局部多层网格划分下的轨迹数据概化方法

doi:10.3724/SP.J.1087.2013.01604

计算机应用 ›› 2013, Vol. 33 ›› Issue (06): 1604-1607.DOI: 10.3724/SP.J.1087.2013.01604

局部多层网格划分下的轨迹数据概化方法

杨光,张磊,李帆

中国矿业大学计算机科学与技术学院，江苏徐州 221116

收稿日期:2012-12-25 修回日期:2013-02-18 发布日期:2013-06-05 出版日期:2013-06-01
通讯作者: 杨光
作者简介:杨光(1988-)，女，山东济宁人，硕士研究生，主要研究方向：移动对象轨迹数据挖掘；张磊(1977-)，男，江苏沛县人，副教授，博士，主要研究方向：移动对象轨迹数据挖掘；李帆(1986-)，男，四川南充人，硕士，主要研究方向：移动对象轨迹数据挖掘。
基金资助:
江苏省博士后基金资助项目(0802023C);中国矿业大学青年科技基金资助项目(2008A040);中国矿业大学研究生实践与科研创新课题专项基金资助项目(GSF122111);教育部博士点基金资助项目(20110095110010)

Trajectory data generalization based on local multi-hierarchy grid

YANG Guang,ZHANG Lei,LI Fan

School of Computer Science and Technology, China University of Mining and Technology, Xuzhou Jiangsu 221116, China

Received:2012-12-25 Revised:2013-02-18 Online:2013-06-05 Published:2013-06-01
Contact: YANG Guang
Supported by:
;the youth foundation of China University of Mining and Technology;the China University of Mining and Technology Special Funds for the Graduate Practice and Research Innovation

摘要/Abstract

摘要： 针对轨迹数据概化中空间划分的区域范围不能有效控制以及覆盖网格尺度难以合理选择的问题，提出局部多层网格划分方法，对样本密集的区域进行迭代划分。在此基础上提出一种轨迹数据概化方法，在局部多层网格划分的基础上，考虑时间约束合并轨迹连续往复通过的邻接区域，生成概化轨迹。真实数据的实验表明该算法得到的概化轨迹较同类算法保持了更多轨迹特性，更加适合后续数据挖掘，如聚类处理。

关键词: 轨迹概化, 局部多层网格, 时间约束, 轨迹数据

Abstract: For current trajectory data generalization methods, the scope of the generalized regions cannot be controlled effectively, and the parameters of the grids can hardly be selected logically. This paper proposed the method of Local Multi-hierarchy Grid (LMG), so that the region with dense trajectory points would be divided iteratively. And then a method for trajectory data generalization named TRAGenLMG was proposed, which was based on LMG, and time-constraint was used to merge some adjoining grids, and finally the generalized trajectory was got. The experiments with real open dataset show that the generalized trajectories generated by TRAGenLMG can well maintain the temporal feature of the trajectory data and can be efficiently applied into further data analysis.

Key words: trajectory generalization, Local Multi-hierarchy Grid (LMG), time-constraint, trajectory data

中图分类号:

TP311

杨光张磊李帆. 局部多层网格划分下的轨迹数据概化方法[J]. 计算机应用, 2013, 33(06): 1604-1607.

YANG Guang ZHANG Lei LI Fan. Trajectory data generalization based on local multi-hierarchy grid[J]. Journal of Computer Applications, 2013, 33(06): 1604-1607.

参考文献

[1] ANDRIENKO N, ANDRIENKO G. Spatial generalization and aggregation of massive movement data［J］. Visualization and Computer Graphics, 2011, 17(2): 205-219.

[2] ZHANG L, YANG G, WANG Z C. Trajectory clustering based on spatial generalization［J］. Journal of Information & Computational Science, 2012, 9(2): 315-32.

[3] GIANNOTTI F, NANNI M, PEDRESCHI D, et al. Trajectory pattern mining［C］// Proceedings of the 13th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2007: 330-339.

[4] 唐良, 唐常杰, 姜页希,等. TRAODGrid：基于Grid 空间划分的高效离群轨迹检测方法［J］. 计算机研究与发展,2008, 45(10):185-190.

[5] SHERKAT R, LI J, MAMOULIS N. Efficient time stamped event sequence anonymization［EB/OL］. ［2012-08-20］. http://www.cs.hku.hk/research/techreps/document/TR-2011-02.pdf.

