基于预测模型的轨迹数据压缩方法

摘要 针对目前路网环境下海量轨迹数据压缩效率低下的问题，提出了一种基于预测模型的轨迹数据压缩方法（CTPM）。通过将轨迹数据的时间信息和空间信息分别进行压缩，使得压缩后的轨迹数据在空间维度上无损，并且在时间维度上误差有界，以此提高压缩效率。在空间方面，首先利用部分匹配预测（PPM）算法通过轨迹已经行驶的部分路段对其下一时刻可能的位置进行预测；然后通过删除预测成功的路段来减少轨迹数据的存储代价。在时间方面，首先利用轨迹通行状况具有周期性的特点，构建了不同时间区间的通行速度统计模型，来预测移动对象进入下一路段所需要的时间；然后删除预测时间误差小于给定阈值的路段数据来进行压缩处理。实验结果显示，与已有的基于路网的并行轨迹压缩（PRESS）算法相比，CTPM的空间压缩比和时间压缩比平均分别提高了43%和1.5%，同时时间压缩误差减小了9.5%。实验结果表明所提算法在提高压缩比的同时有效地降低了压缩时间和压缩误差