CN114117260B - 时空轨迹索引与查询处理方法、装置、设备及介质 - Google Patents
时空轨迹索引与查询处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114117260B CN114117260B CN202111467766.7A CN202111467766A CN114117260B CN 114117260 B CN114117260 B CN 114117260B CN 202111467766 A CN202111467766 A CN 202111467766A CN 114117260 B CN114117260 B CN 114117260B
- Authority
- CN
- China
- Prior art keywords
- query
- track
- time
- range
- acquiring
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及轨迹数据处理领域,公开了一种时空轨迹索引与查询处理方法、装置、设备及介质,本发明根据接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询,对丰富的查询进行了全面的数据处理,并且统筹上述多元的查询类型,支持复杂的上层应用,设计了一个统一的、能够对数据进行压缩、轻量化的、高效支持上述查询类型的时空轨迹索引与查询处理框架,实现满足多样化的查询需求,实现时空轨迹数据的优化管理的技术问题。
Description
技术领域
本申请涉及轨迹数据处理领域,特别是涉及一种时空轨迹索引与查询处理方法、装置、设备及介质。
背景技术
在现实生活和实际应用中,许多类型的轨迹数据如AIS船舶数据,动物迁徙轨迹,台风移动轨迹是在自由空间中进行的,在第二章中我们提出了多粒度时空轨迹模型,其中的时空序列模型能够很好地对上述类型轨迹进行描述。随着时空大数据计算的发展,数据规模呈指数级增长,传统方法面临存储压力大、管理复杂、计算多样性高等多重挑战;面向规模庞大的时空轨迹数据以及复杂多元的查询处理场景,人工管理和系统调优显得捉襟见肘。
因此,如何满足多样化的查询需求,实现时空轨迹数据的优化管理成为了一个亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种时空轨迹索引与查询处理方法、装置、设备及介质,旨在解决现有技术无法实现满足多样化的查询需求,实现时空轨迹数据的优化管理的技术问题。
为实现上述目的,本发明提供了一种时空轨迹索引与查询处理方法,所述方法包括:
接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询;
在所述轨迹查询指令属于ID时间范围查询时,获取所述轨迹查询指令中查询时间范围以及查询轨迹;
获取所述查询时间范围对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述查询时间范围内时刻的轨迹点实际坐标进行累加以获得结果;
在所述轨迹查询指令属于时空范围查询时,获取所述轨迹查询指令中对应的查询时间范围以及查询空间范围;
通过所述时间范围获取对应的时间切片范围以获取扩展空间范围,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合;
在所述轨迹查询指令属于时空相似性查询时,获取所述轨迹查询指令中轨迹集、查询轨迹、距离函数以及距离阈值;
获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值进行比较以输出结果;
在所述轨迹查询指令属于KNN查询时,获取所述轨迹查询指令对应的轨迹集、查询点、查询时刻、正整数以及距离函数;
获取和所述轨迹查询指令中的查询时刻最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集。
可选地,所述接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询的步骤之前,还包括:
建立轨迹索引框架,所述轨迹索引基于k2树的多版本时空轨迹索引-HiTA;
在所述轨迹索引框架中建立空间索引和时间索引,在所述空间索引中新增了multiobject和aid来辅助记录轨迹对象信息,在所述时间索引结构中采用相对移动位置来表示轨迹随时间的移动。
可选地,所述在所述轨迹索引框架中建立空间索引和时间索引,在所述空间索引中新增了multiobject和aid来辅助记录轨迹对象信息,在所述时间索引结构中采用相对移动位置来表示轨迹随时间的移动的步骤之后,还包括:
基于所述轨迹索引架构,建立三种面向轨迹对象的时空查询算法,所述面向轨迹对象的时空查询算法包括:ID时刻查询、MBR查询以及时刻查询。
