基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法

为了减小给定压缩率下,压缩轨迹与原始轨迹之间的差异,提出一种基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法。所提算法可以根据用户的压缩率要求设定轨迹压缩过程,将新到来的轨迹点保存到一个存储队列中,每次从队列中选择引起同步欧氏距离误差最小的轨迹点移除,以达到在给定压缩率下减小压缩前后轨迹间差异的目的。理论分析和实验结果表明,较现有以压缩率为压缩依据的主流在线GPS轨迹数据压缩算法而言,压缩率相同时,所提算法对应的平均同步欧氏距离误差明显减小,所需的压缩时间略有增加。     

基于运动状态改变的在线全球定位系统轨迹数据压缩

针对基于偏移量计算的轨迹数据压缩算法中对于关键点的评估不足以及基于在线轨迹数据压缩算法中累积误差和对偏移量考虑不足的问题,提出一种基于运动状态改变的在线全球定位系统(GPS)轨迹数据压缩算法——限定同步欧氏距离(SED)的阈值结合算法(SLTA)。该算法通过轨迹点的转向角度大小和速度变化大小来评估轨迹点信息量的大小;同时用SED限制点的偏移量,以达到较好的信息保留度。实验结果表明,SLTA的轨迹压缩率能够达到50%左右,与阈值结合算法(TA)相比,SLTA的平均SED误差(5 m以内)可以忽略不计;相对于基于偏移量计算的轨迹数据压缩算法,SLTA的平均角度误差最小(1.5°~2.3°),运行时间最稳定。SLTA能够稳定有效地进行在线GPS轨迹数据压缩。     

自适应参数的轨迹压缩算法

随着轨迹数据量的急剧增长,数据规模变得越来越庞大、复杂,给数据的存储、传输和分析带来了一系列的难题,迫切需要对移动对象的轨迹数据进行有效地压缩。现有的轨迹数据压缩算法大都是基于固定压缩阈值,来判定轨迹点是否被保留,在算法执行过程中,用户难以确定压缩阈值。针对现有轨迹数据压缩算法压缩阈值难以确定的缺点,本文提出了自适应参数的轨迹压缩算法。该算法根据用户期望达到的压缩效果,按照优先保证压缩比的策略,在保证压缩效率和压缩效果的情况下,帮助用户自动确定压缩阈值,从而避免了用户需要根据自己的经验,进行反复实验来得到理想压缩阈值的过程。实验结果表明,本文提出的算法都具有较高的压缩效率和较好的压缩效果。     

基于路网的GPS轨迹在线压缩方法

在传统的GPS轨迹压缩中,其压缩的结果与原始轨迹差别较大,在压缩过程中不同程度的忽略了轨迹点的速度信息、方向信息以及轨迹的形状,在本文中,在保证压缩率的前提下将保存速度、方向、轨迹形状等GPS轨迹特征信息,作为重点研究的问题.本文算法基于路网信息、OW(Opening Window,开放窗口)算法、关键点法以及停留点法之上提出了一种能够保存GPS轨迹时空特性的在线压缩算法.实验结果表明,该压缩算法较现有的压缩算法在保证压缩率的前提下,在保留轨迹时空特性的基础上有所改进.     

基于预测模型的轨迹数据压缩方法

针对目前路网环境下海量轨迹数据压缩效率低下的问题,提出了一种基于预测模型的轨迹数据压缩方法（CTPM）。通过将轨迹数据的时间信息和空间信息分别进行压缩,使得压缩后的轨迹数据在空间维度上无损,并且在时间维度上误差有界,以此提高压缩效率。在空间方面,首先利用部分匹配预测（PPM）算法通过轨迹已经行驶的部分路段对其下一时刻可能的位置进行预测;然后通过删除预测成功的路段来减少轨迹数据的存储代价。在时间方面,首先利用轨迹通行状况具有周期性的特点,构建了不同时间区间的通行速度统计模型,来预测移动对象进入下一路段所需要的时间;然后删除预测时间误差小于给定阈值的路段数据来进行压缩处理。实验结果显示,与已有的基于路网的并行轨迹压缩（PRESS）算法相比,CTPM的空间压缩比和时间压缩比平均分别提高了43%和1.5%,同时时间压缩误差减小了9.5%。实验结果表明所提算法在提高压缩比的同时有效地降低了压缩时间和压缩误差。     

路网感知的在线轨迹压缩方法

随着定位技术的高速发展,定位传感器被广泛地应用于智能手机、车载导航等各种移动设备中,用于采集移动对象位置数据并将数据上传至服务器.该技术的应用方便了位置跟踪、预测和分析,同时也带来了轨迹数据量大、数据冗余、传输和存储代价高等问题.轨迹压缩技术即是针对该问题而提出的,它通过保留关键轨迹点和去除冗余轨迹点信息,降低了轨迹数据的传输和存储开销.本文分析了近年来轨迹压缩领域的国内外研究进展,针对现有研究工作的不足,提出了一种路网感知的在线轨迹压缩方法,包括针对轨迹压缩的距离有界的隐马尔科夫地图匹配算法和误差有界的高效轨迹压缩算法等,并实现了该方法的原型系统（ROADER）.基于真实数据集的实验证明,该系统在压缩率、误差和执行时间等方面均显著优于同类算法.     

