed
- 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
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明提供一种时空轨迹压缩和分段状态表达的方法和装置,其方法包括:离线轨迹批量提取;进行初次滤波处理;构造轨迹点表示;进行二次过滤和压缩;基于速度进行轨迹状态表达。本发明给出了一种时空轨迹压缩和分段状态表达的方法和装置,既可以充分留存轨迹的运动特征,又能压缩轨迹冗余的部分,降低存储量,提高显示表达的效率,解决了现有技术方案中丢失部分轨迹特征的问题。
Description
技术领域
本发明涉及移动物体的轨迹技术领域,特别涉及一种时空轨迹压缩和分段状态表达的方法和装置。
背景技术
移动物体的轨迹是一种应用领域非常广的数据,原则上轨迹点越多越可以更好地拟合物体实际的运动,但海量的数据会造成巨大的存储成本,同时在实际应用时也会耗费大量的计算成本,所以需要在尽量保留运动特征的情况下,剔除冗余轨迹点。本发明提案主要应用于海量时空轨迹点的稀疏压缩,同时也探索将轨迹进行分段特征表达,按一定规则将轨迹整体进行切分,分时间段表达物体处于的运动状态,例如高速运动、低速运动、徘徊状态,静止停留等状态。
目前用于轨迹压缩的方法主要包括Douglas-Peucker算法和TDTR算法,Douglas-Peucker算法简称为DP算法,其步骤包括:(1)在轨迹曲线在曲线首尾两点A,B之间连接一条直线AB,该直线为曲线的弦;(2)遍历曲线上其他所有点,求每个点到直线AB的距离,找到最大距离的点C,最大距离记为dmax;(3)比较该距离dmax与预先定义的阈值Dmax大小,如果dmax<Dmax,则将该直线AB作为曲线段的近似,曲线段处理完毕;(4)若dmax>=Dmax,则使C点将曲线AB分为AC和CB两段,并分别对这两段进行(1)~(3)步处理;(5)当所有曲线都处理完毕时,依次连接各个分割点形成的折线,即为原始曲线的路径。TDTR算法与DP算法类似,只不过使用时间同步欧式距离作为误差测量,考虑了距离和时间两个因素。DP算法和TDTR算法的成本并不大,但是没有较好地考虑时间、速度等因素,当行进过程中出现速度不均匀的情况或者徘徊状态时,往往只会考虑首尾两个轨迹点,中间点全部都丢弃掉,从而丢失了大量轨迹运动的特征,因此,本发明提出一种时空轨迹压缩和分段状态表达的方法和装置,既可以充分留存轨迹的运动特征,又能压缩轨迹冗余的部分,降低存储量,提高显示表达的效率。
发明内容
本发明提供了一种时空轨迹压缩和分段状态表达的方法和装置,用于解决现有技术方案中丢失大量轨迹运动特征的问题。
一种时空轨迹压缩和分段状态表达的方法,所述方法包括:
离线轨迹批量提取,得到时间轨迹点;在完整的轨迹数据库全量中,按照轨迹时间戳从早到晚的顺序提取时间轨迹点;
对所述时间轨迹点进行初次滤波处理;采用滤波算法过滤掉所述时间轨迹点的噪声和离散值;
构造轨迹点表示;
对初次滤波处理后的时间轨迹点进行二次过滤和压缩;通过设置平均加速度的阈值和加速度累计值的阈值分别确定第一过滤条件和第二过滤条件,根据所述第一过滤条件和所述第二过滤条件对初次滤波处理后的所述时间轨迹点进行压缩,得到压缩后的轨迹点;
基于速度对压缩后的轨迹点进行轨迹状态表达;设置速度阈值,根据速度阈值对所述压缩后的轨迹点进行状态归类;将相邻同类轨迹点进行合并,并记录起始轨迹点和截止轨迹点的时间戳;根据合并后的状态分段情况构建得到分段状态表达。
进一步地,所述对所述时间轨迹点进行初次滤波处理时,采用的滤波算法为中位值平均滤波算法或者中位值滤波算法或者算术平均滤波算法。
进一步地,所述构造轨迹点表示是将所述轨迹点表示为Pi,则Pi具体表示如下:
所述平均速度是矢量,其大小为:
其中,表示轨迹点Pi的平均速度的大小值,Vi_x表示轨迹点Pi的速度在南北方向的分量,Vi_y表示轨迹点Pi的速度在东西方向的分量,Xi+1表示轨迹点Pi+1的经度在投影坐标系下的平面坐标,Ti+1表示轨迹点Pi+1的时间戳,Yi+1表示轨迹点Pi+1的纬度在投影坐标系下的平面坐标;
所述平均速度根据相邻轨迹点的速度和时间戳得到,与速度一样是个矢量,其确定公式如下:
所述平均加速的大小值通过方向分量计算的公式如下:
上述公式中,表示所述轨迹点Pi的平均加速度的大小值,Ai_x表示所述轨迹点Pi的加速度在南北方向的分量,Ai_y表示所述轨迹点Pi的加速度在东西方向的分量,Vi_x表示轨迹点Pi的速度在南北方向的分量,Vi-1_x表示轨迹点Pi-1的速度在南北方向的分量,Vi_y表示轨迹点Pi的速度在东西方向的分量,Vi-1_y表示轨迹点Pi-1的速度在东西方向的分量,Ti表示轨迹点Pi的时间戳,Ti-1表示轨迹点Pi-1的时间戳。
