基于RFID位置语义的室内移动轨迹聚类算法

面向室内空间的移动轨迹聚类有利于发现室内热点和用户移动模式.针对室内环境在定位技术、距离度量等方面的特殊性,充分考虑室内移动轨迹的空间和语义特征,提出一种基于无线射频识别(radio frequency identi-fication,RFID)位置语义的室内移动轨迹聚类方法.该方法对原始轨迹提取特征点,可简化轨迹以降低算法时间复杂度;从空间形状和位置语义2个方面加权计算轨迹相似度,其中,空间相似度通过定义适用于室内三维空间的距离函数来计算,语义相似度计算基于最长公共子序列思想,并引入移动对象在轨迹点的到达时间和停留时间;利用线性表存储轨迹相似度,采用改进的层次聚类方法对移动轨迹进行聚类.实验结果表明,该方法能够有效地进行室内轨迹聚类并具有较高的效率.     

基于轨迹的指称语义方法

文章提出一种基于轨迹的指称语义框架,该框架结合了操作语义和代数语义的特征,避免使用专门的数学理论,将静态语义和动态语义结合在一起统一处理.文章引入了轨迹概念和模型语言,然后讨论该语言的各句法成分所对应的语义论域,并对过程和函数进行了一些描述。     

基于固定网络的移动对象轨迹查询

在基于固定网络的移动对象轨迹查询方面.现有的索引模型只能管理移动对象当前和过去或将来轨迹的查询,它们都不能同时实现移动对象的现在,过去和将来轨迹查询.本文在IMORS的索引结构基础上进行改进并提出了一种新的索引结构.它能实现基于固定网络的移动对象的全时态索引.     

轨迹数据压缩综述

移动终端的普及和全球定位系统(Global Positioning System,GPS)的发展,产生了海量的移动轨迹数据.许多基于位置服务(Location-Based Services,LBS)利用这些轨迹数据为用户提供服务.但是轨迹数据的日益增多也带来了许多挑战:数据量巨大、查询延时增长、数据冗余.因此,轨迹压缩对于提供更好的服务是非常有必要的.轨迹压缩的目标是在满足压缩轨迹与原始轨迹之间的相似度条件下,尽可能减小轨迹数据量.本文回顾了已有的轨迹压缩工作,包括线段简化压缩方法、基于路网的压缩方法和语义压缩方法,并介绍了基于压缩轨迹的查询处理和轨迹管理系统.     

基于位置的可拼接轨迹对搜索

移动设备的快速发展,生成了大量轨迹.基于位置的轨迹搜索,是指给定一组查询点,从数据集中检索top-k条轨迹,但是所得到的轨迹可能不能近距离通过所有查询点.利用轨迹可拼接的想法,提出基于位置的可拼接轨迹对搜索,使用户利用轨迹对得到的轨迹更加近距离地通过所有查询点.在搜索终止过程,给出可拼接的轨迹对搜索过程的有效终止条件.真实的数据集验证了所提方法的有效性.      

面向骑行地图推断的轨迹数据质量提升方法

由于定位设备误差、非机动车骑行习惯等因素的影响,骑行轨迹存在数据异常与定位信息缺失等质量问题,为骑行地图推断和骑行路径规划等基于轨迹的应用带来了极大挑战.为解决上述问题,提出了一个面向骑行地图推断的轨迹数据质量提升框架,包括网格索引构建、异常轨迹点的消除、徘徊轨迹段的消除、违章轨迹段的消除、漂移轨迹段的校准以及缺失轨迹的恢复等.在真实非机动车骑行轨迹数据集上进行了对比实验和消融实验,实验结果验证了所提方案对于提升骑行地图推断的精度优于现有方法.     

基于轨迹聚类的路网构造

随着定位设备的普及以及大规模移动轨迹数据的快速涌现,使得基于移动轨迹的数据挖掘和知识发现研究变得越来越热,其中一个有价值的研究方向是从GPS轨迹中抽取路网结构.然而如何有效地从轨迹数据中探测交叉口并进而构造路网却是一个难以解决的问题,针对此问题提出了一个基于轨迹点聚类的交叉口探测算法,以及在此基础上的路网快速构造方法.实验结果表明,算法能够有效地确定交叉口的位置及数量,且利用探测到的交叉口能够实现路网结构的快速构造.     

基于模糊决策的短跑图视频中特征点轨迹模拟方法

提出了一种基于模糊决策的短跑图视频中特征点轨迹模拟方法.在时空信息中进行短跑图视频特征度量目标以及观测间距离特征提取,采用模糊决策方法计算不同目标中心的模糊隶属度,利用模糊综合函数对两种隶属度进行融合,获取模糊综合隶属度.通过模糊决策概念形成纹理特征关联规则和关联规则挖掘短跑图视频中特征点轨迹,完成短跑图视频中特征点轨迹模拟.仿真实验结果表明,所提方法能够提升短跑图视频中特征点轨迹模拟精确度,能够有效降低计算复杂度和绝对误差.     

基于有趣地点压缩的时空轨迹聚类

研究移动物体时空轨迹局部关键地点时空相似的聚类问题.根据移动物体的运动状态提取轨迹中的有趣地点,利用最小包围盒技术对这些有趣地点进行描述,得到基于有趣地点压缩的轨迹表示形式;然后给出一个时空属性相结合的相似性度量公式,对压缩表示的轨迹进行相似性度量;基于这个相似性度量公式对轨迹进行聚类,聚类方法采用层次聚类法.实验结果表明,本文提出的方法能有效地对移动物体时空轨迹进行聚类,由于采用了增量式的轨迹压缩方法,不仅提高了聚类的速度,而且还实现了增量式的轨迹聚类.     

一种基于等参线裁剪的刀具轨迹规划算法

提出了覆盖点集及其相关的概念 ,并在此基础上设计了一种基于等参线离散裁剪的刀具轨迹规划算法 ,可在满足指定精度的情况下优化刀具轨迹 ,显著提高效率 .     

基于步行轨迹的复杂道路中心线提取方法

传统的基于GPS轨迹的路网提取多关注使用车载GPS轨迹数据提取城市车道级路网,忽略了校园、社区、景区等小范围区域内的复杂道路信息,该文提出了一种基于步行GPS轨迹数据的复杂道路中心线提取方法.在数据清洗的基础上,基于轨迹点分布密度进行栅格化,然后采用Zhang-Suen快速细化算法对栅格路网细化得到道路中心线,最后采用改进的追踪法实现路网矢量化.以华中师范大学校园为试验区域,提取出了人车混行、小路交错的校园路网,证明了该方法的有效性.     

基于变分自动编码器的车辆轨迹预测研究

针对轨迹预测中车辆与周边车辆、道路几何之间交互关系建模不充分,以及车辆轨迹多模态建模不完整等一系列问题,提出了一种基于变分自动编码器的车辆轨迹预测方法。首先,通过长短时记忆网络从原始数据中提取轨迹数据与车道信息的语义特征;其次,引入多头注意力机制,采用两个单独的注意力模块分别建立车辆与车辆交互模型及车辆与道路交互模型,能够更好地反映周边车辆与道路几何对车辆轨迹的交互影响,得到丰富的场景上下文信息;接着利用变分自动编码器对车辆轨迹多模态建模,捕捉轨迹预测的随机性质以生成合理的未来轨迹分布;最后从分布中多次重复采样以生成多条可能的未来轨迹。通过搭建实验平台和使用Argoverse自然驾驶数据集进行测试,改进后的预测方法在平均位移误差和最终位移误差指标下的数值分别为1.03和1.51,预测精度上相较于其他3种预测方法,分别提升了45%、46%、32%;实验结果表明：预测方法可以有效地改善车辆与周边车辆、道路几何之间交互关系建模不充分,以及车辆轨迹多模态建模不完整等问题,预测精度提高,总体预测性能良好。     

考虑道路形状约束的车辆轨迹聚类方法

随着车联网技术的不断发展,产生了海量车辆轨迹数据。这些车辆轨迹数据可以通过聚类分析方法挖掘出车辆行驶的潜在规律,从而实现指导车辆出行的目的。提出一种基于密度的车辆轨迹聚类方法,对基于道路形状关键点位置选取的车辆轨迹信息进行重构,并考虑车辆在路网中移动的空间约束,分析聚类结果得到城市道路的交通状况,以此指导车辆出行以避免或减轻车辆拥堵。基于福州市真实的车辆数据对提出的车辆轨迹聚类算法进行验证,并对最后的聚类结果进行了详细的分析。实验结果表明,针对车辆轨迹聚类并结合道路网络的方法能够更加真实反映车辆的行为特征。     

