基于面积划分的轨迹相似性度量方法.docx

基于面积划分的轨迹相似性度量方法
摘要：
在轨迹数据分析中，轨迹相似性度量是至关重要的问题。然而，现有的轨迹相似性度量方法需要对轨迹进行特征抽取或路径调整，这些方法需要大量的计算。于是，本文提出一种基于面积划分的轨迹相似性度量方法，该方法减少了计算时间并且能够更好地表征轨迹的相似性。
本文首先介绍了现有的轨迹相似度度量方法，包括基于形状匹配的方法和基于特征抽取的方法，以及它们的局限性。接下来，本文提出了基于面积划分的轨迹相似性度量方法。该方法分为三个主要步骤：轨迹划分、轨迹面积计算和相似性度量。在轨迹划分步骤中，将轨迹划分为若干个等面积矩形块。在轨迹面积计算步骤中，将每个矩形块的面积与轨迹长度进行比较，得到该矩形块的权重。最后，在相似性度量步骤中，计算两条轨迹的欧氏距离和权重的乘积累加，得到它们之间的相似度。
实验结果表明，该方法与其他现有方法相比，能够更好地表征轨迹的相似性。与基于形状匹配的方法和基于特征抽取的方法相比，该方法没有数据预处理和轨迹调整步骤，并且具有更高的效率。这使得该方法可以在大数据集上进行轨迹相似性度量，进一步为轨迹数据分析提供了一个新的框架。
关键词：轨迹相似性度量、面积划分、欧氏距离、权重、数据分析
Introduction：
Withthewidespreaduseoflocation-basedservices,trajectorydatahasbecomeanimportantdatasourcefordataanalysisandminingtasks.Trajectorysimilaritymeasurementisanimportantissueintrajectorydataanalysis.However,mostexistingtrajectorysimilaritymeasurementmethodsrequirefeatureextractionortrajectoryadjustment,whichrequiresalotofcomputation.Asaresult,thispaperproposesatrajectorysimilaritymeasurementmethodbasedonareadivision,whichreducescomputationtimeandbetterrepresentstrajectorysimilarity.
Existingtrajectorysimilaritymeasurementmethodsincludeshape-basedandfeature-basedmethods,andtheirlimitations.Shape-basedmethodsrequiredatapreprocessingandpathadjustment,whichcomplicatesthecomputation.Feature-basedmethodsrequirefeatureextractionandfeaturematching,whichiscomputationallyexpensive.Thispaperproposesatrajectorysimilaritymeasurementmethodbasedonareadivision.Themethodisdividedintothreemainsteps:trajectorydivision,trajectoryareacalculation,andsimilaritymeasurement.Inthetrajectorydivisionstep,thetrajectoryisdividedintoseveralequal-arearectangularblocks.Inthetrajectoryareacalculationstep,theareaofeachrectangularblockiscomparedtothetrajectorylengthtoobtaintheweightoftheblock.Finally,inthesimilaritymeasurementstep,theEuclideandistancebetweentwotrajectoriesiscomputedandmultipliedbythesumoftheweightstoobtaintheirsimilarity.
Experimentalresultsshowthatthismethodbetterrepresentstrajectorysimilaritythanotherexistingmethods.Comparedwithshape-basedandfeature-basedmethods,th