[6] ASSAM R, SEIDL T. Preserving privacy of moving objects via temporal clustering of spatio-temporal data streams［C］// Proceedings of the 4th ACM SIGSPATIAL International Workshop on Security and Privacy in GIS and LBS. New York: ACM, 2011:9-16.

[7] Unisys Weather ［DB/OL］. ［2012-05-23］. http://weather.unisys.com/hurricane/atlantic/.

[8] STEFANAKIS E. Trajectory generalization under space constraints［EB/OL］. ［2012-08-20］. http://www.giscience.org/proceedings/abstracts/giscience2012_paper_74.pdf.

[9] MASCIARI E. A framework for trajectory clustering［C］// Proceedings of the 3rd International Conference on GeoSensor Networks. Berlin:Springer-Verlag, 2009: 102-111.

[10] 孙吉贵,刘杰,赵连宇.聚类算法研究［J］.软件学报， 2008,19(1):48-61.

[11] 袁冠,夏士雄,张磊,等. 基于结构相似度的轨迹聚类算法［J］. 通信学报， 2011, 32(9):103-110.

[12] MARTINEZ-BEA S. Trajectory anonymization from a time series perspective［C］// 2011 IEEE International Conference on Fuzzy Systems.Piscataway:IEEE, 2011: 401-408.

[13] ANDRIENKO G, ANDRIENKO N, GIANNOTTI F, et al. Movement data anonymity through generalization［J］. Journal of Transactions on Data Privacy, 2010, 3(2): 91-121.

[1]	李雯萱, 吴昊, 李昌松. 基于语义的位置隐私保护综述[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3472-3483.
[2]	刘海杨, 孟令航, 林仲航, 谷源涛. 基于轨迹点聚类的航路发现方法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 890-894.
[3]	康军, 黄山, 段宗涛, 李宜修. 时空轨迹序列模式挖掘方法综述[J]. 《计算机应用》唯一官方网站, 2021, 41(8): 2379-2385.
[4]	邹复民, 罗思杰, 陈志辉, 廖律超. 基于轨迹数据的出租车交接班时空分布识别方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3376-3384.
[5]	孙鹤立, 张优优, 杨洲, 何亮, 贾晓琳. 基于时间线段树的城市可达区域搜索[J]. 计算机应用, 2020, 40(10): 2936-2941.
[6]	徐垚, 李卓然, 孟金龙, 赵利坡, 温建新, 王桂玲. 基于大规模船舶轨迹数据的航道边界提取方法[J]. 计算机应用, 2019, 39(1): 105-112.
[7]	郑振涛, 赵卓峰, 王桂玲, 徐垚. 面向港口停留区域识别的船舶停留轨迹提取方法[J]. 计算机应用, 2019, 39(1): 113-117.
[8]	陈辉, 蒋圭峰, 姜桂圆, 武继刚. 基于海量公交轨迹数据挖掘的地图匹配算法[J]. 计算机应用, 2018, 38(7): 1923-1928.
[9]	张海涛, 周欢, 张国楠. 基于空间邻近搜索的移动轨迹相对时间模式挖掘方法[J]. 计算机应用, 2018, 38(11): 3326-3331.
[10]	霍峥, 崔洪雷, 贺萍. 基于语义位置保护的轨迹隐私保护的k-CS算法[J]. 计算机应用, 2018, 38(1): 182-187.
[11]	霍峥, 王卫红, 曹玉辉. PTDC:路网环境中感知隐私的轨迹数据采集技术[J]. 计算机应用, 2017, 37(9): 2567-2571.
[12]	石陆魁, 张延茹, 张欣. 基于时空模式的轨迹数据聚类算法[J]. 计算机应用, 2017, 37(3): 854-859.
[13]	邓劲松, 罗永龙, 俞庆英, 陈付龙. 基于非敏感信息分析的轨迹数据隐私保护发布[J]. 计算机应用, 2017, 37(2): 488-493.
[14]	王保全, 蒋同海, 周喜, 马博, 赵凡. 类自动车牌识别轨迹数据的伴随车辆组挖掘[J]. 计算机应用, 2017, 37(11): 3064-3068.
[15]	吕绍仟, 孟凡荣, 袁冠. 基于轨迹结构的移动对象热点区域发现[J]. 计算机应用, 2017, 37(1): 54-59.

局部多层网格划分下的轨迹数据概化方法

Trajectory data generalization based on local multi-hierarchy grid

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics