[論文レビュー] Discovery of Convoys in Trajectory Databases

Hoyoung Jeung, Man Lung Yiu+3 more|arXiv (Cornell University)|Feb 4, 2010

Data Management and Algorithms参考文献 17被引用数 11

ひとこと要約

本稿では、線分簡略化と距離の上限を用いて候補を効率的にフィルタリングすることで、最小時間以上に一緒に移動する移動対象のグループ（コンvoys）を発見する密度ベースのコンボイクエリモデルを提案する。CuTS*アルゴリズムは、最適化された軌道簡略化と時間分割を用いることで、誤検出を最小限に抑えつつ計算コストを削減し、実世界の軌道データ上で優れた性能を発揮する。

ABSTRACT

As mobile devices with positioning capabilities continue to proliferate, data management for so-called trajectory databases that capture the historical movements of populations of moving objects becomes important. This paper considers the querying of such databases for convoys, a convoy being a group of objects that have traveled together for some time. More specifically, this paper formalizes the concept of a convoy query using density-based notions, in order to capture groups of arbitrary extents and shapes. Convoy discovery is relevant for real-life applications in throughput planning of trucks and carpooling of vehicles. Although there has been extensive research on trajectories in the literature, none of this can be applied to retrieve correctly exact convoy result sets. Motivated by this, we develop three efficient algorithms for convoy discovery that adopt the well-known filter-refinement framework. In the filter step, we apply line-simplification techniques on the trajectories and establish distance bounds between the simplified trajectories. This permits efficient convoy discovery over the simplified trajectories without missing any actual convoys. In the refinement step, the candidate convoys are further processed to obtain the actual convoys. Our comprehensive empirical study offers insight into the properties of the paper's proposals and demonstrates that the proposals are effective and efficient on real-world trajectory data.

研究の動機と目的

• 固定された円形の形状と任意の距離閾値に依存する従来のフロックベース手法の限界に対処すること。
• 任意の形状と範囲を持つコンボイを捉えるために、密度接続性を用いてコンボイクエリを形式化すること。
• 誤検出を回避しながら処理コストを低減する効率的なアルゴリズムを開発すること。
• 実世界の軌道データセットにおけるコンボイ発見アルゴリズムの性能を評価すること。

提案手法

• 対象同士の相互距離がk個の連続する時刻で閾値eを超えない場合に接続される密度接続性を用いて、コンボイクエリを形式化する。
• 軌道のデータサイズを削減するための線分簡略化を適用し、誤差の上限を保ったまま実際のコンボイが見逃されないようにする。
• フィルタ・リファインメントフレームワークを採用：簡略化された軌道を用いて候補をフィルタリングし、その後正確なコンボイを抽出する。
• 複数の時間分割にわたるデータ削減率と誤差上限に基づき、動的に簡略化閾値δを選択する。
• 軌道密度を推定することで、対象間の途中の時刻ポイントが欠落するのを最小限に抑えるために、時間分割長λを最適化する。
• CuTS、CuTS+、CuTS*アルゴリズムを導入し、CuTS*は適応的δおよびλ選択を用いることで効率性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 固定された幾何的形状に依存せずに、任意の形状と範囲を持つグループを捉えるために、コンボイ発見をどのように形式化できるか？
• RQ2 軌道の簡略化中に実際のコンボイが失われないことを保証するフィルタリング戦略は何か？
• RQ3 データ削減とフィルタリングの正確性のバランスを取るために、簡略化閾値δはどのように選択すべきか？
• RQ4 時間分割長λがフィルタリングの効率と結果の品質にどのように影響するか？
• RQ5 CuTS、CuTS+、CuTS*のうち、実際の軌道データにおいて性能と正確性のバランスが最も優れているのはどれか？

主な発見

• CuTS*は、誤検出と計算コストを最小限に抑えるために、δとλを適応的に選択することで、実世界の軌道データセットで最良の全体的性能を発揮する。
• 誤差が制限された線分簡略化を用いることで、実際のコンボイがフィルタリングされないことが保証され、結果の正確性が維持される。
• 簡略化された軌道を用いたフィルタリングにより、一部のデータセットでは距離計算の回数が最大90％まで削減され、大幅に効率性が向上する。
• 削減率と誤差上限に基づくδの動的選択は、特にδ > eの場合に固定値δよりも優れた性能を発揮する。
• 適応的λ選択による時間分割は、特に時刻サンプリングが疎または不規則な場合に、不要なクラスタリング処理を減らし、フィルタリングの効率を向上させる。
• CuTS+は、長期間の履歴軌道と少数の対象を含むデータセットにおいて優れた性能を示しており、特定のデータ特性に適していることが示唆される。