-
题名面向路网轨迹的自适应数据模型与索引结构
- 1
-
-
作者
骆钰波
陈碧宇
-
机构
武汉大学测绘遥感信息工程国家重点实验室
武汉大学社会地理计算联合研究中心
-
出处
《地球信息科学学报》
CSCD
北大核心
2023年第1期63-76,共14页
-
基金
国家重点研发计划项目(2021YFB3900900)
湖北省自然科学基金杰青项目(2020CFA054)
测绘遥感信息工程国家重点实验室自主科研项目。
-
文摘
针对现有路网轨迹数据模型与时空索引结构自适应调节能力低的问题,提出了一种面向路网轨迹的自适应数据模型与时空索引结构,以支持路网时空轨迹的高效存储与查询。所提出的自适应时空数据模型为多层CLR数据模型的扩展,该模型以从时空轨迹群中挖掘的高频路网路径为主要网络线性元素建立自适应线性基准,并根据自适应线性基准对路网时空轨迹进行转换,转换后的时空轨迹其时空子实体数量变少,可以通过更高的效率进行存储;所提出的自适应时空索引结构为基于LRS的时空索引结构的扩展,该索引结构根据自适应线性基准构建自适应线性参考系统,基于自适应线性参考系统的索引结构其保存的时空子实体数量变少,可以通过更高的效率进行时空查询。为了验证所提出方法的有效性,本文最后采用真实开源T-Drive出租车轨迹数据集与人工合成轨迹数据集进行了充足的实验。实验以2种常见的时空相交查询类型为例,将所提出的方法与原始数据模型以及时空索引结构进行了存储效率和查询效率的对比。对比分析结果表明,所提出的自适应数据模型与索引结构最高能够提升40%的存储效率以及50%的查询效率,为路网轨迹数据的管理提供了新的解决方案。
-
关键词
路网时空轨迹
时空路径
时空数据模型
时空索引结构
自适应
频繁模式挖掘
压缩线性参考
时空对偶变换
-
Keywords
network-constrained trajectories
space-time path
spatiotemporal data model
spatiotemporal index structure
adaptive
frequent pattern mining
compressed linear reference
dual space-time transformation
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
U495
[天文地球—测绘科学与技术]
-
