[发明专利]一种保持移动特征的车辆轨迹线数据压缩方法

说明书

本发明公开了一种保持移动特征的车辆轨迹线数据压缩方法，首先，依据速度、方向等移动特征相似性原则对原始轨迹线直线段进行层次化聚类，并将聚类结果组织为层次二叉树结构；然后，在压缩几何精度控制下基于建立的层次二叉树结构对原始轨迹线实施分区，提取各分区内轨迹线片段的首尾点并按时间次序组织为压缩结果。本发明利用移动特征相似性原则对原始轨迹线进行层次化剖分，使得几何精度控制下的轨迹点取舍决策尽量发生在移动模式均一的轨迹线片段内，从而达到更好地保持原始轨迹线移动特征这一目的。

技术领域

本发明属于地理信息技术领域，涉及一种车辆轨迹线数据的压缩方法，尤其涉及一种保持移动特征的车辆轨迹线数据压缩方法。

背景技术

车辆轨迹线通常由一系列按时间序列组织的位置坐标组成，用以描述车辆在一定地理空间范围及时间周期内的时空运动状态。随着以全球卫星定位系统(GPS)、我国的北斗导航系统等为代表的定位导航技术的不断发展完善，以及车载/人载位置感知设备的普及，各种类型的车辆轨迹监测数据成为当前众源大数据的重要组成部分。这些轨迹监测数据对于城市群体\个体行为模式分析、交通信息实时监测表达、以及地理数据库更新等具有重要意义。然而，具备空间/时间高分辨率特点的车辆轨迹数据通常规模十分巨大。例如，车载GPS接收设备每10秒记录一次车辆当前的位置信息，一个中等规模城市的出租车单个工作日产生的轨迹线数据量将达到GB级别。一方面，这对存储设备空间、网络传输带宽以及后期分析的计算资源造成巨大压力；另一方面，轨迹数据本身包含大量冗余信息，浪费存储计算资源的同时也对分析处理及可视化表达造成负面干扰。解决上述问题的途径之一是研究高效的车辆轨迹线数据压缩方法，即在满足一定几何精度条件下删除冗余甚至信息量较小的轨迹点，从而压缩轨迹线数据规模。

目前，实施轨迹线压缩主要采用来自传统面向快照式静态地理数据的线目标压缩方法。它们的基本思想是从压缩精度控制出发，依据几何上的距离、角度、面积等指标参量评估线目标上每个点的重要性，保留重要特征点(如端点、局部极值点、拐点等)的同时删除其它次要的点。以应用中使用频率最高的Douglas-Peucker算法为例，通过相对当前基准线(首尾点连线)的最大偏移距离对原始线目标进行递归分段，当某一分段部分对应的最大偏移距离小于设定的几何化简精度ε，则将该分段部分拟合为对应的基准线。这类方法能够较好地保持原始线目标的空间形态结构，但是缺乏对时间维信息的考虑，应用到车辆时空轨迹线压缩中容易丢失速度、加速度、方向变化等移动特征。

发明内容

针对上述存在的应用问题，本发明设计了一种新的保持移动特征的车辆轨迹线数据压缩方法。本发明的核心思想是依据速度、方向等移动特征相似性原则对原始轨迹线进行层次化剖分，使得几何精度控制下的轨迹点取舍决策尽量发生在移动模式均一的轨迹线片段内，从而缓解单纯考虑几何特征的压缩方法对原始轨迹线蕴含的移动特征的破坏。

本发明所采用的技术方案是：一种保持移动特征的车辆轨迹线数据压缩方法，其特征在于，包括以下步骤：

步骤1：按轨迹点产生的时间次序将原始轨迹线T组织为T＝{p₁,p₂,…,p_n}，每个轨迹点p_i表示为三元组信息<x_i,y_i,t_i>，x_i和y_i为轨迹点p_i的空间位置坐标，t_i表示p_i产生的时间信息，n是包含的轨迹点数量，1≤i≤n；

步骤2：依次提取相邻两个轨迹点构成的轨迹直线段，组织为轨迹直线段集合E＝{e₁,e₂,…,e_n-1}，计算每一条轨迹直线段e_j对应区域内车辆的移动速度v_j和移动方向θ_j，1≤j≤n-1；