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。

顾及转弯特征点的渔船轨迹压缩算法

为提高渔船轨迹压缩中的转弯特征保留效果,提出一种顾及转弯特征点的轨迹压缩(Time-Ratio Turn,TR-T)算法,该算法在压缩前检测轨迹转向特征点,并通过轨迹分段提高压缩效率。为验证该算法的实用性,采用真实的南海渔船轨迹数据进行实验,并对轨迹转弯特征进行可视化分析。实验结果显示:在平均误差上,TR-T算法与自顶向下的时间比例(Top-Down Time-Ratio TD-TR)算法较为一致并且优于道格拉斯普克(Douglas-Peucker,DP)算法,并且在压缩率大于70%时,其平均误差都小于1 m;在压缩时间上,TD-TR算法与DP算法压缩时间约为TR-T算法的3倍和6倍;在可视化效果方面,TR-T算法能够保留原始轨迹的整体交通流情况,并且较其他2种算法转弯处的特征点保留效果更好。

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。

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题,提出了一种船舶轨迹在线压缩算法;使用多次滑动推算船位判断方法清洗船舶轨迹,使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点;为了提高轨迹队列和路径树在内存中的查询速度,使用哈希表对其进行管理;为了验证提出算法的效果,比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差,采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明:在压缩时间方面,方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍,说明提出的算法比其他2种算法的处理时间更短;提出的算法在压缩过程中保留了时间信息,平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下,最大同步欧氏距离误差在压缩率为1%时仅有127 m,而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制,会随机变化;在垂直距离误差方面,提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下,都能保证垂直距离误差小于20 m,而方向保留算法的垂直距离误差会随机变化;在显示效果方面,提出的算法能有效清除轨迹噪声点,压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见,提出的算法能更高效地保留原始轨迹的形状和时间信息。