可选地,所述获取所述查询时间范围对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述查询时间范围内时刻的轨迹点实际坐标进行累加以获得结果的步骤,包括:
获取所述时间点ta对应的轨迹点信息;
判断所述轨迹查询指令中的时间范围内是否包含所述轨迹点信息;
若是,则根据所述轨迹id的起始点信息与所述时间点ta对应的轨迹点信息进行相加得到实际位置信息;
获取后续轨迹点的相对位移,按照时间顺序求解轨迹对应的坐标。
可选地,所述通过所述时间范围获取对应的时间切片范围以获取扩展空间范围,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合的步骤,包括:
通过所述时间范围R,对ta/d向下取整和对tb/d向上取整,得到对应时空轨迹索引的时间切片对应的范围;
获取扩展空间范围Sexpand,通过计算获取在时空轨迹索引内部最邻近查询时刻ta和tb的时间点la和lb;
根据所述扩展空间范围Sexpand获取查询候选轨迹对象;
通过判断函数Include筛选出目标轨迹以输出轨迹集合。
可选地,所述获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值进行比较以输出结果的步骤,包括:
获取查询轨迹MBR和时间范围R=[ts,te]以获取候选轨迹对象集;
获取查询轨迹Q,通过ID时间范围查询获取所有候选轨迹在所述时间范围R=[ts,te]内的轨迹,得到候选轨迹集;
将所述查询轨迹Q与所述候选轨迹集进行时空相似性计算得到计算结果;
将所述计算结果与距离阈值∈进行比较排序以输出结果。
可选地,所述获取和所述轨迹查询指令中的查询时刻最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集的步骤,包括:
获取所述查询时刻ts最近的两个时间切片,对过对所述时间切片进行对应的空间索引查询获取候选轨迹对象;
提取扩展空间查询过滤出候选轨迹对象,利用k2树结构特点进行范围查询;
通过距离计算进行排序,选取距离最近的前k个轨迹对象以得到结果集。
此外,为实现上述目的,本发明还提出一种时空轨迹索引与查询处理装置,所述装置包括:
接收指令模块,用于接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询;
第一查询模块,用于在所述轨迹查询指令属于ID时间范围查询时,获取所述轨迹查询指令中查询时间范围以及查询轨迹;
第一处理模块,用于获取所述查询时间范围对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述查询时间范围内时刻的轨迹点实际坐标进行累加以获得结果;
第二查询模块,用于在所述轨迹查询指令属于时空范围查询时,获取所述轨迹查询指令中对应的查询时间范围以及查询空间范围;
第二处理模块,用于通过所述时间范围获取对应的时间切片范围以获取扩展空间范围,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合;
第三查询模块,用于在所述轨迹查询指令属于时空相似性查询时,获取所述轨迹查询指令中轨迹集、查询轨迹、距离函数以及距离阈值;
第三处理模块,用于获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值进行比较以输出结果;
第四查询模块,用于在所述轨迹查询指令属于KNN查询时,获取所述轨迹查询指令对应的轨迹集、查询点、查询时刻、正整数以及距离函数;
第四处理模块,用于获取和所述轨迹查询指令中的查询时刻最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集。
此外,为实现上述目的,本发明还提出一种计算机设备,所述计算机设备包括:存储器,处理器以及存储在所述存储器上并可在所述处理器上运行的时空轨迹索引与查询处理程序,所述时空轨迹索引与查询处理程序配置为实现如上文所述的时空轨迹索引与查询处理方法。
此外,为实现上述目的,本发明还提出一种介质,所述介质上存储有时空轨迹索引与查询处理程序,所述时空轨迹索引与查询处理程序被处理器执行时实现如上文所述的时空轨迹索引与查询处理方法的步骤。
