移动计算环境下路网上移动对象的位置更新

针对移动网络环境下移动对象的位置更新、断连检测和处理的问题,提出了现有位置更新策略的改进算法。采用固定时限策略进行断连检测,虽然能够获取快速而准确的断连检测,但是直接增加了位置更新的次数,降低了原有位置更新策略的性能。为了改正该缺点,提出了自适应策略,即根据移动对象的位置估计一个最晚的更新时限,实现强制更新。此外,还提出了群组更新策略中断连的处理算法。实验仿真结果表明,新算法既能减少位置更新次数,又能实现有效合理的网络处理。     

一种适合于频繁位置更新的网络受限移动对象轨迹索引

移动对象索引是支持海量移动对象管理的一项关键技术.目前的移动对象时空轨迹索引方法如STR-Tree、TB-Tree、FNR-Tree、MON-Tree等均直接以轨迹单元作为基本的索引记录单位,在位置更新时需要频繁地在索引中插入新的记录,从而严重地影响了数据库的总体性能.为了解决上述问题,文中提出一种网络受限移动对象的动态概略化轨迹R树索引(DSTR-Tree).DSTR-Tree将索引空间划分成等距格栅,并通过格栅单元对每一条移动对象轨迹进行概略化,然后以概略化轨迹单元为基本索引记录单位建立R树索引.由于概略化轨迹的粒度大大粗于原始轨迹,因此移动对象不需要在每次位置更新的同时触发索引更新,而仅需要在轨迹跨越当前格栅单元时才进行索引更新,从而显著地降低了索引更新的代价.实验结果表明,DSTR-Tree在移动对象数据库频繁位置更新的实际运行条件下,提供了良好的索引维护及总体查询处理性能.     

面向对象的全时域移动对象数据模型

在面向对象模型中加入对动态属性的支持,提出和建立了一种面向对象的支持全时域数据存储和查询的移动对象数据模型。探讨了GPS定位信息中精度、方位等信息对移动对象位置更新的影响,并给出了一种新的基于定位精度、速度和方位的动态阈值位置更新策略,解决了移动对象的全时域存储和查询方法。最后对面向对象的全时域移动对象数据模型进行了验证,实验表明该动态阈值位置更新策略在不影响移动对象运动轨迹精度的情况下,可以有效减少位置更新,节省数据传输流量,减少数据存储量。     

移动计算系统中的自适应位置更新策略

移动计算系统中一个很重要的问题就是管理移动客户机的实时位置.在现有商业的移动计算系统中,采用一种两层的体系结构.这种两层的结构不具有可扩展性,因而不能适应具有大量移动用户的新型移动计算应用.人们提出了一种新的层次结构的位置数据库结构,系统中的位置数据库组成一个树形结构以方便移动用户位置查找.尽管这种结构把位置更新及查询的任务在系统中的所有位置数据库中进行了分摊,它也有其自身的弱点:位置更新的代价较大及位置查询的延迟较长.研究了树形位置数据库结构中的位置更新策略,给出了一个位置变更的阈值计算方法,以使得位置管理的代价最少.     

一种基于车辆交通管理的移动对象索引方法

提出了一种基于车辆交通管理的移动对象索引方法。移动对象索引最关键的问题是减少索引的更新代价,文章结合车辆导航系统中地图匹配技术和路网数据库技术,把传统方法对轨迹的索引变为对点的索引,同时采用扁平的索引结构——哈希方法来索引对象,减少了系统的更新代价。根据对象所在的位置及前k次速率来计算对象将来的位置,提高了系统精确度。     

面向频繁位置更新的不确定移动对象索引策略

位置不确定性是移动对象的重要特点之一。已有的不确定移动对象索引技术旨在提高查询效率,但是当移动对象位置频繁更新时,存在更新代价较大的问题。针对移动对象频繁位置更新引起的开销增加问题,在TPU-tree索引结构上支持移动对象群组划分策略,给出了一种适用于频繁位置更新的索引结构GTPUtree。在此基础上提出了基于空间轨迹相似度的群组划分算法STSG(spatial trajectory of similarity group)和不确定移动对象群组更新算法。GTPU-tree通过减少同一分组中移动对象的更新次数,降低磁盘I/O次数,从而降低更新代价。通过实验对基于GTPU-tree和TPU2M-tree等索引结构的算法效率进行了对比分析,结果表明GTPU-tree相比于TPU2M-tree在移动对象数量较大时,GTPU-tree的更新代价将低于TPU2M-tree;与TPUtree相比插入性能提高约30%,更新代价降低约35%。     

