本發(fā)明是移動(dòng)對(duì)象數(shù)據(jù)庫(kù)領(lǐng)域，用于快速查詢(xún)移動(dòng)對(duì)象歷史軌跡的距離查詢(xún)技術(shù)。

二、

背景技術(shù)：

近年來(lái)，隨著智能移動(dòng)設(shè)備的普及，無(wú)線(xiàn)通訊技術(shù)的不斷發(fā)展，定位技術(shù)越來(lái)越精確和方便。移動(dòng)對(duì)象的位置信息的采集、管理與查詢(xún)，促進(jìn)了各種基于移動(dòng)對(duì)象數(shù)據(jù)庫(kù)的應(yīng)用的研究，如地理信息系統(tǒng)、交通管理、城市規(guī)劃和大量基于定位的服務(wù)(LBS)。通過(guò)研究移動(dòng)對(duì)的軌跡，可以發(fā)掘移動(dòng)對(duì)象的行為模式，可以研究移動(dòng)對(duì)象的社會(huì)關(guān)系，通過(guò)這些研究，可以為決策提供參考，例如車(chē)輛的行為模式，可以為交通管理提供參考。

查詢(xún)操作作為數(shù)據(jù)庫(kù)的基本操作，它的效率的高低決定著這個(gè)數(shù)據(jù)庫(kù)是否能夠提供高效的服務(wù)。因此，有一個(gè)高效的查詢(xún)操作，能夠返回用戶(hù)的查詢(xún)結(jié)果，是至關(guān)重要的。如何處理這種查詢(xún)請(qǐng)求，最簡(jiǎn)單直接的方法是計(jì)算數(shù)據(jù)庫(kù)中每個(gè)移動(dòng)對(duì)象的軌跡與查詢(xún)軌跡，在查詢(xún)時(shí)間區(qū)間內(nèi)，每個(gè)時(shí)刻所在位置之間的歐式距離。然后將每個(gè)移動(dòng)對(duì)象與查詢(xún)移動(dòng)對(duì)象軌跡的距離在查詢(xún)范圍[d1，d2]內(nèi)的點(diǎn)組成的軌跡作為查詢(xún)結(jié)果返回。這種方法，計(jì)算量大，需要計(jì)算每條移動(dòng)對(duì)象軌跡與查詢(xún)軌跡之間的距離，其計(jì)算時(shí)間復(fù)雜度隨著移動(dòng)對(duì)象的數(shù)量的增加呈線(xiàn)性遞增。所以必須要有一個(gè)索引機(jī)制來(lái)提高數(shù)據(jù)的訪(fǎng)問(wèn)效率，增大過(guò)濾過(guò)程的精度，減少軌跡數(shù)據(jù)的訪(fǎng)問(wèn)和軌跡距離的計(jì)算。

三、

技術(shù)實(shí)現(xiàn)要素：

【發(fā)明目的】

為了提高查詢(xún)的效率，本發(fā)明提供了包含對(duì)移動(dòng)對(duì)象軌跡的軌跡分割預(yù)處理和建立軌跡段的3D R-Tree索引的距離查詢(xún)算法，以解決查詢(xún)算法的高效問(wèn)題，增加了查詢(xún)效率。

【技術(shù)方案】

本發(fā)明所述的快速連續(xù)歷史軌跡距離查詢(xún)技術(shù)是通過(guò)對(duì)移動(dòng)對(duì)象軌跡建立索引機(jī)制，在索引的基礎(chǔ)上，通過(guò)過(guò)濾-精細(xì)計(jì)算階段來(lái)實(shí)現(xiàn)移動(dòng)對(duì)象歷史軌跡的距離查詢(xún)?；谝苿?dòng)對(duì)象索引的過(guò)濾算法，可以提高對(duì)結(jié)果軌跡集合的過(guò)濾精度，減少候選軌跡的集合，從而減少精確計(jì)算階段磁盤(pán)I/O次數(shù)和CPU的計(jì)算量。主要步驟如下：

