TRAJEDI:轨迹相异度
数据库
2018-12-19 v1
摘要
我们获取与存储轨迹数据能力的巨大提升, necessitate 轨迹分析技术以从中提取有用信息。成对距离函数是轨迹数据集上常见操作的基础构件,包括约束 SELECT 查询、k 近邻以及相似度与多样性算法。这些操作的准确性与性能严重依赖于底层轨迹距离函数的速度与精度,而后者又受轨迹校准影响。现有方法或要求已校准数据,或先对整体相关数据集进行校准,对于大型数据集而言代价高昂且耗时。我们提出 TRAJEDI,一种感知校准的成对距离计算方案,在保持精度的同时优于朴素方法。我们还提供了参数调优分析以权衡速度与精度。我们的方案可用于任何多样性、相似度或 k 近邻算法。
引用
@article{arxiv.1803.03716,
title = {TRAJEDI: Trajectory Dissimilarity},
author = {Pedram Gharani and Kenrick Fernande and Vineet Raghu},
journal= {arXiv preprint arXiv:1803.03716},
year = {2018}
}