本发明根据接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询;在所述轨迹查询指令属于ID时间范围查询时,获取所述轨迹查询指令中查询时间范围R=[ta,tb]以及查询轨迹id;获取所述ta对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述ta时刻的轨迹点实际坐标进行累加以获得结果;在所述轨迹查询指令属于时空范围查询时,获取所述轨迹查询指令中对应的查询时间范围R=[ta,tb]以及查询空间范围S;通过所述时间范围R获取对应的时间切片范围以获取扩展空间范围Sexpand,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合;在所述轨迹查询指令属于时空相似性查询时,获取所述轨迹查询指令中,轨迹集Γ(T),查询轨迹Q,一个距离函数dis以及一个距离阈值∈;获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹Q与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值∈进行比较以输出结果;在所述轨迹查询指令属于KNN查询时,获取所述轨迹查询指令对应的轨迹集Γ(T),查询点q,查询时刻ts,正整数k以及距离函数dis;获取和所述查询时刻ts最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集,提供了一种满足多样化查询需求的时空轨迹索引与查询处理算法,实现时空轨迹数据的优化管理和高效查询。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的时空轨迹索引与查询处理设备的结构示意图;
图2为本发明时空轨迹索引与查询处理方法第一实施例的流程示意图;
图3为本发明时空轨迹索引与查询处理方法第一实施例空间索引组织架构图;
图4为本发明时空轨迹索引与查询处理方法第一实施例时间索引组织架构图;
图5为本发明时空轨迹索引与查询处理方法第一实施例一条轨迹的数据结构图;
图6为本发明时空轨迹索引与查询处理方法第一实施例ID时刻查询的伪代码图;
图7为本发明时空轨迹索引与查询处理方法第一实施例MBR查询伪代码图;
图8为本发明时空轨迹索引与查询处理方法第一实施例时间点查询伪代码图。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的时空轨迹索引与查询处理设备结构示意图。
如图1所示,该时空轨迹索引与查询处理设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对时空轨迹索引与查询处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及时空轨迹索引与查询处理程序。
在图1所示的时空轨迹索引与查询处理设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明时空轨迹索引与查询处理设备中的处理器1001、存储器1005可以设置在时空轨迹索引与查询处理设备中,所述时空轨迹索引与查询处理设备通过处理器1001调用存储器1005中存储的时空轨迹索引与查询处理程序,并执行本发明实施例提供的时空轨迹索引与查询处理方法。
本发明实施例提供了一种时空轨迹索引与查询处理方法,参照图2,图2为本发明时空轨迹索引与查询处理方法第一实施例的流程示意图。
本实施例中,所述时空轨迹索引与查询处理方法包括以下步骤:
步骤S10:接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询。
需要说明的是,ID时间范围查询:ID时间范围查询是指,给定一个移动对象id和时间范围R=[ts,te],返回在时间范围R内该移动对象的位置/轨迹。对于用户而言,ID时间范围查询能够帮助其追踪到车辆位置和查询历史轨迹,具体应用包括快递包裹最追踪,手机定位,车辆定位等、时空范围查询:时空范围查询是指,给定时间范围R=[ts,te]和空间范围S=(latmin,lonmin,latmax,lonmax),返回在时间范围R内穿过该空间范围S内的轨迹。对于用户而言,时空范围查询能够查询出可达区域,在出租车服务中,能够分析出载客热点区域,为用户迅速调度距离车辆、时空相似性查询:时空相似性查询是指,给定一条查询轨迹,一个距离阈值∈和一个距离函数dis,返回与该轨迹相似性大于距离阈值∈的轨迹。对于用户而言,时空相似性查询能够帮助查询出相似的行程,在拼车推荐,行程推荐和相似用户推荐中具有重要作用、KNN查询:KNN查询是指给定一个轨迹点q和时间范围R=[ts,te],返回与该轨迹点距离最近的前k条轨迹。在疫情防控中,KNN查询能够快速找出密切接触者,实现人员精准区分。上述四种查询在现实生活中具有广泛应用,为统筹上述多元的查询类型,支持复杂的上层应用,设计一个统一的、能够对数据进行压缩、轻量化的、高效支持上述查询类型的时空轨迹索引与查询处理框架非常必要。
进一步地,所述接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询的步骤之前,还包括:建立轨迹索引框架,所述轨迹索引基于k2树的多版本时空轨迹索引-HiTA;在所述轨迹索引框架中建立空间索引和时间索引,在所述空间索引中新增了multiobject和aid来辅助记录轨迹对象信息,在所述时间索引结构中采用相对移动位置来表示轨迹随时间的移动。
