基于时空标签轨迹的k近邻模式匹配查询

时空标签轨迹在传统的时空轨迹数据基础之上融入了具有语义含义的标签信息,丰富了移动对象数据。针对该数据提出k近邻模式匹配查询,即在给定时间区间内匹配相应的模式且距离查询轨迹最近的k条轨迹。设计并实现标签R树(LR-Tree),即增加标签表并在R树每项中添加标签位图,及基于LR-Tree的k近邻模式匹配查询算法。通过真实数据和合成数据将LR-Tree与3DR-Tree、SETI及TB-Tree进行对比,实验表明LR-Tree具有更好的剪枝能力,从而验证了所提算法及索引的有效性。

K近邻近似模式匹配查询

随着智能终端的广泛普及,传统的移动对象描述中增加了许多语义相关信息.现有语义移动对象查询大多在语义匹配的前提下再进一步考虑时空属性,造成部分结果在时空维度距离较远.为此,针对时空标签轨迹的语义描述,提出近似模式匹配,并给出相关定义表示,以考虑轨迹语义部分匹配查询条件.在此基础上,提出K近邻近似模式匹配查询,以实现同时考虑时空距离和语义匹配程度,引入新的剪枝策略,并给出基于标签R树的K近邻近似模式匹配查询算法.实验结果表明,与基于RR-Tree,3DR-Tree,TB-Tree及SETI索引的查询算法对比,在不同参数下,基于LR-Tree的K近邻近似模式匹配算法表现出更好的剪枝能力.

基于时空标签轨迹的范围模式匹配查询

针对时空标签轨迹的语义描述,结合传统移动对象范围查询,提出范围模式匹配查询并给出形式化表示。范围模式匹配查询返回在给定时空范围内匹配给定查询模式的所有轨迹,设计基于标签R树的范围模式匹配查询算法,并介绍查询算法中的筛选过程及精细计算过程。通过大量实验,从查询算法的不同参数角度分析,与基于RR-Tree、3DR-Tree、TB-Tree及SETI的查询算法进行对比,验证了提出的基于标签R树的范围模式匹配查询算法的有效性。