运动目标轨迹的时空数据模型研究

运动目标的轨迹数据是空间信息系统的重要信息源。只有高效地利用运动目标的轨迹数据,才能更好地掌握多维动态变化的空间环境。本文在介绍了运动目标的概念和国内外研究现状之后,重点分析了运动目标的建模、存储、查询、索引及可视化技术并提出相应的解决方案。最终,实现对运动目标全过程的管理和应用。     

IMPWPT运动目标时空索引的设计与实现

本文借鉴IMPACT的思想,利用索引工具GiST和SP-GiST建立内存和硬盘双索引.其中内存索引用于索引目标当前和将来的信息,硬盘索引用于索引目标的历史信息.内存被分为两部分,一部分用来建立内存索引,其余部分用来作为基于硬盘索引中频繁访问部分的高速缓冲区.历史索引采用XBR-tree结构,当前和将来索引采用B<'du...     

移动对象轨迹索引技术研究

对时空数据库中移动对象进行有效存取、查询和更新的关键技术在于索引。深入分析了移动对象轨迹限制索引和非限制索引中的各种索引技术,最后讨论了移动对象索引技术研究中的问题并对未来方向进行了展望。     

一种运动目标轨迹提取方法

针对基于区域的轨迹提取类算法的时间复杂度高等问题,该文提出了一种基于FasterR-CNN的目标轨迹提取方法,利用FasterR-CNN能够快速定位和特征提取的原理,快速确定目标区域,在此基础上提出距离加阈值限制的方法进行目标关联。该方法不要求FasterR-CNN模型具有较高目标框回归精度,且充分利用卷积神经网络能够高效提取图像特征的特点,在保证轨迹提取精度的同时,降低了目标区域确定的时间和数据量,且通过均匀抽取和目标参考点关联的方法,进一步降低了目标关联的时间。与基于Camshift的区域提取法对比,在时间复杂度基本一致的情况下,大大提高了复杂背景和复杂纹理条件下目标区域确定的准确率,使得轨迹提取率更高。     

时空数据模型在行政区划数据管理中的应用

基于行政区划单元的专业数据综合开发利用日益广泛,行政区划时空数据管理的问题急需得到解决。针对行政区划变更的特点,提出了基于对象与事件机制的行政区划时空数据模型,通过对由行政区划变更事件引起的区划单元更新进行记录,实现行政区划时空数据的存储和回溯,从而形成有机联系的行政区划时空数据库,较好解决了行政区划数据的管理问题。     

运动目标的MGM(1,N)轨迹预测算法

针对武器装备实验与训练活动中无人机等运动目标位置测量数据少、概率分布未知的工程背景,提出了一种基于MGM(1,N)模型的轨迹预测方法,建立了针对运动目标3个位置坐标的MGM(1,3)模型。数值仿真结果表明,基于MGM(1,N)模型的运动目标轨迹预测方法合理可行,可以预测该周期内任一时刻的位置信息。     

时空数据模型的研究

分析了现有的时空数据模型,包括时间——空间立方体模型、序列快照模型、基态修正模型、时空复合模型、基于事件的时空模型、面向对象的时空模型和图谱模型等,对各种模型进行了比较和深入探讨。     

目标概念的理解与意义

讨论了空间数据处理中的经典数据模型,及面向目标数据模型的兴起,并重点介绍了在数字测绘生产中目标概念的理解与目标理解的意义,最后分析了应用面向目标数据模型对基础测绘和专业应用领域的基本要求。     

一种基于道路网络的时空索引

针对现有的基于道路网络的时空索引的不足,提出了一种新的针对在给定道路网络中运动的移动目标索引结构———MONC-Tree,并对该索引的多种查询算法进行了具体的描述。     

基于轨迹数据的移动对象分类识别研究

随着卫星定位技术和移动互联网的不断发展,全球范围内产生了大量不同类型的轨迹数据。通过对不同环境中收集到的轨迹数据进行挖掘,研究移动对象的行为特征,进而实现移动对象的分类识别,对于掌握居民出行规律、国家安全和国防军事具有重要意义。本文首先介绍GPS轨迹数据的内容及具体的应用场景,并在此基础上分析轨迹数据的主要特征;然后,详细阐述轨迹数据分类识别过程中特征提取和分类建模的研究现状,并总结现有的研究方法和发展趋势;最后,对基于轨迹数据的移动对象分类识别存在的问题与挑战进行了讨论。     

网络中移动对象的2维时空数据模型

提出一种新的2维网络中移动对象的时空数据模型2-Dimensional Spatio-Temporal data model for Mov-ing Objects in Network(2DSTMON)。2DSTMON时空数据模型基于线性参考思想,将3维空间中的轨迹数据转换到2维空间中进行存储和管理,并采用运动矢量的数据更新方式,具有较小的数据量和较低的更新代价。最后,利用ESRI的ArcEngine实现并验证2DSTMON时空数据模型。     