进一步地,所述对初次滤波处理后的时间轨迹点进行二次过滤和压缩时,所述通过设置平均加速度的阈值和加速度累计值的阈值分别确定第一过滤条件和第二过滤条件中,所述第一过滤条件为所述轨迹点的平均加速度的大小值小于设置的平均加速度阈值,所述第二过滤条件为所述轨迹点的加速度累计值小于设置的加速度累计值的阈值;
所述根据所述第一过滤条件和所述第二过滤条件对初次滤波处理后的所述时间轨迹点进行压缩的规则为:
当所述轨迹点的平均加速的大小值满足所述第一过滤条件时,所述轨迹点忽略;
当所述轨迹点的加速度累计值满足所述第二过滤条件时,所述轨迹点忽略;
当所述轨迹点满足所述第一过滤条件和所述第二过滤条件中的任意一个时,所述过滤点都应该保留下来,不得忽略。
进一步地,所述基于速度对压缩后的轨迹点进行轨迹状态表达,包括:
根据速度阈值对所述压缩后的轨迹点进行状态归类;针对二次过滤和压缩后保留下来的轨迹点进行状态归类,当所述轨迹点的速度小于速度阈值Vω时,所述轨迹点属于静止状态,当所述轨迹点的速度大于速度阈值Vω小于速度阈值时,所述轨迹点属于低速状态,当所述轨迹点的速度大于速度阈值时,所述轨迹点属于高速状态;
将相邻同类轨迹点进行合并,并记录首尾轨迹点的时间戳;在所述静止状态、低速状态和高速状态中分别将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳;
根据合并后的状态分段情况构建得到分段状态表达,即按照轨迹状态的分段进行表达,具体表示为:
{Tstart,Tend,Status}
其中,Tstart为起始轨迹点的时间戳,Tend为截止轨迹点的时间戳,Status为起止时间段内的状态,即静止状态,低速状态和高速状态。
一种时空轨迹压缩和分段状态表达的装置,所述装置包括:轨迹点提取模块,初次滤波处理模块、表示构造模块、过滤压缩模块和分段状态表达模块;
所述轨迹点提取模块,用于在完整的轨迹数据库全量中,按照轨迹时间戳从早到晚的顺序提取轨迹点;
所述初次滤波处理模块,用于针对提取的轨迹点采用滤波算法过滤掉噪声和离散值;
所述表示构造模块,用于构造轨迹点的表示形式;
所述过滤压缩模块,用来进行二次过滤和压缩;
所述分段状态表达模块,用来基于速度进行轨迹状态表达。
进一步地,所述初次滤波处理模块,在过滤掉噪声和离散值时采用的滤波算法是中位值平均滤波算法、中位值滤波算法和算术平均滤波算法中的一个。
进一步地,所述表示构造模块,将所述轨迹点表示为Pi,其具体表示为:
进一步地,所述过滤压缩模块,包括:条件确定子模块和过滤压缩子模块;
所述条件确定子模块,通过设置平均加速度的阈值确定第一过滤条件,通过设置加速度累计值的阈值确定第二过滤条件;
所述过滤压缩子模块,根据所述第一过滤条件和所述第二过滤条件依照过滤压缩规则进行过滤压缩。
进一步地,所述分段状态表达模块,包括:阈值设置子模块、状态分类子模块、轨迹点合并子模块和分段状态表达子模块;
所述阈值设置子模块,用来设置状态界限阈值;
所述状态分类子模块,根据设置的状态界限阈值对压缩后的轨迹点进行状态分类;
所述轨迹点合并子模块,用来在各个状态中检测是否存在相邻同类轨迹点,若存在,则将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳;
所述分段状态表达子模块,用来将合并后的状态分段情况按照如下形式表示:
{Tstart,Tend,Status}
其中,Tstart为起始轨迹点的时间戳,Tend为截止轨迹点的时间戳,Status为起止时间段内的状态。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明所述的一种时空轨迹压缩和分段状态表达的方法和装置的流程图。
图2为本发明所述的一种时空轨迹压缩和分段状态表达的装置的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供的一种时空轨迹压缩和分段状态表达的方法,所述方法包括:
步骤一、离线轨迹批量提取,得到时间轨迹点;在完整的轨迹数据库全量中,按照轨迹时间戳从早到晚的顺序提取时间轨迹点;
步骤二、对所述时间轨迹点进行初次滤波处理;采用滤波算法过滤掉所述时间轨迹点的噪声和离散值;
步骤三、构造轨迹点表示;
