[论文解读] PRESS: A Novel Framework of Trajectory Compression in Road Networks

Renchu Song, Weiwei Sun+2 more|arXiv (Cornell University)|Feb 7, 2014

Data Management and Algorithms被引用 22

一句话总结

PRESS 提出了一种新颖的并行框架，用于在道路网络中对 GPS 轨迹实现无损空间压缩和误差有界的时序压缩。通过分离空间与时序表示，并应用混合空间压缩（HSC）和有界时序压缩（BTC），PRESS 实现了高达 78.4% 的存储减少，同时支持无需完全解压缩的高效时空查询。

ABSTRACT

Location data becomes more and more important. In this paper, we focus on the trajectory data, and propose a new framework, namely PRESS (Paralleled Road-Network-Based Trajectory Compression), to effectively compress trajectory data under road network constraints. Different from existing work, PRESS proposes a novel representation for trajectories to separate the spatial representation of a trajectory from the temporal representation, and proposes a Hybrid Spatial Compression (HSC) algorithm and error Bounded Temporal Compression (BTC) algorithm to compress the spatial and temporal information of trajectories respectively. PRESS also supports common spatial-temporal queries without fully decompressing the data. Through an extensive experimental study on real trajectory dataset, PRESS significantly outperforms existing approaches in terms of saving storage cost of trajectory data with bounded errors.

研究动机与目标

• 解决位置服务中大规模 GPS 轨迹数据带来的高存储与通信成本问题。
• 克服现有轨迹压缩方法在空间保真度损失或无法支持高效查询方面的局限性。
• 开发一种将空间与时序压缩分离的框架，以优化压缩比与数据可用性。
• 实现在无需完全解压缩的情况下支持常见时空查询（例如，where/at、when/at、range）的能力。
• 实现压缩与解压缩的线性时间复杂度，以确保在大规模轨迹数据上的可扩展性。

提出的方法

• 将轨迹表示为一对：空间路径（道路网络边的序列）与时序序列（时间戳）。
• 应用混合空间压缩（HSC）：首先，将匹配最短路径的子轨迹替换为边对 (e_i, e_j)；其次，使用类似霍夫曼编码的方式对频繁子轨迹（FSTs）进行编码。
• 采用有界时序压缩（BTC）：一种新颖的基于角度范围的算法，具有 O(|T|) 的时间复杂度，可在用户指定的误差范围内压缩时间戳。
• 利用地图匹配技术将原始 GPS 点投影到道路网络边上，从而实现受网络约束的轨迹表示。
• 集成查询处理器，支持在压缩数据上直接处理时空查询（例如，range、when/at）。
• 设计框架以实现空间与时序组件的并行压缩，提升效率与可扩展性。

实验结果

研究问题

• RQ1 一种轨迹压缩框架是否能在道路网络约束下，同时实现高比率压缩、保持空间保真度与时序准确性？
• RQ2 如何将轨迹的空间与时序分量分离并独立压缩，以优化存储与数据可用性？
• RQ3 无损空间压缩与误差有界时序压缩联合使用，能在多大程度上降低存储成本而不牺牲查询效率？
• RQ4 压缩后的轨迹是否能在无需完全解压缩的情况下支持常见 LBS 查询（如 range、when/at）？
• RQ5 与现有最先进方法（如 Nonmaterial 和 MMTC）相比，所提出的框架在性能与压缩比方面表现如何？

主要发现

• PRESS 在真实世界的新加坡出租车轨迹数据上实现了高达 78.4% 的存储成本降低。
• PRESS 的压缩与解压缩时间复杂度为 O(|T|)，使其在大规模轨迹工作负载中具备可扩展性。
• HSC 算法通过用紧凑编码替换重复的最短路径子轨迹，减少了空间表示的大小。
• BTC 算法实现了具有线性时间复杂度的误差有界时序压缩，优于如原始滑动窗口方法等二次复杂度方法。
• PRESS 支持在压缩数据上直接处理查询，显著加速了如 range 和 when/at 等时空查询，而无需完全解压缩。
• 实验评估表明，PRESS 在真实轨迹数据集上，无论在压缩比还是效率方面，均优于现有方法（如 Nonmaterial 和 MMTC）。