有界象限系统：在行进中进行误差有界轨迹压缩

长期位置跟踪（其中常使用轨迹压缩）在交通、生态和可穿戴计算等许多应用中引起了高度关注。然而，最先进的压缩方法涉及高时空复杂度或达不到令人满意的压缩率，导致内存、计算、存储和能源资源的快速耗尽。我们提出了一种新颖的在线误差有界轨迹压缩算法，称为有界象限系统（BQS），它利用凸包以极小的空间和时间代价压缩轨迹。在该算法中，我们构建了一个以起点为中心的虚拟坐标系，并在其每个象限中建立一个矩形边界框以及两条边界线。在每个象限中，待评估的点被由边界框和边界线形成的凸包所界定。由此推导出各种压缩误差界限，以便快速做出压缩决策，而无需进行代价高昂的误差计算。此外，我们还提出了 BQS 的一个轻量版本，在处理每个点时实现了 O(1) 的时间和空间复杂度，以适应最受限的计算环境。我们进一步简要展示了该算法如何自然地扩展到三维情形。利用来自飞狐、汽车和模拟的经验 GPS 轨迹，我们证明了我们的算法在显著降低轨迹压缩的时间和空间复杂度方面的有效性，同时极大地提高了最先进算法的压缩率（最高达 47%）。我们随后展示，使用该算法，目标资源受限硬件平台的运行时间可延长最多 41%。