基于GPS车辆跟踪系统的移动对象数据库应用研究

本文结合GPS车辆实时跟踪应用系统,利用移动对象数据库技术,对移动车辆的运动空间及时间进行分割,建立了移动目标数据库的数据模型、数据结构以及索引结构,实现实时更新车辆位置信息,有效地回放移动车辆的历史行驶轨迹,预测车辆将来的运动路线。     

网络受限移动对象不确定性轨迹的索引

近年来,人们对于如何表示和处理移动对象的不确定性进行了研究,提出了一些较为有效的模型和算法.但是,在如何索引移动对象的不确定时空轨迹方面,相关的研究工作十分有限.为了解决上述问题,本文提出了一种网络受限移动对象不确定轨迹的索引结构(UTR-Tree),并给出了相关的索引更新及查询算法.在该索引结构的支持下,移动对象数据库不仅可以快速地处理对移动对象过去可能位置的查询,而且能够对其现在及将来的可能位置进行高效的查询处理.     

一种适合于室内疏散对象的混合位置更新策略

当建筑物内发生突发事件时,为更好地跟踪疏散对象,减少位置更新频率,提出一种基于疏散对象速度、方向属性和室内地标单元拓扑、语义结构相结合的混合位置更新策略。当疏散对象速度范围和地标单元两者中有一项发生变化,并满足邻接单元关系时将位置更新到服务端,既保证对象在拥堵处或地标单元处更新,又避免由于室内定位不确定性产生的少数错误更新。实验结果表明,与已有的基于固定时间或安全区域的更新策略相比,该策略能够在保证疏散对象位置精确度的情况下,以较小的通信代价持续跟踪疏散对象的详细位置信息和拥挤状态。     

军用PCS系统中移动基站的位置更新策略

移动基站技术是军用PCS系统的关键技术之一。在未来的战场中，基站根据需要可以自由移动，并有可能带大量用户共同移动，基站移动到新地方后能够快速地和网络恢复连接，建立通信。基站的可移动性带来的关键问题是如何在网络中对移动基站进行位置更新和对用户群进行快速有效的位置更新。该文简要介绍了移动基站技术的概念，以第二代数字移动通信系统CSM网络为基础，对移动基站的位置更新和用户群的位置更新提出了新的更新策略，补充、完善了原有的位置更新的协议，使得新的协议能够适应基站移动性的需求。     

Updating and Querying Databases that Track Mobile Units

In this paper, we consider databases representing information about moving objects (e.g., vehicles), particularly their location. We address the problems of updating and querying such databases. Specifically, the update problem is to determine when the location of a moving object in the database (namely its database location) should be updated. We answer this question by proposing an information cost model that captures uncertainty, deviation, and communication. Then we analyze dead-reckoning policies, namely policies that update the database location whenever the distance between the actual location and the database location exceeds a given threshold, x. Dead-reckoning is the prevalent approach in military applications, and our cost model enables us to determine the threshold x. We propose several dead-reckoning policies and we compare their performance by simulation.Then we consider the problem of processing range queries in the database. An example of a range query is 'retrieve the objects that are currently inside a given polygon P. We propose a probabilistic approach to solve the problem. Namely, the DBMS will answer such a query with a set of objects, each of which is associated with a probability that the object is inside P.     

Online Approach for Spatio-Temporal Trajectory Data Reduction for Portable Devices

As location data are widely available to portable devices, trajectory tracking of moving objects has become an essential technology for most location-based services. To maintain such streaming data of location updates from mobile clients, conventional approaches such as time-based regular location updating and distance-based location updating have been used. However, these methods suffer from the large amount of data, redundant location updates, and large trajectory estimation errors due to the varying speed of moving objects. In this paper, we propose a simple but effcient online trajectory data reduction method for portable devices. To solve the problems of redundancy and large estimation errors, the proposed algorithm computes trajectory errors and finds a recent location update that should be sent to the server to satisfy the user requirements. We evaluate the proposed algorithm with real GPS trajectory data consisting of 17201 trajectories. The intensive simulation results prove that the proposed algorithm always meets the given user requirements and exhibits a data reduction ratio of greater than 87% when the acceptable trajectory error is greater than or equal to 10 meters.     

非确定性查询及其在无约束运动中的应用

为了追踪和记录空间移动对象的运动轨迹，需要记录其在各个采样时刻的空间坐标数据。但是对于采样时刻之间的对象坐标以及上一采样时刻结束，下一采样时刻到来之前的坐标数据的确定仅仅是一种估计，这种估计本身存在一定的非确定性。该文提出了针对时空数据非确定性的时空最近点查询即NN查询（Nearest Neighbor query）的算法NNU（Nearest Neighbur query with Uncenainty），并介绍了其在二维无约束空间运动中的应用。     