步骤四、对初次滤波处理后的时间轨迹点进行二次过滤和压缩;通过设置平均加速度的阈值和加速度累计值的阈值分别确定第一过滤条件和第二过滤条件,根据所述第一过滤条件和所述第二过滤条件对初次滤波处理后的所述时间轨迹点进行压缩,得到压缩后的轨迹点;
步骤五、基于速度对压缩后的轨迹点进行轨迹状态表达;设置速度阈值,根据速度阈值对所述压缩后的轨迹点进行状态归类;将相邻同类轨迹点进行合并,并记录起始轨迹点和截止轨迹点的时间戳;根据合并后的状态分段情况构建得到分段状态表达。
上述技术方案的原理:上述技术方案中,进行时空轨迹压缩和分段状态表达方法,首先,离线轨迹批量提取;然后,进行初次滤波处理;接着,构造轨迹点表示;进而,进行二次过滤和压缩;最后,基于速度进行轨迹状态表达。
上述技术方案的有益效果:通过上述技术方案实现实现时空轨迹压缩和分段状态表达,离线轨迹批量提取,在完整的轨迹数据库全量中提取轨迹时间戳对应的轨迹点,去除与轨迹时间戳无关的轨迹点,防止与轨迹时间戳无关的轨迹点造成干扰,不仅减小时空轨迹压缩和分段状态表达过程中的出错概率,而且还能降低时空轨迹压缩和分段状态表达过程的复杂程度,加快时空轨迹压缩和分段状态表达的实现速度;进行初次滤波处理使得过滤掉所述时间轨迹点的噪声和离散值,降低噪声和离散值对后续计算的影响,便于二次过滤和压缩过程中计算平均加速度,同时还减小了计算的平均加速度的偏差,使得计算的轨迹点的平均加速度更加准确;构造轨迹点表示使得构造出来的轨迹点的表示形式能够直观得到轨迹点的时间戳、经度在投影坐标系下的平面坐标、纬度在投影坐标系下的平面坐标、轨迹点的平均速度和平均加速度,不仅直观表述轨迹点的属性,而且还能够使得在后续进行二次过滤和压缩的过程中直接根据轨迹点的平均加速度进行第一过滤条件和第二过滤条件过滤和压缩,缩短了时空轨迹压缩和分段状态表达实现过程的时间,加快了所述方法的效率;进行二次过滤和压缩将既满足所述第一过滤条件又满足所述第二过滤条件的轨迹点过滤掉忽略,从而达到过滤压缩的目的;基于速度进行轨迹状态表达通过将相邻同类的轨迹点进行合并后分段表示,可以把冗余的轨迹点过滤掉,实现了对轨迹整体的分段解读,更加贴近轨迹数据在实际场景下的应用需求。
本发明提供的一个实施例中,所述对所述时间轨迹点进行初次滤波处理时,采用的滤波算法为中位值平均滤波算法或者中位值滤波算法或者算术平均滤波算法。
上述技术方案的原理:上述技术方案中,对所述时间轨迹点进行初次滤波处理时,运用的滤波算法为中位值平均滤波算法、中位值滤波算法和算术平均滤波算法中的任意一个。
上述技术方案的有益效果:通过上述技术方案不局限初次滤波处理采用的滤波算法,只要能够过滤掉噪声和离散值的滤波算法均可以使用,要求低,便于达到过滤噪声和离散值的目的。
本发明提供的一个实施例中,所述构造轨迹点表示是将所述轨迹点表示为Pi,则Pi具体表示如下:
所述平均速度是矢量,其大小为:
其中,表示轨迹点Pi的平均速度的大小值,Vi_x表示轨迹点Pi的速度在南北方向的分量,Vi_y表示轨迹点Pi的速度在东西方向的分量,Xi+1表示轨迹点Pi+1的经度在投影坐标系下的平面坐标,Ti+1表示轨迹点Pi+1的时间戳,Yi+1表示轨迹点Pi+1的纬度在投影坐标系下的平面坐标;
所述平均速度根据相邻轨迹点的速度和时间戳得到,与速度一样是个矢量,其确定公式如下:
所述平均加速的大小值通过方向分量计算的公式如下:
上述公式中,表示所述轨迹点Pi的平均加速度的大小值,Ai_x表示所述轨迹点Pi的加速度在南北方向的分量,Ai_y表示所述轨迹点Pi的加速度在东西方向的分量,Vi_x表示轨迹点Pi的速度在南北方向的分量,Vi-1_x表示轨迹点Pi-1的速度在南北方向的分量,Vi_y表示轨迹点Pi的速度在东西方向的分量,Vi-1_y表示轨迹点Pi-1的速度在东西方向的分量,Ti表示轨迹点Pi的时间戳,Ti-1表示轨迹点Pi-1的时间戳。
上述技术方案的原理:上述技术方案中,将所述轨迹点表示为Pi:
上述技术方案的有益效果:通过上述技术方案,构建的轨迹点的具体表示不仅能够直观获得轨迹点的时间戳、经度在投影坐标系下的平面坐标和纬度在投影坐标系下的平面坐标,还能够了解到轨迹点的平均速度以及平均加速度,而且还表明矢量平均速度的大小计算方法和平均加速度的计算方法,便于二次过滤和压缩时直接运用轨迹点表示中的平均加速度进行判断,减少二次过滤和压缩消耗的时间,加快实现时空轨迹压缩和分段状态表达的效率。
本发明提供的一个实施例中,所述对初次滤波处理后的时间轨迹点进行二次过滤和压缩时,所述通过设置平均加速度的阈值和加速度累计值的阈值分别确定第一过滤条件和第二过滤条件中,所述第一过滤条件为所述轨迹点的平均加速度的大小值小于设置的平均加速度阈值,所述第二过滤条件为所述轨迹点的加速度累计值小于设置的加速度累计值的阈值;