面向全时段查询的移动对象时空数据模型研究

大量移动对象时空数据的有效管理是移动空间信息服务的一个新兴的研究内容。本文提出一个面向全时段查询的移动对象时空数据模型,并给出基本的模型定义;探讨移动对象过去、现在和将来的运动位置估算方法,这些方法包括延时法、滑动平均法、三次指数法等;研究了移动对象的状态更新策略,提出一个适应于更新时间间隔的变动阈值法的移动对象的状态更新策略,该策略采用时间滑动窗口形式建立移动对象状态更新间隔的一元指数回归方程,通过求取回归参数获得移动对象状态更新趋势,利用该参数动态调整状态更新闽值。最后,给出实验模拟结果,并对今后的研究工作进行了展望。     

移动对象时空轨迹及社交关系一体化数据模型

目的 泛地理信息时代来临及SoLoMo互联网模式盛行,如何高效管理移动对象位置数据、社交关系数据及地理空间数据成为GIS与移动对象数据库研究领域一项全新的技术挑战。首先基于图模型提出了移动对象时空轨迹及社交关系的一体化数据模型GSM,实现了移动对象所在地理空间、移动对象位置与轨迹、移动对象之间社交关系的时空一体化表达,并定义了该模型的四种基础操作算子;然后基于图数据库系统Neo4J实现了GSM模型;最后利用真实的Brightkite、Gowalla位置社交网络数据验证了GSM模型的有效性。所提出的GSM模型能够有效避免关系数据库中表连接造成的移动对象管理与查询效率低下的问题,具有良好的执行效率及稳定性,可为基于位置的社交网络应用提供核心技术支持。     

移动对象时空数据建模的研究

当前的时空数据建模多是针对空间对象的离散变化,随着移动计算环境的普及以及基于位置服务的兴起,要求对连续的时空变化——移动对象进行更深入和实质的研究。介绍移动对象的概念,总结并着重分析目前移动对象数据库的研究重点,分别是数据建模、查询语言、索引结构和不确定性处理。在此基础上提出移动对象数据建模研究未来的发展方向。     

CONSTAnT – A Conceptual Data Model for Semantic Trajectories of Moving Objects

Several works have been proposed in the last few years for raw trajectory data analysis, and some attempts have been made to define trajectories from a more semantic point of view. Semantic trajectory data analysis has received significant attention recently, but the formal definition of semantic trajectory, the set of aspects that should be considered to semantically enrich trajectories and a conceptual data model integrating these aspects from a broad sense is still missing. This article presents a semantic trajectory conceptual data model named CONSTAnT, which defines the most important aspects of semantic trajectories. We believe that this model will be the foundation for the design of semantic trajectory databases, where several aspects that make a trajectory “semantic” are taken into account. The proposed model includes the concepts of semantic subtrajectory, semantic points, geographical places, events, goals, environment and behavior, to create a general concept of semantic trajectory. The proposed model is the result of several years of work by the authors in an effort to add more semantics to raw trajectory data for real applications. Two application examples and different queries show the flexibility of the model for different domains.     

时空数据模型探析

描述了时空数据模型的定义及其发展现状,通过介绍时空数据模型分类的情况、时空集成的时空数据模型与地理信息的时态性分析,丰富了时空数据模型理论。最后对时空数据模型的将来发展方向做出了一些展望。     

基于改进DBSCAN方法的移动对象轨迹停留分析

停留是指对象静止或长时间在较小范围内徘徊的状态。从移动对象轨迹中识别出主要的停留时段及停留区域,可以进一步分析对象的行为及区域的特征。DBSCAN是一种基于密度的空间聚类方法,当二维空间中点密度超过一定阈值时,就认为这些点是一个集聚。本文对DBSCAN方法进行改进,不仅考虑轨迹点之间的空间关系,而且考虑轨迹点之间的时间关系,因此,能有效识别移动对象的停留。最后,利用Starkey项目提供的动物移动轨迹数据进行了停留分析。     

时空数据模型及其在空间运动对象管理中的应用

当前时空数据模型多以描述空间实体的离散变化为主,在对空间运动对象分析的基础上,提出了支持空间对象连续运动的表示方法,该方法同时也能表示空间实体的离散变化,为建立连续运动空间对象的时空数据模型打下了基础。     

一种基于位置、对象和时间的时空数据模型

在同时满足基于特征和基于事件的空间时态数据模型的基础上,提出一种基于位置、对象和时间的时空数据模型,并对此模型进行关系分解。该模型弥补了以上所提各种模型的不足,以一个城市的城市化历史为例,实现对时空目标分别基于位置、对象和时间的查询。