基于大地距离计算相似度的海上目标轨迹预测

目前基于相似度的移动目标轨迹预测算法一般根据数据的时空特性进行分类,无法体现算法自身的特点,为此提出一种基于算法特征的分类方法。轨迹相似度算法通常需要先计算两点之间的距离,再开展后续计算,而常用的欧氏距离（ED）只适用于目标在小区域范围内移动的问题。针对现有基于相似度的轨迹预测算法无法适用于移动范围比较大的海上目标轨迹预测的问题,提出使用大地距离代替ED进行相似度计算。首先,对轨迹数据进行预处理和分段;其次采用离散弗雷歇距离（FD）作为相似性度量;最后,利用模拟数据和实际数据进行测试。实验结果表明,当海上目标移动范围较大时,采用ED算法可能会得到不正确的预测结果,而所提算法可输出正确的目标轨迹预测结果。     

基于演化计算的异常轨迹并行检测算法

异常轨迹检测是轨迹数据挖掘研究领域的一个重要研究内容,基于演化计算的异常轨迹检测算法(Top-k evolving trajectory outlier detection, TOP-EYE)是一种有效的异常轨迹检测算法。不同于其他算法采用的轨迹距离计算方法,TOP-EYE算法 从轨迹的方向和密度角度出发,采用演化计算的方式检测异常。为了提高TOP-EYE算法对海量轨迹数据集异常检测的效率,本文在其基础上提出了基于MapReduce的异常轨迹检测并行算法(Parallel detecting abnormal trajectory based on TOP-EYE, PDAT-TOP ),利用MapReduce并行计算的优势提高了异常轨迹检测的效率。将算法PDA T-TOP在Hadoop平台上加以实现,实验结果表明,算法PDAT-TOP能够有效地检测异常轨迹,并且具有较高的可扩展性和加速比。     

基于SDLST算法的导弹状态数据压缩方法

针对海量状态数据的压缩,对旋转门趋势(Swinging Door Trending,SDT)算法进行改进,提出一种旋转门最小二乘趋势(Swinging Door Least Square Trending,SDLST)算法。通过最小二乘拟合的引入,避免了压缩偏移量对压缩精度的影响,有效控制压缩失真度在0.5以下,同时不增加算法复杂度,运算速度快,对系统资源占用少。该算法在导弹状态监测系统软件中测试完成,对导弹全寿命维护监测产生的海量状态数据,如温湿度、振动、位置姿态等进行了有效的压缩存储。验证了其有效性,具有很高的实用价值。     

基于MapReduce的轨迹压缩并行化方法

带有全球定位系统（GPS）功能设备的增多,产生大量的时空轨迹数据,给数据的存储、传输和处理带来了沉重的负担。为了减轻这种负担,各种轨迹压缩方法也随之产生。提出了一种基于MapReduce的并行化轨迹压缩方法,针对并行化导致的分段点前后轨迹的相关性被破坏的问题,首先,采用两种分段点相互交错的划分方法划分轨迹;然后,将分段轨迹分配到多个节点上进行并行化压缩;最后,对压缩结果进行匹配合并。性能测试分析结果表明,所提出的并行化轨迹压缩方法能够大幅提高压缩效率,而且能完全消除因分段导致分段点前后相关性被破坏带来的误差。     

基于综合时空特性的混合式轨迹压缩算法

针对车辆全球卫星定位系统(GPS)中如何降低轨迹数据存储空间,提高数据分析及传送速度等问题,提出一种基于综合时空特性的混合式轨迹压缩算法.该算法一方面采用了新的综合时空特性的在线轨迹压缩策略,利用GPS数据的位置信息、时间信息、方向角、速度信息进行轨迹特征点的综合判断,以更准确地选取特征点;另一方面,采用了在线与批处理相结合的混合式轨迹压缩策略,定时采用道格拉斯批量压缩算法对在线压缩的轨迹集进行二次压缩,以提高轨迹的压缩效率.实验结果表明,较现有的时空特性压缩算法,新的综合时空特性在线轨迹压缩策略虽然在压缩率上略有下降,但压缩误差有显著减小.进一步采用混合式压缩策略后,通过选取适当的批处理时间周期,所提算法在压缩率和压缩误差上较现有的时空特性算法均有所改进.     