(1)數(shù)據(jù)預(yù)處理；

本發(fā)明處理移動(dòng)對(duì)象軌跡，所有移動(dòng)對(duì)象保存在數(shù)據(jù)庫(kù)的表中。每一條對(duì)象記錄有一個(gè)軌跡數(shù)據(jù)，保存了該對(duì)象的所有歷史軌跡。軌跡由軌跡單元組成，每個(gè)軌跡單元在平面和時(shí)間的三維空間里表示一個(gè)線(xiàn)段，對(duì)象的軌跡由一系列前后相連的軌跡單元構(gòu)成，在三維空間中形成一條折線(xiàn)，如圖1。將軌跡段分割成較小的軌跡段，用于提高軌跡過(guò)濾的精度。計(jì)算每個(gè)軌跡段的最小邊框盒子(Minimum Bounding Box)，即最小包含軌跡的空間盒子。

(2)建立移動(dòng)對(duì)象軌跡移動(dòng)對(duì)象索引3D R-Tree；

完成軌跡的預(yù)處理之后，以每個(gè)軌跡段和軌跡段的最小邊框盒子為R-Tree葉子節(jié)點(diǎn)，插入到3D R-Tree中，建立所有對(duì)象軌跡的索引。

(3)基于移動(dòng)對(duì)象軌跡索引的距離查詢(xún)；

基于移動(dòng)對(duì)象軌跡索引的距離查詢(xún)包括兩個(gè)步驟：過(guò)濾階段和精細(xì)計(jì)算階段。在過(guò)濾階段，通過(guò)遍歷3D R-Tree，過(guò)濾不可能為結(jié)果的軌跡，留下較小的軌跡集合，用于計(jì)算軌跡之間的距離。在精細(xì)計(jì)算階段，計(jì)算軌跡在時(shí)間上的距離函數(shù)，即計(jì)算時(shí)間與距離的映射，求得距離在查詢(xún)范圍內(nèi)的時(shí)間區(qū)間，在這個(gè)時(shí)間區(qū)間內(nèi)的軌跡，即為查詢(xún)的結(jié)果。

【有益效果】

本發(fā)明所述快速連續(xù)歷史軌跡距離查詢(xún)技術(shù)通過(guò)對(duì)軌跡數(shù)據(jù)的預(yù)處理，建立移動(dòng)對(duì)象索引3D R-Tree，在所建立的3D R-Tree索引上，實(shí)現(xiàn)對(duì)連續(xù)歷史軌跡的距離查詢(xún)。下面通過(guò)測(cè)試數(shù)據(jù)來(lái)說(shuō)明本發(fā)明的有效性。實(shí)驗(yàn)環(huán)境為：Intel(R)、Xeon(R)、CPU為E5-2650v2、主頻260GHz、內(nèi)存1GB、Linux環(huán)境Ubuntu14.04、C++語(yǔ)言、可擴(kuò)充移動(dòng)對(duì)象數(shù)據(jù)庫(kù)SECONDO，實(shí)驗(yàn)數(shù)據(jù)柏林地鐵軌跡數(shù)據(jù)。

表1

表2

表1顯示了數(shù)據(jù)集的信息，表2顯示了本發(fā)明在距離查詢(xún)操作時(shí)與普通距離查詢(xún)算法在不同查詢(xún)范圍參數(shù)上的時(shí)間比較，分別是表明本算法的性能有較大的提高。

四、附圖說(shuō)明

圖1移動(dòng)對(duì)象軌跡在空間的表示圖

圖2連續(xù)歷史軌跡距離查詢(xún)示意圖

圖3軌跡分割

圖4 3D R-Tree索引移動(dòng)對(duì)象軌跡

圖5過(guò)濾移動(dòng)對(duì)象軌跡的三種情況

五、具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明進(jìn)一步說(shuō)明。

本發(fā)明所述的快速連續(xù)歷史軌跡距離查詢(xún)技術(shù)是通過(guò)將移動(dòng)對(duì)象歷史軌跡進(jìn)行預(yù)處理，以圖3的結(jié)構(gòu)存儲(chǔ)在數(shù)據(jù)庫(kù)中。通過(guò)對(duì)移動(dòng)對(duì)象歷史軌跡建立3D R-Tree索引，提高移動(dòng)對(duì)象軌跡數(shù)據(jù)的訪(fǎng)問(wèn)速度和過(guò)濾精度。主要步驟如下：

