海量移动轨迹时空压缩最新进展

城市建设,交通先行。交通大数据是建设智慧城市的数据基石,而海量车辆时空轨迹数据是其中一种重要类型。研究人员通过分析、挖掘和利用海量时空轨迹数据在智慧城市建设取得了长足进展,如交通流优化,城市规划,居民出行时空模式发掘等。

一方面,车辆实时调度、基于位置的智慧城市服务通常需要获得车辆的准确位置;另一方面,由于GPS设备定位精度有限以及城市环境复杂性,车辆原始的轨迹数据往往存在定位偏差。为了消除定位误差,研究人员通常需要将轨迹数据映射在路网上来获得车辆的准确位置和真实行驶路径。这一过程也被称为轨迹匹配或地图匹配。在轨迹匹配方面,本团队提出了一种高效的在线地图匹配算法。具体而言,该算法创新地利用了“车辆航向”这一信息用在地图匹配的三个阶段。相关成果发表于期刊Journal of Ambient Intelligence and Humanized Computing(CCF C类,JCR 3)[1]。同时为了计算地图匹配算法的准确度,需要获得车辆的真实行驶路线。在实际过程中,这一信息往往缺失且通常只能依靠志愿者手动标记获得。为了加快标记速度及提高标记准确率,本团队还设计了一款半自动标记软件TLabel。

车辆轨迹数据源源不断地被采集、传输和保存在云端数据中心,势必造成存储、通信和计算资源的极大消耗。轨迹数据在线压缩是有效缓解这一消耗的利器。对一轨迹数据,研究学者往往将其拆分为空间轨迹和时间轨迹,并分别在时间和空间两个维度上实现压缩。在空间维度,本团队提出了一种低成本的压缩算法,该算法创新地利用车辆航向在交叉路口的转变实现轨迹高效压缩目标。相关成果发表在智能交通领域著名期刊IEEE Transaction on Intelligent Transportation Systems(CCF-BJCR一区)[2]。在时间维度,现在的工作往往聚焦于车辆在行驶路线上的时间和位置信息,忽视了车辆的即时速度、时变速度等信息,而这些信息对于司机驾驶风格、司机驾驶行为理解有着至关重要的作用。为此,本团队首先构造了一种与速度相关的全新时间轨迹表达,继而巧妙地设计基于哈夫曼树-哈夫曼森林结构的压缩器,实现时间轨迹高效压缩,相关成果目前投稿在国际数据挖掘和数据库领域著名期刊IEEE Transaction on Knowledge Data Engineering (CCF-A) [3]

车载GPS设备的计算能力通常是较弱的,如一些设备的RAM只有4KB,无法胜任在线轨迹压缩的复杂任务。在移动环境下,如何实现在线轨迹匹配和压缩?为此,我们创新地引入边缘计算概念,将繁重的计算任务从车载GPS设备迁移到司机的智能手机端。我们认为这一想法是现实可行的,如司机的智能手机具有强大的计算能力,适合处理复杂的计算任务,且在驾驶中通常处于空闲状态。通过在真实环境的测试,我们发现该系统能出色地完成匹配与压缩任务。相关研究成果发表于15th Annual IEEE International Conference on Sensing, Communication, and Networking (workshop, SECON, CCF-B) [4]

 

参考文献:

[1] Chao Chen, Yan Ding*, Xie X, et al. A three-stage online map-matching algorithm by fully using vehicle heading direction[J]. Journal of Ambient Intelligence and Humanized Computing, 2018, 9(5): 1623-1633.

https://pan.baidu.com/s/1G6-NP80bJy1GJ5HfF5AoOQ         ext8

[2] Chao Chen, Yan Ding*, Xie, X, et al. An online map-matching-based trajectory compression framework leveraging vehicle heading direction and change[J]. IEEE Transaction on Intelligent Transportation Systems, online.

https://pan.baidu.com/s/165DG3bDV0gVtnSQWKLeGlg       49w0

[3] Yan Ding, Chao Chen, Guo, S, et al. DAVT: An Error-bounded Trajectory Data Representation and Compression Framework[J]. IEEE Transaction on Knowledge Data Engineering, under review.

[4] Yan Ding, Chao Chen, Xie X, et al. An Online Trajectory Compression System Applied to Resource-Constrained GPS Devices in Vehicles[C]//2018 15th Annual IEEE International Conference on Sensing, Communication, and Networking (SECON). IEEE, 2018: 1-3.

https://pan.baidu.com/s/19nxk1B-TGgyTSHAcITWKIw         c6be