移动对象索引技术研究进展

在位置服务、交通控制等移动计算领域，移动对象索引技术广泛应用于对移动终端的空间位置进行存储和检索。本文深入分析了移动对象历史轨迹、当前位置和未来位置预测等各种索引技术，并根据索引空间及结构的不同对现有移动对象索引方法进行了详细的分类比较与讨论，对移动对象索引技术研究方向进行了展望。     

基于前缀投影技术的大规模轨迹预测模型

智能手机、车载GPS终端、可穿戴设备产生了海量的轨迹数据,这些数据不仅描述了移动对象的历史轨迹,而且精确地反映出移动对象的运动特点.已有轨迹预测方法的不足在于：不能同时兼具预测的准确性和时效性,有效的轨迹预测受限于路网等局部空间范围,无法处理复杂、大规模位置数据.为了解决上述问题,针对海量移动对象轨迹数据,结合频繁序列模式发现的思想,提出了基于前缀投影技术的轨迹预测模型PPTP（prefix projection based trajectory prediction model）,包含两个关键步骤：（1）挖掘频繁轨迹模式,构造投影数据库并递归挖掘频繁前序轨迹模式;（2）轨迹匹配,以不同频繁序列模式作为前缀增量式扩展生成频繁后序轨迹,将大于最小支持度阈值的最长连续轨迹作为结果输出.算法的优势在于：可以通过较短的频繁序列模式,增量式生成长轨迹模式;不会产生无用的候选轨迹,弥补频繁模式挖掘计算代价较高的不足.利用真实大规模轨迹数据进行多角度实验,表明PPTP轨迹预测算法具有较高的预测准确性,相对于1阶马尔可夫链预测算法,其平均预测准确率可以提升39.8%.基于所提出的轨迹预测模型,开发了一个通用的轨迹预测系统,能够可视化输出完整的轨迹路线,为用户路径规划提供辅助决策支持.     

An efficient location reporting and indexing framework for urban road moving objects

The tracking of moving objects consists of two critical operations: location reporting, in which moving objects (or clients) send their locations to centralized servers, and index maintenance, through which centralized servers update the locations of moving objects. In existing location reporting techniques, each moving object reports its locations to servers by utilizing long-distance links such as 3G/4G. Corresponding to this location reporting strategy, servers need to respond to all the location updating requests from individual moving objects. Such techniques suffer from very high communication cost (due to the individual reporting using long-distance links) and high index update I/Os (due to the massive amount of location updating requests). In this paper, we present a novel Group-movement based location Reporting and Indexing (GRI) framework for location reporting (at moving object side) and index maintenance (at server side). In the GRI framework, we introduce a novel location reporting strategy which allows moving objects to report their locations to servers in a group (instead of individually) by aggregating the moving objects that share similar movement patterns through wireless local links (such as WiFi). At the server side, we present a dual-index, Hash-GTPR-tree (H-GTPR), to index objects sharing similar movement patterns. Our experimental results on synthetic and real data sets demonstrate the effectiveness and efficiency of our new GRI framework, as well as the location reporting strategy and the H-GTPR tree index technique.     

一种基于道路网络的移动目标数据库模型

移动目标数据库(moving object database)有别于一般数据库技术的重要特征之一就是不仅可以对移动目标在数据库记录的时刻进行位置查询,而且可以对不同记录时刻之间以及未来时刻的位置进行查询,其研究的首要问题是建立移动目标运动及位置更新模型.目前有大量依靠其他辅助设备(如GSM网络)定位的盲终端设备(如移动电话,PDA等),存在着MOD管理的潜在需求,需要对它们建立合适的运动及位置更新模型,来为移动用户提供基于位置的服务.针对这类无自定位能力的移动目标,利用它们通常运动在城市的道路网络上这一特点,提出了基于道路网络的移动目标历史和未来速度计算模型,在此基础上提出了基于道路网络的非等时位置更新模型.与传统的速度计算模型相比,基于道路网络的移动目标历史和未来速度计算模型在考虑移动目标定位误差时可以降低移动目标位置预测的误差;与等时位置更新模型相比,基于道路网络的非等时位置更新模型在平均预测误差相近的情况下,可以减少移动目标和定位设施之间的通信量.     

一种构建于DSM的移动对象的全时态索引方法

移动对象索引技术是移动对象数据库这个新兴的热点领域中的关键技术之一.针对该技术处理数据的繁琐复杂特性,提出构建于DSM的移动对象索引方法 DSM_MSMON,在分布式系统中并行的管理移动对象的信息,支持更新和查询操作.DSM_MSMON统一了单机和多机的内存管理策略,解决了DSM系统中的数据定位、一致性维护、负载平衡和可扩充性等主要问题,有效地提高了移动对象索引的效率.文中给出DSM_MSMON的设计思想和模型,并分析了DSM_MSMON的关键技术和程序流程.实验结果表明,该方法要优于MSMON结构.