[发明专利]一种能充分利用数据特征的时间轨迹表示和压缩框架

说明书

本发明提供了一种能充分利用数据特征的时间轨迹表示和压缩框架，涉及轨迹压缩领域，特别是时间轨迹的压缩。大量且冗余的车辆轨迹数据导致了许多数据存储，通信和处理方面的开销。目前，原始轨迹通常被分解为空间路径和的时间序列。本文针对时间序列的压缩提出了一套新的框架，包括一个表示构造器和四个压缩器。具体而言，我们首先构造出了一个具有四种元素的时间轨迹表示，它具有较低的熵和存储；接着构造四种压缩器分别压缩对应的四类元素，并改善了压缩效率。

技术领域

本发明涉及轨迹压缩技术领域，特别是涉及到时间轨迹压缩技术。

背景技术

移动物体产生的大量轨迹数据会导致数据存储，通信和处理的开销。车辆轨迹数据是典型示例之一。但由于车辆只能在道路网络上行驶，因此具有特殊的空间限制。为了减轻上述问题，在保持轨迹数据的效用(如支持查询)的同时减小其大小是一种很有前景的方法。轨迹是一组GPS点序列，记录移动车辆的时空信息，由时间戳t_i，地理空间坐标(x_i,y_i)和瞬时速度v_i组成。目前，由移动车辆生成的轨迹通常被分解为由一系列的连续边表示的道路网络中的空间路径，以及与之相关的由一系列时间戳t_i表示的时间序列。轨迹分解确保了在有效性方面具有更好的压缩性能，这已经通过理论分析得到证明。此外，除了获得更好的压缩性能外，空间和时间的分离也有利于查询。例如，一个常见的查询是，车辆在特定时间行驶在哪一条道路上。

在空间轨迹压缩方面，已经提出了许多优秀的算法。然而在时间轨迹压缩方面，已有地工作未很好地解决问题。首先，良好的时间轨迹表示应该具有小的熵(entropy)和大小(size)。熵较小说明该表示包含了大量重复信息，有助于进一步编码压缩。此外，简洁紧凑的表示有助于降低存储成本。不幸的是，就这两个要求而言，现有的工作是不合格的。其次，当前的表示不能支持一些查询，因为它们忽略了一些时间信息，尤其是加速度和瞬时速度。这些信息对于许多基于位置的服务(LBS)至关重要。例如，加速度信息在研究驾驶行为分类中不可或缺的因素之一。瞬时速度可以捕获细粒度的驾驶情况，这对于超速行为检测系统非常重要。最后，现有的许多有代表性的压缩方法，例如PRESS，CCF和TED等都只能在较大的误差范围内实现良好的压缩效果。

发明内容

为解决上述问题，本发明提供了一种能充分利用数据特征的时间轨迹表示和压缩框架，构造一种新的时间轨迹表示，并进行有效地压缩。

具体而言，本发明提供了一种能充分利用数据特征的时间轨迹表示和压缩框架的方案为：

一种能充分利用数据特征的时间轨迹表示和压缩框架，包含两个阶段。其中，第一个阶段，构建一种新的时间轨迹表示，包括4种组成元素：初始信息、时间序列、辅助信息序列和加速度序列；第二个阶段，对于上述的每一种组成元素，我们利用其表示特征提出一种基本压缩器，并且利用其潜在的底层特征进一步提高压缩效率。

进一步的，本发明一种能充分利用数据特征的时间轨迹表示和压缩框架中的第一个阶段，包含以下4个步骤：步骤1：在第j条原始轨迹片段Tr_j中，将起始时间st_j和起始速度sv_j作为初始信息保存，即II_j＝(st_j；sv_j)；步骤2：在第j条原始轨迹片段Tr_j中，构造对应的时间序列TS_j＝Δt₁；Δt₂；…；Δt_l-1，其中Δt_i是时间间隔；步骤3：在第j条原始轨迹片段Tr_j中，将加速度序列表示为其中该序列记录了路段中的平均加速度和瞬时速度(瞬时速度可由初始信息和平均加速度联合求得)；步骤4：在第j条原始轨迹片段Tr_j中，将辅助信息序列表示为AUXS_j＝aux₁；…；aux_l-1，其中