(1)移動(dòng)對(duì)象軌跡數(shù)據(jù)預(yù)處理；

本發(fā)明將移動(dòng)對(duì)象(例如出租車(chē)、人、地鐵等)的運(yùn)動(dòng)GPS位置作為輸入，保存到可擴(kuò)充數(shù)據(jù)庫(kù)系統(tǒng)SECONDO中。每一條對(duì)象記錄有一個(gè)軌跡數(shù)據(jù)，保存了該對(duì)象的所有歷史軌跡。軌跡由軌跡單元組成，每個(gè)軌跡單元在平面和時(shí)間的三維空間里表示一個(gè)線(xiàn)段，對(duì)象的軌跡由一系列前后相連的軌跡單元構(gòu)成，在三維空間中形成一條折線(xiàn)，如圖1所示。

通過(guò)對(duì)移動(dòng)對(duì)象的軌跡分割，得到較小的軌跡段。軌跡段分割的大小根據(jù)數(shù)據(jù)范圍大小設(shè)定。移動(dòng)對(duì)象軌跡分割較小，會(huì)增加軌跡段的數(shù)量，降低查詢(xún)效率；而分割過(guò)大的話(huà)，過(guò)濾的精度降低，增加軌跡距離的計(jì)算時(shí)間，降低查詢(xún)性能。

在移動(dòng)對(duì)象軌跡分割之后，以軌跡段的時(shí)間和空間范圍，生成一個(gè)最小邊框盒子，用來(lái)最小表示軌跡的時(shí)空范圍。

在對(duì)移動(dòng)對(duì)象軌跡數(shù)據(jù)預(yù)處理后，得到所有對(duì)象和軌跡的數(shù)據(jù)表。表的每個(gè)元組由三個(gè)屬性組成，包括TID、OID、Trip和MBR，分別存儲(chǔ)移動(dòng)對(duì)象所在元組位置、移動(dòng)對(duì)象ID、移動(dòng)對(duì)象的軌跡以及移動(dòng)對(duì)象軌跡在時(shí)間和空間所組成的三維空間中的最小邊框盒子，如圖4所示。表中Trip對(duì)應(yīng)分割后的軌跡段，移動(dòng)對(duì)象的軌跡由多個(gè)元組構(gòu)成，它們的軌跡在時(shí)間和空間上是相連的。

(2)建立3D R-Tree索引；

以對(duì)象軌跡表中的TID和MBR組成3D R-Tree的葉子節(jié)點(diǎn)，插入到3D R-Tree的root節(jié)點(diǎn)中，完成對(duì)移動(dòng)對(duì)象軌跡的索引的建立。3D R-Tree與移動(dòng)對(duì)象軌跡表的關(guān)系如圖4所示。

(3)快速連續(xù)歷史軌跡距離查詢(xún)；

快速連續(xù)歷史軌跡距離查詢(xún)包括兩個(gè)步驟：1)過(guò)濾，2)精細(xì)計(jì)算。過(guò)濾階段將過(guò)濾掉那些不可能為結(jié)果的移動(dòng)對(duì)象軌跡，在精細(xì)計(jì)算階段對(duì)留下的候選軌跡做軌跡距離計(jì)算，得到查詢(xún)結(jié)果。

1)過(guò)濾：查找候選移動(dòng)對(duì)象軌跡

在查找候選移動(dòng)對(duì)象軌跡時(shí)，最基本的思想是去掉完全不可能的移動(dòng)對(duì)象軌跡。使用最大距離-最小距離的過(guò)濾方法用于過(guò)濾這種完全不可能的移動(dòng)對(duì)象軌跡，從而減少計(jì)算量。通過(guò)比較兩個(gè)軌跡在相同時(shí)間范圍內(nèi)的空間距離，可以判斷軌跡是否符合查詢(xún)的條件，從而去掉其中不符合查詢(xún)條件的軌跡，對(duì)剩下的軌跡再做精細(xì)的計(jì)算。在軌跡的空間距離的比較中，有三種情況，如圖5所示：

