资源受限环境下在线遗忘型轨迹压缩新框架
数据结构与算法
2016-05-10 v1
摘要
最先进的轨迹压缩方法通常涉及较高的时空复杂度或产生不令人满意的压缩率，导致内存、计算、存储和能源资源的快速耗尽。在资源受限环境中运行时，它们的能力通常受限，尤其是当数据量（即使经过压缩）远超存储限制时。因此我们提出了一种用于有界误差轨迹压缩与老化的新型在线框架，称为遗忘式有界象限系统（Amnesic Bounded Quadrant System, ABQS），其核心是有界象限系统（Bounded Quadrant System, BQS）算法族，包括普通版本（BQS）、快速版本（FBQS）和渐进版本（PBQS）。ABQS智能地管理给定存储，并根据轨迹的年龄以不同的误差容限压缩轨迹。在实验中，我们对BQS算法族和ABQS框架进行了综合评估。利用来自飞狐和汽车的实证GPS轨迹以及模拟的合成数据，我们证明了独立BQS算法在显著降低轨迹压缩的时空复杂度的同时，大幅提高了最先进算法的压缩率（高达45%）。我们还表明目标资源受限硬件平台的运行时间可延长高达41%。我们随后验证，在给定数据量远大于存储空间的情况下，ABQS能够实现比基线小15至400倍的误差。我们还表明该算法对极端轨迹形状具有鲁棒性。
引用
@article{arxiv.1605.02337,
title = {A Novel Framework for Online Amnesic Trajectory Compression in Resource-constrained Environments},
author = {Jiajun Liu and Kun Zhao and Philipp Sommer and Shuo Shang and Brano Kusy and Jae-Gil Lee and Raja Jurdak},
journal= {arXiv preprint arXiv:1605.02337},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1412.0321