GeoPTH：基于几何原型轨迹哈希的轻量级类别轨迹检索方法
机器学习
2025-11-24 v2
摘要
轨迹相似性检索是时空数据挖掘的重要组成部分，然而现有方法存在以下局限：传统度量计算代价高昂，而基于学习的方法则面临大量训练成本和潜在的不稳定性。本文通过提出几何原型轨迹哈希(GeoPTH)，一种新颖、轻量级且非学习的框架，来解决这些问题，以实现高效的基于类别的轨迹检索。GeoPTH通过使用代表性轨迹原型——即保持几何特征的小点集——作为锚点来构建数据依赖的哈希函数。哈希过程高效，涉及通过鲁棒的 Hausdorff 度量将新轨迹映射到其最近原型。大量实验表明，GeoPTH的检索准确性与传统度量和最先进的学习方法相比具有高度竞争力，并且显著优于通过对学习到的嵌入进行简单二值化生成的二进制码。关键的是，GeoPTH在效率方面始终优于所有竞争者。我们的工作表明，一种轻量级、以原型为中心的方法提供了一种实用且强大的替代方案，实现了卓越的检索性能和计算效率。
引用
@article{arxiv.2511.16258,
title = {GeoPTH: A Lightweight Approach to Category-Based Trajectory Retrieval via Geometric Prototype Trajectory Hashing},
author = {Yang Xu and Zuliang Yang and Kai Ming Ting},
journal= {arXiv preprint arXiv:2511.16258},
year = {2025}
}