进一步地,所述在所述轨迹索引框架中建立空间索引和时间索引,在所述空间索引中新增了multiobject和aid来辅助记录轨迹对象信息,在所述时间索引结构中采用相对移动位置来表示轨迹随时间的移动的步骤之后,还包括:基于所述轨迹索引架构,建立三种面向轨迹对象的时空查询算法,所述面向轨迹对象的时空查询算法包括:ID时刻查询、MBR查询以及时刻查询。
需要说明的是,基于k2树的多粒度时空轨迹数据组织方法,用可以反映时空轨迹对象位置和尺度大小的数据组织方法来描述时空轨迹的多粒度特性,能很好地满足我们的设计需求。但同时,该模型仅仅支持基础的时空范围内轨迹对象的查询,因此,需要将其扩展以满足轨迹查询的需求。综上所述,本实施例提出基于k2树的多版本时空轨迹索引-HiTA,从数据组织,索引结构介绍索引组成,为丰富复杂的时空轨迹查询类型提供底层支撑。整个时空索引在空间维上采用k2树结构,对空间坐标采用网格化的表示,在时间维上采用离散化的时间间隔来表示,根据固定的时间间隔来存储轨迹。空间上网格的大小和时间上间隔的设置可以按照实际应用场景来确定。网格单元越小和时间间隔越短,则对时空轨迹的描述就更精确,相对应的索引占用的空间就会越大;反之,如果网格单元大小越大和时间间隔越长,则对时空轨迹的描述就更模糊,索引占用的空间也就越小。同时,我们引入了这种空间网格化和时间离散化的表示,会引入相应的误差和对时空轨迹描述的不精确性,在设计查询算法中我们考虑到了这一问题,针对不同的查询类型做处理消除误差的影响,如果空间网格大小为r×r,当获取到坐标点位于某一网格时,采用网格的中心点来表示该网格,则目标坐标点和网格中心点之间的最大距离为同时,这一误差会直接影响到与轨迹对象有关的查询类型,比如获取轨迹id在时间点t的位置p,轨迹id在时间范围R=[ts,te]内的轨迹以及轨迹的最小外包框MBR,每一个返回的轨迹点都会存在最大为的误差;在范围查询中,给定一个区域S,由于空间的网格化,可能会查询出并没有包含在该范围内的轨迹点;在近邻查询中,可能会返回的最近邻轨迹对象在一个网格中,但实际它们可能位于网格的对角顶点上,则其之间的距离会达到所以,在设置空间网格大小和时间间隔时,本实施例会根据实际应用场景和查询精度需求来合理设置。
在具体实施中,由于基础的k2树结构在每个网格空间仅能记录是否含有空间点,并不能记录其中包含的轨迹对象信息,因此,在表示当前时间点t下的空间对象信息时,除了基本的k2树结构,新增了两个位图multiobject和aid来辅助记录轨迹对象信息。将SI代表融合轨迹对象信息的k2树结构,表示在时间点t轨迹集Γ(T)内所有轨迹对象的位置信息,其结构组成包括:time表示空间索引对应所处时间点t、k2tree表示存储当前t时刻下构建网格内含有轨迹对象的空间位置信息、multiobject表示一个网格内不同轨迹对象的信息,采用数组结构表示、aid表示multioject和k2tree中轨迹对象所对应的空间位置信息,采用位图结构表示。图3所示为空间索引组织架构。网格中的圆圈表示轨迹对象位于4个单元格里,通过自上而下对k2 tree结构进行查找,根据数据组织规则,轨迹对象2和4所在的网格有位于L向量的第5位L[5],Rank1(L,5)=2,Select0(aid,2-1)+1=2以及Select0(aid,2)=Selectnext0(movingobject,2)=3。最终,得到查询结果movingobject[2...3]=<2,4>。
在具体实施中,时间索引部分主要记录将记录轨迹的移动位置,在这里,我们以相对移动位置来表示轨迹随时间的移动,如图4所示,右侧为一条轨迹在空间上的移动过程,左侧为轨迹相对移动的表示方法。本文采用相对方向来记录轨迹点之间的移动,如(1,0)表示下一位置在上一位置东方向1个网格处,而(3,1)表示下一位置在上一位置向东方向3个网格,北方向1个网格的位置,最终得到整条轨迹的相对移动坐标,整合表示为图4最下方所示,需要注意的是,结构内记录了除起始点外的剩余点的相对移动坐标,轨迹的起始点坐标统一记录在开始时刻t0的索引中。在处理过程中,轨迹中点除了起始点为原始坐标,其余点均为相对移动坐标,在计算时会遇到查询到某一轨迹点时,需要获取原始点和其之前每一个点的坐标,经过累加运算才能得到该点的实际坐标。因此,本实施例设计一种优化方法,避免对轨迹点的遍历,减少计算量,提高查询效率。首先,将轨迹的相对移动分为两部分用位图来记录,其中,北方向(North)和南方向(South)为一个轴的两个方向,东方向(East)和西方向(West)为一个轴的两个方向,对于计算轨迹点的实际位置,在不同方向上通过对位图进行Select操作即可得到相对移动的数据,和起始点位置相加,即可得到。基于上述设计思想,通过运用位图中的Select操作,能够很快获取到相应的位置信息,如图5所示,首先,将向北和东方向的移动定义为正位移,分别用XP和YP表示,将向南和细方向的移动定义为负位移,分别用XN和YN表示。在图中从t2时刻到t3时刻的相对位移为(2,1),表示为正位移上北方向移动了1个网格,东方向移动了2个网格,负位移上没有变化。设置正位移XP=<001>,YP=<01>,负位移方向无变化统一设置为XN=YN=<1>。同理,剩余的位移表示在图5中所示,最后用Mid表示轨迹起始点的实际位置。