所述根据所述第一过滤条件和所述第二过滤条件对初次滤波处理后的所述时间轨迹点进行压缩的规则为:
当所述轨迹点的平均加速的大小值满足所述第一过滤条件时,所述轨迹点忽略;
当所述轨迹点的加速度累计值满足所述第二过滤条件时,所述轨迹点忽略;
当所述轨迹点满足所述第一过滤条件和所述第二过滤条件中的任意一个时,所述过滤点都应该保留下来,不得忽略。
上述技术方案的原理:上述技术方案中,进行二次过滤时,首先通过设置平均加速度的阈值和加速度累计值的阈值分别确定第一过滤条件和第二过滤条件,然后根据所述第一过滤条件和所述第二过滤条件依据过滤压缩的规则进行过滤压缩。
上述技术方案的有益效果:通过上述技术方案,使得满足所述第一过滤条件的轨迹点且满足所述第二过滤条件的轨迹点忽略掉,只满足所述第一过滤条件和所述第二过滤条件中的任意一个过滤点不得忽略应当保留下来,这样可以能够充分留存轨迹的运动特征,避免在过滤和压缩过程忽略轨迹点的同时造成轨迹的运动特征缺失,进而使得最终的分段状态表达能够更加准确的表示轨迹。
本发明提供的一个实施例中,所述基于速度对压缩后的轨迹点进行轨迹状态表达,包括:
根据速度阈值对所压缩后的轨迹点进行状态归类;针对二次过滤和压缩后保留下来的轨迹点进行状态归类,当所述轨迹点的速度小于速度阈值Vω时,所述轨迹点属于静止状态,当所述轨迹点的速度大于速度阈值Vω小于速度阈值时,所述轨迹点属于低速状态,当所述轨迹点的速度大于速度阈值时,所述轨迹点属于高速状态;
将相邻同类轨迹点进行合并,并记录首尾轨迹点的时间戳;在所述静止状态、低速状态和高速状态中分别将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳;
根据合并后的状态分段情况构建得到分段状态表达,即按照轨迹状态的分段进行表达,具体表示为:
{Tstart,Tend,Status}
其中,Tstart为起始轨迹点的时间戳,Tend为截止轨迹点的时间戳,Status为起止时间段内的状态,即静止状态,低速状态和高速状态。
上述技术方案的原理:上述技术方案中,所述基于速度进行轨迹状态表达,时,首先设置速度阈值;根据速度阈值对所述轨迹点进行状态归类;将相邻同类轨迹点进行合并,并记录首尾轨迹点的时间戳;在所述静止状态、低速状态和高速状态中分别将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳;根据合并后的状态分段情况构建得到分段状态表达。
上述技术方案的有益效果:通过上述技术方案,将轨迹状态分段表示为:{Tstart,Tend,Status},上述技术方案中,设置的速度阈值不仅仅是两个,上述技术方案只是最基本的例子,设置的速度阈值可以根据状态设置多个,状态也仅仅是静止状态,低速状态和高速状态,还可以是徘徊状态、加速状态、减速状态、S型逃跑状态、巡更状态等,此外,相邻同类的轨迹点进行合并能够使得相同状态的相邻轨迹点通过统一形式表示,既可以降低表示的数量用分段状态表达轨迹,又能够充分留存轨迹的运动特征。
如图2所示,本发明实施例提供的一种时空轨迹压缩和分段状态表达的装置,所述装置包括:轨迹点提取模块,初次滤波处理模块、表示构造模块、过滤压缩模块和分段状态表达模块;
所述轨迹点提取模块,用于在完整的轨迹数据库全量中,按照轨迹时间戳从早到晚的顺序提取轨迹点;
所述初次滤波处理模块,用于针对提取的轨迹点采用滤波算法过滤掉噪声和离散值;
所述表示构造模块,用于构造轨迹点的表示形式;
所述过滤压缩模块,用来进行二次过滤和压缩;
所述分段状态表达模块,用来基于速度进行轨迹状态表达。
上述技术方案的原理:上述技术方案中,所述的一种时空轨迹压缩和分段状态表达的装置包括:轨迹点提取模块,初次滤波处理模块、表示构造模块、过滤压缩模块和分段状态表达模块;所述轨迹点提取模块,用于在完整的轨迹数据库全量中,按照轨迹时间戳从早到晚的顺序提取轨迹点;所述初次滤波处理模块,用于针对提取的轨迹点采用滤波算法过滤掉噪声和离散值;所述表示构造模块,用于构造轨迹点的表示形式;所述过滤压缩模块,用来进行二次过滤和压缩;所述分段状态表达模块,用来基于速度进行轨迹状态表达。
