一种用于交通轨迹数据的时空R树索引结构

对于包含有时空属性信息的海量交通轨迹数据进行存储、检索等具有重要的实际意义.针对交通轨迹数据的时空特性、无序性以及采样率高等特点,提出一种基于时空距离进行聚类的数据项构造方法;同时针对数据的时空特性和传统R树的节点重叠率较高导致检索效率慢的情况,提出增加时间维度且基于改进的层次聚类算法的R树构造方法.解决了传统方法中树过高以及节点重复率高导致的检索效率问题.实验结果表明,该构造方法得到的R树结构在检索效率方面性能优于传统方法.

一种基于聚类的交通轨迹差分隐私保护数据发布方法

差分隐私保护在交通轨迹数据发布领域的应用研究日益增多,如何在保证数据隐私性的同时提高发布数据集的可用性,已成为重要的研究课题。目前,在结合聚类的差分隐私保护算法中,主要是基于K-means聚类算法,但由于需要提前指定K值,因此基于K-means的方法不能很好地适应数据集的变化。提出了一种新的交通轨迹差分隐私保护数据发布方法,该方法结合AP聚类算法(Affinity Propagation Clustering Algorithm)以及豪斯多夫距离,设计指数机制对轨迹点进行聚合映射,以提高轨迹集的数据可用性。