需要说明的是,需要说明的是,图6为本实施例ID时刻查询的伪代码、图7为本实施例MBR查询伪代码、图8为本实施例时间点查询伪代码。
步骤S20:在所述轨迹查询指令属于ID时间范围查询时,获取所述轨迹查询指令中查询时间范围以及查询轨迹。
步骤S30:获取所述查询时间范围对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述查询时间范围内时刻的轨迹点实际坐标进行累加以获得结果。
进一步地,所述获取所述ta对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述ta时刻的轨迹点实际坐标进行累加以获得结果的步骤,包括:获取所述时间点ta对应的轨迹点信息;判断所述轨迹查询指令中的时间范围内是否包含所述轨迹点信息;若是,则根据所述轨迹id的起始点信息与所述时间点ta对应的轨迹点信息进行相加得到实际位置信息;获取后续轨迹点的相对位移,按照时间顺序求解轨迹对应的坐标。
步骤S40:在所述轨迹查询指令属于时空范围查询时,获取所述轨迹查询指令中对应的查询时间范围以及查询空间范围。
步骤S50:通过所述时间范围获取对应的时间切片范围以获取扩展空间范围,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合。
进一步地,所述通过所述时间范围R获取对应的时间切片范围以获取扩展空间范围Sexpand,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合的步骤,包括:通过所述时间范围R,对ta/d向下取整和对tb/d向上取整,得到对应时空轨迹索引的时间切片对应的范围;获取扩展空间范围Sexpand,通过计算获取在时空轨迹索引内部最邻近查询时刻ta和tb的时间点la和lb;根据所述扩展空间范围Sexpand获取查询候选轨迹对象;通过判断函数Include筛选出目标轨迹以输出轨迹集合。
步骤S60:在所述轨迹查询指令属于时空相似性查询时,获取所述轨迹查询指令中轨迹集、查询轨迹、距离函数以及距离阈值。
步骤S70:获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值进行比较以输出结果。
进一步地,所述获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹Q与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值∈进行比较以输出结果的步骤,包括:获取查询轨迹MBR和时间范围R=[ts,te]以获取候选轨迹对象集;获取查询轨迹Q,通过ID时间范围查询获取所有候选轨迹在所述时间范围R=[ts,te]内的轨迹,得到候选轨迹集;将所述查询轨迹Q与所述候选轨迹集进行时空相似性计算得到计算结果;将所述计算结果与距离阈值∈进行比较排序以输出结果。
步骤S80:在所述轨迹查询指令属于KNN查询时,获取所述轨迹查询指令对应的轨迹集、查询点、查询时刻、正整数以及距离函数。
步骤S90:获取和所述轨迹查询指令中的查询时刻最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集。
进一步地,所述获取和所述查询时刻ts最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集的步骤,包括:获取所述查询时刻ts最近的两个时间切片,对过对所述时间切片进行对应的空间索引查询获取候选轨迹对象;提取扩展空间查询过滤出候选轨迹对象,利用k2树结构特点进行范围查询;通过距离计算进行排序,选取距离最近的前k个轨迹对象以得到结果集。
本实施例根据接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询;在所述轨迹查询指令属于ID时间范围查询时,获取所述轨迹查询指令中查询时间范围R=[ta,tb]以及查询轨迹id;获取所述ta对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述ta时刻的轨迹点实际坐标进行累加以获得结果;在所述轨迹查询指令属于时空范围查询时,获取所述轨迹查询指令中对应的查询时间范围R=[ta,tb]以及查询空间范围S;通过所述时间范围R获取对应的时间切片范围以获取扩展空间范围Sexpand,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合;在所述轨迹查询指令属于时空相似性查询时,