Chap41轨迹预处理.pptx

4.1 轨迹预处理;1. 位置服务（LBS） 2. 轨迹压缩 3. 滤波;移动物体位置通过无线通信发送给服务器 应用程序向服务器提供查询请求，进行移动对象数据的分析;定位技术 GNSS 基于网络（如：移动通讯，Wifi等） 航位推算（Dead-Reckoning）;通讯技术推动了LBS的发展 E.g., Mobile object databases (MODs) 除了传统的搜索功能外，许多LBS应用需要分析和挖掘移动物体的运动模式和现象 轨迹管理：管理移动对象的时空迹轨;问题 大量轨迹→ 大量数据 噪声的分析与推理 技术 数据压缩 滤波 ;目的： 减少存储空间 性能指标 处理时间 压缩率 测量误差;垂直欧氏距离 时间同步欧氏距离 ;近似轨迹保持方向趋势。基本算法 在误差最大的点处分离 重复查找误差阈值;function Douglas(PtList[], eps) [dmax, index]=MaxDistance(PtList[]); // 查找最大距离 If(dmax epsilon) // 当超出阈值，???代计算 { Res1[] = Douglas(PtList[1...index], eps) Res2[] = Douglas(PtList[index...end], eps) } //形成结果;通过窗口继续增长，直到超过限差;目的： 噪声和异常值的平滑 推断较高级别的值（例如，速度） 技术 平均数和中位数 卡尔曼滤波 粒子滤波; 1075 (x,y) 测量值 Δ = 1 sec 手动添加粗差;; ;几个典型的加权平均滤波器;离群值的影响明显;基本原理：用邻域中各点值的中值代替，从而消除孤立的噪声点 特点 非线性信号处理技术 对离群点不敏感;;例题;离群点影响不明显;基本原理：通过系统输入输出观测数据，对系统状态进行最优估计的算法 特点： 动态线型系统 轨迹假设 数据中含有噪声和干扰;卡尔曼滤波将状态变量与观测值分开 观测值（含有噪声的测量坐标） 推断状态（估计位置和速度）;测量值与状态向量的关系 示例中： ;描述系统随时间而改变 示例中： ;速度模型