基于深度学习的GPS轨迹去匿名研究

移动互联网和LBS技术的高速发展使得位置服务提供商可以轻松收集到大量用户位置轨迹数据,近期研究表明,深度学习方法能够从轨迹数据集中提取出用户身份标识等隐私信息。然而现有工作主要针对社交网络采集的签到点轨迹,针对GPS轨迹的去匿名研究则较为缺乏。因此,对基于深度学习的GPS轨迹去匿名技术开展研究。首先提出一种GPS轨迹数据预训练方法,经过子轨迹划分、位置点转化和位置点嵌入,原始GPS轨迹中的空间距离和上下文信息被嵌入到定长向量中,使得GPS轨迹数据能够作为神经网络的输入。其次提出一种基于深度神经网络训练的GPS轨迹去匿名方法,基于预训练得到的向量序列,采用LSTM、GRU等神经网络作为编码器训练拟合用户标识,实现匿名轨迹数据的用户关联。最后基于Geolife轨迹数据集对上述方法进行验证,实验中轨迹去匿名的准确率和Top5准确率分别达到了56.73%和73.48%,实验结果表明,基于深度学习的GPS轨迹去匿名方法能够从匿名轨迹数据中较为准确地识别出用户标识。     

JPEG图像双重压缩偏移量估计的篡改区域自动检测定位

目的 为了解决现有图像区域复制篡改检测算法只能识别图像中成对的相似区域而不能准确定位篡改区域的问题,提出一种基于JPEG(joint photographic experts group)图像双重压缩偏移量估计的篡改区域自动检测定位方法。方法 首先利用尺度不变特征变换(SIFT)算法提取图像的特征点和相应的特征向量,并采用最近邻算法对特征向量进行初步匹配,接下来结合特征点的色调饱和度(HSI)彩色特征进行优化匹配,消除彩色信息不一致引发的误匹配;然后利用随机样本一致性(RANSAC)算法对匹配对之间的仿射变换参数进行估计并消除错配,通过构建区域相关图确定完整的复制粘贴区域;最后根据对复制粘贴区域分别估计的JPEG双重压缩偏移量区分复制区域和篡改区域。结果 与经典SIFT和SURF(speeded up robust features)的检测方法相比,本文方法在实现较高检测率的同时,有效降低了检测虚警率。当第2次JPEG压缩的质量因子大于第1次时,篡改区域的检出率可以达到96%以上。 结论 本文方法可以有效定位JPEG图像的区域复制篡改区域,并且对复制区域的几何变换以及常见的后处理操作具有较强的鲁棒性。     

基于北斗卫星的GPS轨迹数据异常双频定位方法

当前GPS轨迹定位方法均采用单频定位,在数据异常情况下不能保障定位精度,故此提出一种基于北斗卫星的GPS轨迹数据双频定位方法研究。先基于北斗卫星的定位原理建立用于空间几何距离测量和地面监测点精准定位的数学模型,并确定出伪距和载波相位的观测值的权重;利用北斗卫星确定出标的物的空间几何距离,及空间位置信息;由于定位系统本身及大气电离层的影响,得到空间定位信息内包含有误差项,基于北斗卫星系统可以修正GPS轨迹误差项和异常数据,实现对标的物位置信息的精准定位。测试数据表明提出定位方法的精度更高,综合定位偏差值为0.56%,同时定位误差的均值和方差控制表现更好。     

基于GPS轨迹的盲用导航算法与实现

利用在Windows CE嵌入式平台下接收到的全球定位系统(GPS)轨迹数据,提出了一种适用于盲人以及视障人士的室外GPS导航算法。通过对已知GPS轨迹数据的分析,判断出轨迹上的拐点位置以及拐弯方向,在实际导航时采用通过语音播报的方式向盲人提供实时导航信息。实验测试结果表明,该算法能够有效筛选出GPS轨迹中的拐点,并为用户播报有效实用的导航信息,指导其安全准确地到达目的地。     

基于时间约束的Hausdorff距离的时空轨迹相似度量

从海量的轨迹数据中发现用户的相似轨迹是实现基于位置的个性化服务推荐的关键技术之一.位置和时间是轨迹数据的两个重要属性,而已有的基于Hausdorff距离的轨迹相似度量只着重关注了位置属性.针对在计算轨迹间相似性时忽略了轨迹的时间属性这一问题,提出一种基于时间约束的Hausdorff距离的时空轨迹相似度量.利用滑动窗口挖掘两条较长轨迹中所有相似的子轨迹,进而判断较长轨迹间的相似性.实验结果表明,该时空轨迹相似度量具有更好的效果.     

基于K-SVD的星载GPS观测数据压缩方法

空间飞行器主要采用双频GPS精密定轨技术提高轨道预报精度,但需对双频GPS导航系统的观测数据进行预存储,为星载固存的存储资源增加负担;为此,文章提出了针对星载GPS观测数据的压缩方法,该方法引入稀疏表示理论,采用K奇异值分解(K-SVD,k-singular value decomposition)字典学习方法构建出压缩字典,GPS导航系统将采集的观测数据时间序列稀疏分解到K-SVD压缩字典中,达到数据压缩目的 ;通过地面仿真验证,该方法不仅具有高压缩比、低失真率等特点,还能够降低GPS观测数据的噪声水平,从而提升了0.2～0.36 mm的精密定轨精度,并且该方法适合不同轨道高度的低轨飞行器应用.