获取所述轨迹查询指令中,轨迹集Γ(T),查询轨迹Q,一个距离函数dis以及一个距离阈值∈;获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹Q与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值∈进行比较以输出结果;在所述轨迹查询指令属于KNN查询时,获取所述轨迹查询指令对应的轨迹集Γ(T),查询点q,查询时刻ts,正整数k以及距离函数dis;获取和所述查询时刻ts最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集,提供了一种满足多样化查询需求的时空轨迹索引与查询处理算法,实现时空轨迹数据的优化管理和高效查询。
此外,本发明实施例还提出一种介质,所述介质上存储有时空轨迹索引与查询处理程序,所述时空轨迹索引与查询处理程序被处理器执行时实现如上文所述的时空轨迹索引与查询处理方法的步骤。
本发明时空轨迹索引与查询处理装置的实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种时空轨迹索引与查询处理方法,其特征在于,所述方法包括:
接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询;
在所述轨迹查询指令属于ID时间范围查询时,获取所述轨迹查询指令中查询时间范围以及查询轨迹;
获取所述查询时间范围对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述查询时间范围内时刻的轨迹点实际坐标进行累加以获得结果;
在所述轨迹查询指令属于时空范围查询时,获取所述轨迹查询指令中对应的查询时间范围以及查询空间范围;
通过所述时间范围获取对应的时间切片范围以获取扩展空间范围,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合;
在所述轨迹查询指令属于时空相似性查询时,获取所述轨迹查询指令中轨迹集、查询轨迹、距离函数以及距离阈值;
获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值进行比较以输出结果;
在所述轨迹查询指令属于KNN查询时,获取所述轨迹查询指令对应的轨迹集、查询点、查询时刻、正整数以及距离函数;
获取和所述轨迹查询指令中的查询时刻最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集。
2.如权利要求1所述的方法,其特征在于,所述接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询的步骤之前,还包括:
建立轨迹索引框架,所述轨迹索引基于k2树的多版本时空轨迹索引-HiTA;
在所述轨迹索引框架中建立空间索引和时间索引,在所述空间索引中新增了multiobject和aid来辅助记录轨迹对象信息,在所述时间索引结构中采用相对移动位置来表示轨迹随时间的移动。
3.如权利要求2所述的方法,其特征在于,所述在所述轨迹索引框架中建立空间索引和时间索引,在所述空间索引中新增了multiobject和aid来辅助记录轨迹对象信息,在所述时间索引结构中采用相对移动位置来表示轨迹随时间的移动的步骤之后,还包括:
基于所述轨迹索引架构,建立三种面向轨迹对象的时空查询算法,所述面向轨迹对象的时空查询算法包括:ID时刻查询、MBR查询以及时刻查询。
4.如权利要求1所述的方法,其特征在于,所述获取所述查询时间范围对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述查询时间范围内时刻的轨迹点实际坐标进行累加以获得结果的步骤,包括:
获取所述时间点ta对应的轨迹点信息;
判断所述轨迹查询指令中的时间范围内是否包含所述轨迹点信息;
若是,则根据所述轨迹id的起始点信息与所述时间点ta对应的轨迹点信息进行相加得到实际位置信息;
获取后续轨迹点的相对位移,按照时间顺序求解轨迹对应的坐标。
5.如权利要求1所述的方法,其特征在于,所述通过所述时间范围获取对应的时间切片范围以获取扩展空间范围,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合的步骤,包括:
通过所述时间范围R,对ta/d向下取整和对tb/d向上取整,得到对应时空轨迹索引的时间切片对应的范围;
获取扩展空间范围Sexpand,通过计算获取在时空轨迹索引内部最邻近查询时刻ta和tb的时间点la和lb;
根据所述扩展空间范围Sexpand获取查询候选轨迹对象;
通过判断函数Include筛选出目标轨迹以输出轨迹集合。
6.如权利要求1所述的方法,其特征在于,所述获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值进行比较以输出结果的步骤,包括:
