出租车轨迹数据的道路提取

相对高频GPS轨迹数据而言,低频GPS轨迹数据具有数据量大、容易获取、低成本等优点。对此,本文提出了一种基于大量低频轨迹数据的道路信息提取方法。该方法采用数学形态学滤波和细化方法对栅格化的道路图像进行道路中心线与交叉口的提取,然后采用道格拉斯-普克算法对交叉口间的路段进行简化与平滑,最终得到道路信息。其中在交叉口的提取上,采用多分辨率的图像融合的方法尽可能多地提取交叉口。试验表明,该方法在一定程度上克服了低频轨迹数据采样间隔不固定、定位精度低、噪声点多、数据分布不均等缺点,能够提取出较为准确的道路交叉口和中心线。     

Geohash-Trees:一种用于组织大规模轨迹的自适应索引

蕴含着挖掘价值的轨迹数据分布在世界各地，且规模庞大。如何在全球范围内组织轨迹数据并支持高效范围查询成为难题。一种自适应索引组织框架被提出来管理查询全球范围大规模轨迹数据集，其基本思想为:针对不同轨迹数据集，根据Geohash编码，生成层数最深的Geohash格网覆盖住整个轨迹数据集范围；以格网作为根节点，生成Geohash-Trees；为了加快查询定位到对应索引，根据编码前缀相同的特点设计了字典查询树。Geohash-Trees是一种基于格网划分的空间索引，它能够根据轨迹密度自适应使用多种剖分策略划分空间，提高范围查询效率。为了支持索引动态更新，设计了增量插入和更新算法。同时，该索引被移植到商用数据库Oracle中，利用数据库性能高效管理查询轨迹数据。实验结果表明，该方法在范围查询以及占用空间等方面明显优于Oracle内置的R树索引。     

大规模轨迹数据的Geohash编码组织及高效范围查询

面向成熟的关系-对象型空间数据库,利用Geohash编码的唯一性、一维性和递归性等特征,提出了一种基于Geohash编码的大规模轨迹数据组织方法及范围查询技术。该方法结合Geohash编码和B+树索引,设计了适应不同尺度范围查询的大规模轨迹数据的关系组织模式,并给出了相应的两阶段查询处理算法,同时提出了一种Z合并优化,以进一步提高范围查询的处理效率。实验结果表明,此方法适合于组织管理与查询分析大规模的轨迹数据,其范围查询性能高于内置的R树索引。