基于空间密度约束GPS数据LOD模型构建方法.docVIP

基于空间密度约束GPS数据LOD模型构建方法 　　摘 要：为解决GPS轨迹数据动态可视化效率低下问题，本文通过引入LOD（Level Of Detail，LOD）技术从海量轨迹中提取能够代表原始数据的空间特征点，保留原有空间分布特征，压缩数据量。现有LOD模型构建算法虽压缩了数据量，但时间复杂度高，不能显著提高可视化效率。本文提出了一种基于四叉树的点LOD构建算法。实验表明：本文提出的点LOD算法与基于Voronoi图的点LOD算法相比，具有时间复杂度低，LOD构建速度快，无符号压盖等优点。 　　关键词：动态可视化；GPS轨迹；LOD 　　中图分类号：TP274 文献标识码：A 　　Abstract：To address the challenge to visualization of GPS trajectory data，this paper integrates Level Of Detail（LOD）technology into GPS data visualization in order to improve visualization efficiency while maintaining visualization quality.Although the existing LOD algorithms compress the quantity of GPS Data，it cannot significantly improve the visualization efficiency because of high time complexity.This paper proposes a quadtree-based point LOD algorithm.Experiments shows that the quadtree-based point LOD algorithm has lower time complexity，higher performance and better visualization quality than the widely used Voronoi-based LOD algorithm. 　　Keywords：online visualization；GPS trajectory；LOD 　　1 引言（Introduction） 　　随着空间定位技术的成熟发展，可用于记录位置信息的设备越来越普及，手机、平板等移动终端及汽车大都内嵌了GPS芯片或安装了GPS接收机，这些设备每天产生大量的GPS轨迹数据[1]。GPS轨迹数据富含运动主体的群体分布特征，其动态可视化有助于用户快速直观地理解分析这些特征[2，3]。以出租车为例，出租车GPS数据动态可视化，可直观反映出租车群体的空间分布变化情况。GPS轨迹数据作为一种高动态性的时空序列数据，与传统静态空间数据相比，具有海量、更新速度快、时空密集度高等特点。因此，如何高效、准确地可视化GPS轨迹数据，使用户能够快速直观地获取GPS轨迹蕴含的信息，是GPS数据可视化研究中亟待解决的问题。 　　2 常见LOD算法综述（Summary of common LOD algorithm） 　　为解决GPS轨迹数据动态可视化效率低下问题，本文通过引入LOD技术从海量轨迹中提取能够代表原始数据的空间特征点，缩短数据传输时间，以提高可视化效率。目前，国内外针对LOD技术在电子地图显示中的研究取得了一些显著成果。对于点状要素LOD可视化研究，文献[4]重点研究了电子地图显示中点状要素LOD模型的建立，提出了一?N基于Voronoi图和Delaunay三角网综合相关因素影响建立点状要素LOD模型的算法，实现了不同比例尺下都能得到尽量合理的地图外观。文献[5]结合聚类方法，在Voronoi图的基础上提取聚类中心点，同时利用层次Voronoi图结构逐步细化地表达聚类中心点，进而实现点群由繁到简的综合。文献[6]针对聚集分布的点群，借助凸壳算法形成多层嵌套，以反映点群的逐层分布特征。 　　无论是Voronoi图法还是凸壳法，都存在这样一个问题：算法时间复杂度高。这对于大数据可视化来说，虽进行了数据抽稀，缩短了前端可视化时间，但由于服务器端计算量大、耗时久，导致操作延时长、用户体验差等问题。因此，针对大数据量的点群可视化需要一种更为快速的LOD模型构建算法。 　　3 基于空间密度约束的LOD模型构建方法（A LOD construction method for GPS trajectory data with constraints in spatial density） 　　基于空间密度约束的点状要素LOD模型构建