获取查询轨迹MBR和时间范围R=[ts,te]以获取候选轨迹对象集;
获取查询轨迹Q,通过ID时间范围查询获取所有候选轨迹在所述时间范围R=[ts,te]内的轨迹,得到候选轨迹集;
将所述查询轨迹Q与所述候选轨迹集进行时空相似性计算得到计算结果;
将所述计算结果与距离阈值∈进行比较排序以输出结果。
7.如权利要求1所述的方法,其特征在于,所述获取和所述轨迹查询指令中的查询时刻最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集的步骤,包括:
获取所述查询时刻ts最近的两个时间切片,对过对所述时间切片进行对应的空间索引查询获取候选轨迹对象;
提取扩展空间查询过滤出候选轨迹对象,利用k2树结构特点进行范围查询;
通过距离计算进行排序,选取距离最近的前k个轨迹对象以得到结果集。
8.一种时空轨迹索引与查询处理装置,其特征在于,所述装置包括:
接收指令模块,用于接收轨迹查询指令,确定所述轨迹查询指令属于ID时间范围查询、时空范围查询、时空相似性查询或KNN查询;
第一查询模块,用于在所述轨迹查询指令属于ID时间范围查询时,获取所述轨迹查询指令中查询时间范围以及查询轨迹;
第一处理模块,用于获取所述查询时间范围对应的轨迹点信息,根据所述轨迹点信息获取实际位置信息,通过获取相对位移将所述查询时间范围内时刻的轨迹点实际坐标进行累加以获得结果;
第二查询模块,用于在所述轨迹查询指令属于时空范围查询时,获取所述轨迹查询指令中对应的查询时间范围以及查询空间范围;
第二处理模块,用于通过所述时间范围获取对应的时间切片范围以获取扩展空间范围,根据所述扩展空间范围确定查询候选轨迹对象以输出轨迹集合;
第三查询模块,用于在所述轨迹查询指令属于时空相似性查询时,获取所述轨迹查询指令中轨迹集、查询轨迹、距离函数以及距离阈值;
第三处理模块,用于获取查询轨迹的MBR和时间范围,生成候选轨迹集,将所述查询轨迹与所述候选轨迹集进行时空相似性计算,将计算结果与所述距离阈值进行比较以输出结果;
第四查询模块,用于在所述轨迹查询指令属于KNN查询时,获取所述轨迹查询指令对应的轨迹集、查询点、查询时刻、正整数以及距离函数;
第四处理模块,用于获取和所述轨迹查询指令中的查询时刻最近的时空索引,获取候选轨迹对象,通过距离计算进行排序得到结果集。
9.一种时空轨迹索引与查询处理设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的时空轨迹索引与查询处理程序,所述时空轨迹索引与查询处理程序配置为实现如权利要求1至7中任一项所述的时空轨迹索引与查询处理方法的步骤。
10.一种介质,其特征在于,所述介质上存储有时空轨迹索引与查询处理程序,所述时空轨迹索引与查询处理程序被处理器执行时实现如权利要求1至7任一项所述的时空轨迹索引与查询处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467766.7A CN114117260B (zh) | 2021-12-02 | 2021-12-02 | 时空轨迹索引与查询处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467766.7A CN114117260B (zh) | 2021-12-02 | 2021-12-02 | 时空轨迹索引与查询处理方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114117260A CN114117260A (zh) | 2022-03-01 |
CN114117260B true CN114117260B (zh) | 2022-09-23 |
Family
ID=80366383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111467766.7A Active CN114117260B (zh) | 2021-12-02 | 2021-12-02 | 时空轨迹索引与查询处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114117260B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658737B (zh) * | 2022-11-02 | 2023-07-14 | 大连理工大学 | 大规模轨迹数据时空伴随者查询方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536813B (zh) * | 2018-04-04 | 2019-07-16 | 平安科技(深圳)有限公司 | 轨迹查询方法、电子设备及存储介质 |