上述技术方案的有益效果:通过上述技术方案实现对时空轨迹压缩和分段状态表达,所述轨迹点提取模块在完整的轨迹数据库全量中提取轨迹时间戳对应的轨迹点,去除与轨迹时间戳无关的轨迹点,防止与轨迹时间戳无关的轨迹点造成干扰,不仅减小时空轨迹压缩和分段状态表达过程中的出错概率,而且还能降低时空轨迹压缩和分段状态表达过程的复杂程度,加快时空轨迹压缩和分段状态表达的实现速度;所述初次滤波处理模块过滤掉噪声和离散值,降低噪声和离散值对后续计算的影响,便于二次过滤和压缩过程中计算平均加速度,同时还减小了计算的平均加速度的偏差,使得计算的轨迹点的平均加速度更加准确;所述表示构造模块使得构造出来的轨迹点的表示形式能够直观得到轨迹点的时间戳、经度在投影坐标系下的平面坐标、纬度在投影坐标系下的平面坐标、轨迹点的平均速度和平均加速度,不仅直观表述轨迹点的属性,而且还能够使得在后续进行二次过滤和压缩的过程中直接根据轨迹点的平均加速度进行第一过滤条件和第二过滤条件过滤和压缩,缩短了时空轨迹压缩和分段状态表达实现过程的时间,加快了所述方法的效率;所述过滤压缩模块使得既满足所述第一过滤条件又满足所述第二过滤条件的轨迹点过滤掉忽略,从而达到过滤压缩的目的;所述分段状态表达模块通过将相邻同类的轨迹点进行合并后分段表示,可以把冗余的轨迹点过滤掉,实现了对轨迹整体的分段解读,更加贴近轨迹数据在实际场景下的应用需求。
本发明提供的一个实施例中,所述初次滤波处理模块,在过滤掉噪声和离散值时采用的滤波算法是中位值平均滤波算法、中位值滤波算法和算术平均滤波算法中的一个。
上述技术方案的原理:上述技术方案中,所述初次滤波处理模块采用滤波算法进行初次滤波处理时,采用的滤波算法为中位值平均滤波算法、中位值滤波算法和算术平均滤波算法中的一个。
上述技术方案的有益效果:通过上述技术方案,所述初次滤波处理模块进行初次滤波处理时并不局限于一种滤波算法进行过滤掉噪声和离散值,只要能够达到过滤噪声和离散值的目的的过滤算法均可,要求低,便于达到过滤噪声和离散值的目的。
本发明提供的一个实施例中,所述表示构造模块,将所述轨迹点表示为Pi,其具体表示为:
上述技术方案的原理:上述技术方案中,所述表示构造模块将所述轨迹点以
上述技术方案的有益效果:通过上述技术方案,所述表示构造模块构建出来的轨迹点的具体表示不仅能够直观获得轨迹点的时间戳、经度在投影坐标系下的平面坐标和纬度在投影坐标系下的平面坐标,还能够了解到轨迹点的平均速度以及平均加速度,便于在二次过滤和压缩过程中直接运用轨迹点表示中的平均加速度进行判断,减少二次过滤和压缩过程消耗的时间,加快实现时空轨迹压缩和分段状态表达的效率。
本发明提供的一个实施例中,所述过滤压缩模块,包括:条件确定子模块和过滤压缩子模块;
所述条件确定子模块,通过设置平均加速度的阈值确定第一过滤条件,通过设置加速度累计值的阈值确定第二过滤条件;
所述过滤压缩子模块,根据所述第一过滤条件和所述第二过滤条件依照过滤压缩规则进行过滤压缩。
上述技术方案的原理:上述技术方案中,所述过滤压缩模块包括:条件确定子模块和过滤压缩子模块;依次用来通过设置平均加速度的阈值确定第一过滤条件,通过设置加速度累计值的阈值确定第二过滤条件,根据所述第一过滤条件和所述第二过滤条件依照过滤压缩规则进行过滤压缩。
上述技术方案的有益效果:通过上述技术方案,所述过滤压缩模块将既满足所述第一过滤条件又满足所述第二过滤条件的轨迹点过滤掉,从而达到压缩的目的,所述第一过滤条件和所述第二过滤条件能够使得冗余轨迹点过滤掉,但不会丢失大量轨迹运动特征,避免在过滤和压缩过程忽略轨迹点的同时造成轨迹的运动特征缺失,进而使得最终的分段状态表达能够更加准确的表示轨迹。
本发明提供的一个实施例中,所述分段状态表达模块,包括:阈值设置子模块、状态分类子模块、轨迹点合并子模块和分段状态表达子模块;
所述阈值设置子模块,用来设置状态界限阈值;
所述状态分类子模块,根据设置的状态界限阈值对压缩后的轨迹点进行状态分类;
所述轨迹点合并子模块,用来在各个状态中检测是否存在相邻同类轨迹点,若存在,则将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳;
所述分段状态表达子模块,用来将合并后的状态分段情况按照如下形式表示:
{Tstart,Tend,Status}
其中,Tstart为起始轨迹点的时间戳,Tend为截止轨迹点的时间戳,Status为起止时间段内的状态。
上述技术方案的原理:上述技术方案中,所述分段状态表达模块包括:阈值设置子模块、状态分类子模块、轨迹点合并子模块和分段状态表达子模块,这些模块依次用来设置状态界限阈值,根据设置的状态界限阈值对所述轨迹点进行状态分类,用来在各个状态中检测是否存在相邻同类轨迹点,若存在,则将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳,用来将合并后的状态分段情况按照如下形式表示:
{Tstart,Tend,Status}