情況一：如圖5a和如圖5b所示，o1軌跡的MBR到查詢(xún)軌跡mq在[t1，t2]上的軌跡的MBR的最小距離大于查詢(xún)距離范圍[d1，d2]，因此o1的軌跡不可能是查詢(xún)結(jié)果，將o1的軌跡排除在結(jié)果之外。o2軌跡的MBR到查詢(xún)軌跡mq在[t1，t2]上的軌跡的MBR的最大距離小于查詢(xún)距離范圍[d1，d2]，因此o2的軌跡不可能是查詢(xún)結(jié)果，將o2的軌跡排除在結(jié)果之外。

情況二：圖5c所示，o3軌跡的MBR到查詢(xún)軌跡mq在[t1，t2]上的軌跡的MBR的最小距離和最大距離在查詢(xún)距離范圍[d1，d2]內(nèi)，因此o3的軌跡一定是查詢(xún)結(jié)果，將o3的軌跡添加在結(jié)果集合中。

情況三：除了情況一和情況二之外的情況的移動(dòng)對(duì)象，都為候選對(duì)象，需要進(jìn)一步精細(xì)計(jì)算。

在過(guò)濾時(shí)，從3D R樹(shù)的根節(jié)點(diǎn)開(kāi)始，遍歷所有的子節(jié)點(diǎn)，如果子節(jié)點(diǎn)的時(shí)間維度的時(shí)間間隔與查詢(xún)的對(duì)象的時(shí)間間隔有重疊，則判斷該子節(jié)點(diǎn)的空間分布的最小邊框矩形(MBR)與查詢(xún)軌跡的最小邊框矩形之間的最大距離和最小距離，如果這個(gè)子節(jié)點(diǎn)中中不可能包含有查詢(xún)結(jié)果的軌跡，則不再對(duì)該節(jié)點(diǎn)繼續(xù)深入搜索，否則繼續(xù)搜索該子節(jié)點(diǎn)的子節(jié)點(diǎn)，直到搜索到葉子節(jié)點(diǎn)。對(duì)于葉子節(jié)點(diǎn)的處理與內(nèi)部節(jié)點(diǎn)相似，將不可能是查詢(xún)結(jié)果的軌跡拋棄，將其他的軌跡加入到候選集合中，等待精確計(jì)算，具體算法如下所示：

2)精細(xì)計(jì)算：對(duì)過(guò)濾后的候選軌跡計(jì)算距離

過(guò)濾階段會(huì)過(guò)濾掉一部分不可能是查詢(xún)結(jié)果的移動(dòng)對(duì)象軌跡。對(duì)剩下的候選軌跡，通過(guò)計(jì)算兩條軌跡在每個(gè)時(shí)刻的距離，將符合查詢(xún)條件的移動(dòng)對(duì)象軌跡作為結(jié)果輸出。有以下主要步驟：

1.移動(dòng)軌跡的動(dòng)態(tài)時(shí)間規(guī)整；

2.計(jì)算相同時(shí)間間隔內(nèi)移動(dòng)對(duì)象軌跡的最小“水平”距離；

3.獲取在查詢(xún)條件[d1，d2]內(nèi)的軌跡；

移動(dòng)軌跡的動(dòng)態(tài)時(shí)間規(guī)整，將兩條軌跡分割為同步時(shí)間的軌跡片段，在這個(gè)軌跡片段中，兩個(gè)軌跡的開(kāi)始時(shí)間和結(jié)束時(shí)間相同。規(guī)整過(guò)后的軌跡，計(jì)算兩個(gè)相同時(shí)間間隔的軌跡片段的“水平”距離，即兩條軌跡的在時(shí)間上的距離映射。通過(guò)掃描軌跡片段的“水平”距離，得到在查詢(xún)范圍[d1，d2]內(nèi)的軌跡片段。這些軌跡片段的集合，即為查詢(xún)的結(jié)果。

精細(xì)計(jì)算算法如下所示：

其中，計(jì)算兩個(gè)對(duì)象軌跡的距離的算法如下：

算法Refine返回的Result即為查詢(xún)的結(jié)果集合。