CN113656670A (zh) * | 2021-08-23 | 2021-11-16 | 南京航空航天大学 | 面向飞行数据的时空轨迹数据管理分析方法和装置 |
-
2021
- 2021-12-02 CN CN202111467766.7A patent/CN114117260B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114117260A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11668831B2 (en) | High-precision mapping method and device | |
EP1732016B1 (en) | Information processing apparatus, information processing method, and information processing program | |
CN106897374B (zh) | 一种基于轨迹大数据最近邻查询的个性化推荐方法 | |
CN107679558A (zh) | 一种基于度量学习的用户轨迹相似性度量方法 | |
Xu et al. | Predicting destinations by a deep learning based approach | |
US10176244B2 (en) | Text characterization of trajectories | |
CN109271467B (zh) | 一种方向感知的路网移动对象k近邻查询方法 | |
CN107092623B (zh) | 一种兴趣点查询方法及装置 | |
CN109741209B (zh) | 台风灾害下配电网多源数据融合方法、系统及存储介质 | |
US11860846B2 (en) | Methods, systems and apparatus to improve spatial-temporal data management | |
US20140370920A1 (en) | Systems and methods for generating and employing an index associating geographic locations with geographic objects | |
CN114117260B (zh) | 时空轨迹索引与查询处理方法、装置、设备及介质 | |
CN109145225B (zh) | 一种数据处理方法及装置 | |
KR20220070482A (ko) | 이미지 증분 클러스터링 방법, 장치, 전자 기기, 저장 매체 및 프로그램 제품 | |
CN114625162A (zh) | 基于混合算法的无人机最优路径规划方法、系统及介质 | |
JP2017107385A (ja) | タスク割当装置、方法、及びプログラム | |
CN115328210B (zh) | 路径规划方法、装置、终端设备以及存储介质 | |
CN115687517A (zh) | 时空数据的存储方法、装置、数据库引擎和存储介质 | |
Wu et al. | Neist: a neural-enhanced index for spatio-temporal queries | |
Wang et al. | A novel dual-index design to efficiently support snapshot location-based query processing in mobile environments | |
CN113158803A (zh) | 一种教室空座查询系统、实时视频分析系统及方法 | |
JP3984135B2 (ja) | 移動軌跡データ検索用情報生成装置及びその方法と、移動軌跡データ検索装置及びその方法と、移動軌跡データ検索用情報生成プログラム及びそのプログラムを記録した記録媒体と、移動軌跡データ検索プログラム及びそのプログラムを記録した記録媒体 | |
CN110928968B (zh) | 一种二维地理空间大数据的存储与查询计算机介质 | |
Bae et al. | Web data retrieval: solving spatial range queries using k-nearest neighbor searches | |
Lokugam Hewage et al. | 4SA: Optimizing space filling curve based grid cell indexing to scalably manage remotely sensed images in key-value databases |
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 |