[论文解读] Computing Similarity between a Pair of Trajectories

Swaminathan Sankararaman, Pankaj Agarwal+2 more|arXiv (Cornell University)|Mar 7, 2013

Data Management and Algorithms参考文献 18被引用 12

一句话总结

本文提出了一种鲁棒且抗噪声的框架，用于基于新型基于分配的模型计算轨迹相似性，该模型可在不假设均匀采样或时间对齐的情况下识别两条轨迹之间的相似部分。该方法在稀疏采样和异常值存在的情况下仍能高精度检测出常见模式，在GeoLife、骑行和公交车轨迹等真实世界数据集上的实验中，其性能优于DTW和序列比对方法。

ABSTRACT

With recent advances in sensing and tracking technology, trajectory data is becoming increasingly pervasive and analysis of trajectory data is becoming exceedingly important. A fundamental problem in analyzing trajectory data is that of identifying common patterns between pairs or among groups of trajectories. In this paper, we consider the problem of identifying similar portions between a pair of trajectories, each observed as a sequence of points sampled from it. We present new measures of trajectory similarity --- both local and global --- between a pair of trajectories to distinguish between similar and dissimilar portions. Our model is robust under noise and outliers, it does not make any assumptions on the sampling rates on either trajectory, and it works even if they are partially observed. Additionally, the model also yields a scalar similarity score which can be used to rank multiple pairs of trajectories according to similarity, e.g. in clustering applications. We also present efficient algorithms for computing the similarity under our measures; the worst-case running time is quadratic in the number of sample points. Finally, we present an extensive experimental study evaluating the effectiveness of our approach on real datasets, comparing with it with earlier approaches, and illustrating many issues that arise in trajectory data. Our experiments show that our approach is highly accurate in distinguishing similar and dissimilar portions as compared to earlier methods even with sparse sampling.

研究动机与目标

• 解决在存在噪声、异常值以及非均匀或稀疏采样条件下，识别两条轨迹之间相似部分的挑战。
• 开发一种对时间错位和采样率变化具有鲁棒性的相似性度量方法，以实现来自不同来源轨迹的准确比较。
• 提供一个标量相似性评分，用于对轨迹对进行排序以支持聚类与分析，同时识别局部相似的子轨迹。
• 设计时间复杂度最坏为二次的高效算法，以计算对应关系和相似性评分。
• 在真实数据集上展示该框架的有效性，证明其在识别共用路线和关键地标方面优于现有方法。

提出的方法

• 提出一种半连续分配模型，将一条轨迹的采样点映射到另一条轨迹的点上，实现无需严格时间对齐的灵活对应。
• 基于距离阈值和最小间隙约束定义评分函数，以区分真实相似性与噪声或异常值。
• 使用迭代优化过程收敛到最优对应关系，即使在缺乏距离度量先验知识的情况下也能提升相似性检测性能。
• 从分配结构中推导出标量相似性评分，支持轨迹对的排序以应用于聚类任务。
• 应用剪枝和优化技术以降低计算成本，同时保持准确性，尤其适用于大规模数据集。
• 基于成对对应关系生成点重要性热力图，以可视化并验证对共用行驶路线和关键地标检测的准确性。

实验结果

研究问题

• RQ1 当轨迹采样率不同、含有噪声或存在部分观测时，如何实现鲁棒的轨迹相似性度量？
• RQ2 基于对应关系的模型是否能在识别相似轨迹部分方面优于传统方法如动态时间规整（DTW）和序列对齐？
• RQ3 所提出的框架在真实世界轨迹数据集中对共用路线和地标点的检测准确度如何？
• RQ4 在缺乏距离度量先验知识的情况下，迭代分配过程如何收敛到有意义的对应关系？
• RQ5 点间距离的方差对使用该模型进行局部相似性检测的可靠性有何影响？

主要发现

• 所提出的基于分配的方法在稀疏采样和噪声条件下，显著优于DTW和DTW-Pruned方法，能更准确识别相似轨迹部分。
• 该框架在GeoLife、骑行和公交车轨迹等真实数据集中成功检测出共用行驶路线和关键地标，热力图结果验证了其有效性。
• 即使缺乏准确的距离度量先验知识，迭代过程仍能收敛至稳定状态，准确区分相似与不相似部分。
• 标量相似性评分可有效对轨迹对进行排序，支持聚类与模式发现应用。
• 该方法在识别轨迹中关键点方面表现更优，表明其在计算平均轨迹方面具有潜力。
• 半连续分配模型为分析完整轨迹数据集和检测保守运动模式提供了原则性且可扩展的基础。