轨迹压缩的典型方法评价

轨迹大数据的关键瓶颈之一是轨迹数据海量的数据规模对轨迹的分析、挖掘和应用的限制,因而各类针对轨迹数据的压缩方法是轨迹大数据研究的重点。现有轨迹压缩算法重视对轨迹数据的单一维度时空特征的保持,而缺乏压缩算法对多维度时空特征影响的研究。本文选取MBR面积误差、距离误差、方向误差、速度误差、压缩率和压缩速度等轨迹数据多维度时空特征,分别从轨迹的几何特征、运动特征和压缩效率3个层面对典型轨迹压缩方法进行评价。同时,为了系统观察轨迹压缩算法在不同压缩尺度上对轨迹时空特征的影响规律,本文采用多个尺度压缩结果的评价方法。研究结果表明,在整体效果上那些考虑了轨迹运动特征的压缩算法（如TD_TR算法）对轨迹的总体时空特征保持较好;并且不同的压缩算法对时空特征的影响总体上具有随着尺度变化的一致性,可见压缩尺度是决定压缩效果的核心因素。