其中,Tstart为起始轨迹点的时间戳,Tend为截止轨迹点的时间戳,Status为起止时间段内的状态。
上述技术方案的有益效果:通过上述技术方案,实现了对轨迹整体的分段解读,更加贴近轨迹数据在实际场景下的应用需求,所述分段状态表达模块实现轨迹状态的分段表达,在分段表达中不仅包括起始轨迹点的时间戳和截止轨迹点的时间戳,还包含有起止时间段内物体所处的状态,此外,物体所处的状态既可以是静止状态、低速状态、高速状态,还可以是徘徊状态、加速状态、减速状态、S型逃跑状态、巡更状态等,上述技术方案通过相邻同类的轨迹点进行合并减少了状态表达的数量,使得相邻同类的轨迹点以分段的形式表达,使得运用较少的表达将轨迹的运动特征完整的表示出来,有效避免了轨迹的运动特征缺失现象的出现。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种时空轨迹压缩和分段状态表达的方法,其特征在于,所述方法包括:
离线轨迹批量提取,得到时间轨迹点;在完整的轨迹数据库全量中,按照轨迹时间戳从早到晚的顺序提取时间轨迹点;
对所述时间轨迹点进行初次滤波处理;采用滤波算法过滤掉所述时间轨迹点的噪声和离散值;
构造轨迹点表示,所述构造轨迹点表示是将所述轨迹点表示为Pi,则Pi具体表示如下:
所述平均速度是矢量,其大小为:
其中,表示轨迹点Pi的平均速度的大小值,Vi_x表示轨迹点Pi的速度在南北方向的分量,Vi_y表示轨迹点Pi的速度在东西方向的分量,Xi+1表示轨迹点Pi+1的经度在投影坐标系下的平面坐标,Ti+1表示轨迹点Pi+1的时间戳,Yi+1表示轨迹点Pi+1的纬度在投影坐标系下的平面坐标;
所述平均速度根据相邻轨迹点的速度和时间戳得到,与速度一样是个矢量,其确定公式如下:
所述平均加速的大小值通过方向分量计算的公式如下:
上述公式中,表示所述轨迹点Pi的平均加速度的大小值,Ai_x表示所述轨迹点Pi的加速度在南北方向的分量,Ai_y表示所述轨迹点Pi的加速度在东西方向的分量,Vi_x表示轨迹点Pi的速度在南北方向的分量,Vi-1_x表示轨迹点Pi-1的速度在南北方向的分量,Vi_y表示轨迹点Pi的速度在东西方向的分量,Vi-1_y表示轨迹点Pi-1的速度在东西方向的分量,Ti表示轨迹点Pi的时间戳,Ti-1表示轨迹点Pi-1的时间戳;
对初次滤波处理后的时间轨迹点进行二次过滤和压缩;通过设置平均加速度的阈值和加速度累计值的阈值分别确定第一过滤条件和第二过滤条件,根据所述第一过滤条件和所述第二过滤条件对初次滤波处理后的所述时间轨迹点进行压缩,得到压缩后的轨迹点;
基于速度对压缩后的轨迹点进行轨迹状态表达;设置速度阈值,根据速度阈值对所述压缩后的轨迹点进行状态归类;将相邻同类轨迹点进行合并,并记录起始轨迹点和截止轨迹点的时间戳;根据合并后的状态分段情况构建得到分段状态表达。
2.根据权利要求1所述方法,其特征在于,所述对所述时间轨迹点进行初次滤波处理时,采用的滤波算法为中位值平均滤波算法或者中位值滤波算法或者算术平均滤波算法。
3.根据权利要求1所述方法,其特征在于,所述对初次滤波处理后的时间轨迹点进行二次过滤和压缩时,所述通过设置平均加速度的阈值和加速度累计值的阈值分别确定第一过滤条件和第二过滤条件中,所述第一过滤条件为所述轨迹点的平均加速度的大小值小于设置的平均加速度阈值,所述第二过滤条件为所述轨迹点的加速度累计值小于设置的加速度累计值的阈值;
所述根据所述第一过滤条件和所述第二过滤条件对初次滤波处理后的所述时间轨迹点进行压缩的规则为:
当所述轨迹点的平均加速的大小值满足所述第一过滤条件时,所述轨迹点忽略;
当所述轨迹点的加速度累计值满足所述第二过滤条件时,所述轨迹点忽略;
当所述轨迹点满足所述第一过滤条件和所述第二过滤条件中的任意一个时,过滤点都应该保留下来,不得忽略。
4.根据权利要求1所述方法,其特征在于,所述基于速度对压缩后的轨迹点进行轨迹状态表达,包括:
根据速度阈值对所述压缩后的轨迹点进行状态归类;针对二次过滤和压缩后保留下来的轨迹点进行状态归类,当所述轨迹点的速度小于速度阈值Vω时,所述轨迹点属于静止状态,当所述轨迹点的速度大于速度阈值Vω小于速度阈值时,所述轨迹点属于低速状态,当所述轨迹点的速度大于速度阈值时,所述轨迹点属于高速状态;
将相邻同类轨迹点进行合并,并记录首尾轨迹点的时间戳;在所述静止状态、低速状态和高速状态中分别将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳;
根据合并后的状态分段情况构建得到分段状态表达,即按照轨迹状态的分段进行表达,具体表示为:
{Tstart,Tend,Status}
其中,Tstart为起始轨迹点的时间戳,Tend为截止轨迹点的时间戳,Status为起止时间段内的状态,即静止状态,低速状态和高速状态。
5.一种时空轨迹压缩和分段状态表达的装置,其特征在于,所述装置包括:轨迹点提取模块,初次滤波处理模块、表示构造模块、过滤压缩模块和分段状态表达模块;
所述轨迹点提取模块,用于在完整的轨迹数据库全量中,按照轨迹时间戳从早到晚的顺序提取轨迹点;
所述初次滤波处理模块,用于针对提取的轨迹点采用滤波算法过滤掉噪声和离散值;
所述表示构造模块,用于构造轨迹点的表示形式;所述表示构造模块,将所述轨迹点表示为Pi,其具体表示为:
所述过滤压缩模块,用来进行二次过滤和压缩;
所述分段状态表达模块,用来基于速度进行轨迹状态表达。
6.根据权利要求5所述装置,其特征在于,所述初次滤波处理模块,在过滤掉噪声和离散值时采用的滤波算法是中位值平均滤波算法、中位值滤波算法和算术平均滤波算法中的一个。
7.根据权利要求5所述装置,其特征在于,所述过滤压缩模块,包括:条件确定子模块和过滤压缩子模块;
所述条件确定子模块,通过设置平均加速度的阈值确定第一过滤条件,通过设置加速度累计值的阈值确定第二过滤条件;
所述过滤压缩子模块,根据所述第一过滤条件和所述第二过滤条件依照过滤压缩规则进行过滤压缩。
8.根据权利要求5所述装置,其特征在于,所述分段状态表达模块,包括:阈值设置子模块、状态分类子模块、轨迹点合并子模块和分段状态表达子模块;
所述阈值设置子模块,用来设置状态界限阈值;
所述状态分类子模块,根据设置的状态界限阈值对压缩后的轨迹点进行状态分类;
所述轨迹点合并子模块,用来在各个状态中检测是否存在相邻同类轨迹点,若存在,则将相邻同类的轨迹点进行合并,并获得合并后的起始轨迹点的时间戳和截止轨迹点的时间戳;
所述分段状态表达子模块,用来将合并后的状态分段情况按照如下形式表示:
{Tstart,Tend,Status}
其中,Tstart为起始轨迹点的时间戳,Tend为截止轨迹点的时间戳,Status为起止时间段内的状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011303393.5A CN112422134B (zh) | 2020-11-19 | 2020-11-19 | 一种时空轨迹压缩和分段状态表达的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011303393.5A CN112422134B (zh) | 2020-11-19 | 2020-11-19 | 一种时空轨迹压缩和分段状态表达的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112422134A CN112422134A (zh) | 2021-02-26 |
CN112422134B true CN112422134B (zh) | 2022-06-17 |
Family
ID=74773158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011303393.5A Active CN112422134B (zh) | 2020-11-19 | 2020-11-19 | 一种时空轨迹压缩和分段状态表达的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112422134B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183893A (zh) * | 2015-09-29 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 定位轨迹的分类方法及装置 |
CN106643734A (zh) * | 2016-12-30 | 2017-05-10 | 中国科学院电子学研究所 | 时空轨迹数据的分级处理方法 |
CN110031876A (zh) * | 2018-01-11 | 2019-07-19 | 中南大学 | 一种基于卡尔曼滤波的车载导航轨迹点偏移矫正方法 |
CN111159321A (zh) * | 2019-12-13 | 2020-05-15 | 智慧航海(青岛)科技有限公司 | 船舶轨迹数据筛选方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2866945T3 (es) * | 2017-06-09 | 2021-10-20 | Ptv Planung Transp Verkehr Ag | Sistema informático y método de predicción de estado de un sistema de tráfico |