实时异常轨迹检测方法及其应用

利用内置GPS的移动终端可以获取移动对象的运动轨迹,可用于分析移动对象的运动行为.在公共交通、医疗监护、物流运输等应用领域,移动对象的运动轨迹受路网约束且大多需要预先设定.考虑到偏离预先设定的正常轨迹可能预示着某种异常,及时准确地进行异常轨迹检测是非常必要的.从时间序列分析的角度,提出一种实时异常轨迹检测算法,在预先设...     

时空轨迹中隐含的周期性行为模式

将人类时空轨迹中隐含的信息进行可视化并转换为语义语言是公安工作的迫切需要。使用聚类算法将空间轨迹数据离散化,设计等间距抽样算法规整时间序列数据,从而将连续域上的时空轨迹数据表示为离散的二值序列,为使用离散傅里叶变换和循环自相关方法查找时空轨迹中隐含的周期性行为模式做好数据准备;并通过调整采样时间跨度以增强稀疏二值序列的周期性特征。实验表明可以有效提取时空轨迹中的周期性行为模式,而具有季节性和随机变化的行为模式也具有重要参考价值。案件的发生是由人的行为导致的,所以对人类时空轨迹的研究成果也可以应用于案件分析。     

基于地图匹配的时空轨迹匿名算法

当前的时空轨迹匿名算法忽略了空间相关性对轨迹隐匿的重要影响.为此,提出一种基于地图匹配的时空轨迹匿名算法,利用真实路网数据构造假轨迹的候选匹配集,通过设置时间和空间匿名函数,利用启发式广度优先搜索算法搜索目标匹配轨迹点,满足时空匿名性和空间相关性的隐私安全条件,以增强隐私保护力度.在Android平台上设计实现基于地图匹配的时空轨迹匿名工具,利用真实路网数据完成实验,验证了该算法的有效性.     

基于Bi-BPNNs的船舶轨迹修复模型

为了解决船舶轨迹数据的异常和丢失问题,辅助轨迹复原和情景推演,提出一种双向学习模型,用于修复船舶轨迹.从AIS(Automatic Identification System)报文中提取航行船舶的上下文轨迹特征向量,改进基础BP(Back Propagation)神经网络的拓扑结构,构建具有双向预测功能的BP神经网络(Bi-BPNNs)模型,修复缺失的轨迹数据.使用长江干线航行船舶的真实轨迹数据对构建的模型进行验证和分析,通过与基础BP网络和常用线性插值方法的对比,证明Bi-BPNNs模型在船舶轨迹修复上具有更好的性能和效果.     

城市道路交叉口电动自行车左转安全特性分析

综合运用基于录像数据采集方法与电动自行车运行轨迹提取方法,对城市道路信号交叉口左转电动自行车行驶的横向位置分布规律、纵向蛇行运动轨迹展开较为系统的数据分析,为我国道路交叉口交通设计改善、降低交通事故提供一定的理论依据和数据支撑。     

结合双向LSTM和注意力机制的车辆轨迹预测

为提升智能交通、自动驾驶等系统的管理和服务质量,提出一种双向长短期记忆网络结合注意力机制的车辆轨迹预测模型。采用道格拉斯-普克压缩算法对轨迹数据进行压缩预处理,减少数据中的冗余;在编码器中使用双向长短期记忆网络充分捕获时间相关性特征,并采用自注意力机制获得与邻近车辆之间的全局空间相关性特征;通过解码器的全连接层获取车辆的未来位置,并通过模型迭代获得完整的预测轨迹路线。实验结果表明,提出的模型预测性能优于对比模型。此外,消融实验结果表明,引入轨迹压缩算法与改进的长短期记忆网络结合注意力机制对预测准确度均有积极贡献。     

考虑临近时空序列影响的城市交通状态判别方法

以营运车辆的GPS数据作为研究对象,根据路网连接的拓扑属性构建电子矢量地图,在离散化的时-空系统中,提出新的交通状态判别算法设计思路. 考虑路段交通状态的时空关联特性,采用当前路段速度、邻近时空序列速度综合计算进行路段交通状态判别.