-
2020
- 2020-11-19 CN CN202011303393.5A patent/CN112422134B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183893A (zh) * | 2015-09-29 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 定位轨迹的分类方法及装置 |
CN106643734A (zh) * | 2016-12-30 | 2017-05-10 | 中国科学院电子学研究所 | 时空轨迹数据的分级处理方法 |
CN110031876A (zh) * | 2018-01-11 | 2019-07-19 | 中南大学 | 一种基于卡尔曼滤波的车载导航轨迹点偏移矫正方法 |
CN111159321A (zh) * | 2019-12-13 | 2020-05-15 | 智慧航海(青岛)科技有限公司 | 船舶轨迹数据筛选方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112422134A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220114735A1 (en) | Trajectory cluster model for learning trajectory patterns in video data | |
CN107004271B (zh) | 显示方法、装置、电子设备、计算机程序产品和存储介质 | |
CN110502596B (zh) | 一种基于行人轨迹特征的轨迹在线滑动窗口压缩方法 | |
CN112100435B (zh) | 一种基于边缘端交通音视频同步样本的自动标注方法 | |
CN104217417B (zh) | 一种视频多目标跟踪的方法及装置 | |
CN107295296B (zh) | 一种监控视频选择性存储与恢复方法及系统 | |
CN102222104A (zh) | 基于时空融合的智能提取视频摘要方法 | |
CN110688905A (zh) | 一种基于关键帧的三维物体检测与跟踪方法 | |
CN113553482B (zh) | 停留点识别和出行链构建系统、算法、设备及存储介质 | |
CN109063630B (zh) | 一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法 | |
CN111882581B (zh) | 一种深度特征关联的多目标跟踪方法 | |
CN110514198B (zh) | 一种基于计算机视觉技术的前后端架构地图定位方法 | |
CN112422134B (zh) | 一种时空轨迹压缩和分段状态表达的方法和装置 | |
CN110889347B (zh) | 基于时空计数特征的密度交通流计数方法及系统 | |
CN114640669A (zh) | 边缘计算方法及装置 | |
CN106708876B (zh) | 一种基于Lucene的相似视频检索方法及系统 | |
CN115512263A (zh) | 一种面向高空坠物的动态视觉监测方法及装置 | |
CN113240002B (zh) | 一种车联网大数据预处理系统、装置和方法 | |
CN115511921A (zh) | 一种基于级联匹配的高精度实时抛物轨迹生成方法 | |
CN117857808B (zh) | 一种基于数据分类压缩的高效视频传输方法及系统 | |
CN113963204A (zh) | 一种孪生网络目标跟踪系统及方法 | |
CN113239939A (zh) | 一种轨道信号灯识别方法、模块及存储介质 | |
CN110853040A (zh) | 一种基于超分辨率重建的图像协同分割方法 | |
CN112929662B (zh) | 解决码流结构化图像编码方法中对象重叠问题的编码方法 | |
CN114979302B (zh) | 一种自适应的基于熵的快速工人动作图像传输方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |