导读:本文包含了轨迹查询论文开题报告文献综述及选题提纲参考文献，主要关键词:轨迹,拓扑过程,拓扑关键点,交通信息分析
轨迹查询论文文献综述
成烽,向隆刚,邵晓天[1]（2019）在《轨迹-路网动态拓扑过程模型及其交通信息查询分析》一文中研究指出车辆行驶轨迹与路网相互关联,形成复杂的时空动态拓扑过程。首先从轨迹-道路拓扑状态入手,对车辆轨迹在路网中的动态拓扑过程进行建模。然后基于该模型,进一步探讨了车辆轨迹相对于路网的拓扑关系提取方法,并设计了相应关系模式,从而采用关系型数据库来组织管理大规模轨迹-路网动态拓扑过程。最后,从道路交叉口分析、道路交通流量分析、道路通行时间分析等多个角度,讨论了轨迹-路网动态拓扑过程模型在交通信息查询分析中的应用。(本文来源于《测绘地理信息》期刊2019年05期）
夏英,王瑞迪,张旭,阮文亮[2]（2019）在《Spark环境下基于网格索引的轨迹k近邻查询方法》一文中研究指出移动对象轨迹的k近邻(k nearest neighbor trajectories,k NNT)查询是一种重要的空间信息服务,主要用于寻找与给定轨迹最近邻的k条轨迹,被广泛地应用于智能交通、信息推荐等领域。随着轨迹数据量的快速增长,由于单机计算资源的限制,传统集中式环境下的k NNT查询效率和可扩展性无法满足实际要求。为了解决这个问题,设计了轨迹数据的分布式网格索引结构,该索引在Spark环境下将轨迹切分并映射到网格中,并引入轨迹还原表以保留查询时候选子轨迹段间的连续性。基于此索引,提出了Spark环境下的轨迹k近邻查询方法 k NNT-Grid。实验结果表明,k NNT-Grid方法在分布式环境下实现了良好的查询效率和可扩展性,能够应对海量轨迹数据的k近邻查询需求。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年04期）
何远德,黄奎峰[3]（2019）在《一种连续查询事件中基于语义的轨迹k-匿名方法》一文中研究指出针对传统的轨迹k-匿名方法难以防范以连续查询为背景知识的攻击问题,利用事件本体对轨迹连续查询进行形式化表示的优点,提出一种连续查询事件中基于语义的轨迹k-匿名方法。该方法引入OWL(Ontology Web Language)形式化表示关于轨迹查询事件,构建基于事件本体的轨迹匿名模型;利用轨迹片段相似度计算和Jena推理引擎,给出基于k-匿名查询事件的轨迹聚类方法,实现关于当前轨迹的虚假匿名组。实验表明,与传统方法相比,该方法的信息损失率降低了15%～20%,查询精准率保持在75%以上,执行时间减少约20秒,较好地维持轨迹数据匿名的有效性和可扩展性。(本文来源于《计算机应用与软件》期刊2019年08期）
陈子军,杨蕊,刘文远,刘永山[4]（2019）在《基于旅行时间的Top-k轨迹查询》一文中研究指出为了进一步完善现有的轨迹查询,本文提出一种基于旅行时间的Top-k轨迹查询,给定查询点,可以为用户返回k条轨迹.这k条轨迹的选择依赖于用户感兴趣的位置点和旅行时间,为用户返回k条旅行时间最短的轨迹.针对该查询,提出一种查询算法,利用网格索引来记录轨迹点的信息,算法使用Best-First方法对查询点附近的轨迹点进行检索,并通过判断其是否为有效点来检索完全有效轨迹.为了提高查询效率,提出叁种终止规则,其减少了需要访问轨迹点的数量.最后,通过实验验证该算法的有效性.(本文来源于《小型微型计算机系统》期刊2019年07期）
高梦琦[5]（2019）在《面向LBS连续查询的基于协作的轨迹隐私保护方法》一文中研究指出随着无线网络和定位技术的飞速发展,持有移动设备的用户在享受高质量的基于位置的服务(LBS)的同时也面临着隐私泄露的风险。传统的k-匿名方法可以在一定程度上保护快照LBS查询中的位置隐私,但在保护连续查询下的隐私方面存在不足。移动用户在LBS连续查询情况下的轨迹隐私问题已经引起了很多学者的关注。连续查询下的轨迹隐私保护框架可以分为两种结构:集中式和分布式结构。分布式结构能避免集中式结构面临的集中攻击和性能瓶颈问题,本文主要基于分布式结构对轨迹隐私保护问题进行研究,主要工作包括:(1)提出了基于协作的轨迹隐私保护方法及AIRP激励机制。该方法通过用户协作来提供LBS,减少了向LBS服务器发送真实查询的频率,防止LBS服务器端攻击者获取用户数据后,对用户数据进行分析挖掘,从而保护了用户的轨迹隐私。针对合作用户的自私行为,本文还提出了AIRP激励机制,通过对合作者的奖励和对背叛者的惩罚来激励用户的合作。实验表明带有激励机制的基于协作的轨迹隐私保护方法可以有效的扰乱用户的轨迹,防止攻击者识别目标用户,从而保护用户的轨迹隐私。(2)为了在保证用户轨迹数据可用性的同时保护用户的轨迹隐私,本文提出了使用评级协议的k~τ-匿名模型。该匿名模型可以保证目标用户在时间段内和6)个用户的轨迹不可区分,有效的抵御攻击者的关联攻击。为了鼓励用户合作,本文还设计了一个社会最优的评级协议对用户的服务质量评级,并给出了最优的推荐策略和最优值分析。实验用假查询率和匿名率来评价该匿名模型的性能,结果表明该匿名模型可以高效的完成轨迹隐私保护工作。(本文来源于《浙江师范大学》期刊2019-05-29）
岳中伟[6]（2019）在《基于分布式计算平台的轨迹数据查询优化与分析》一文中研究指出移动互联网的飞速发展和移动终端的广泛应用催生了大量的轨迹数据。该数据记录了移动对象的空间位置随时间变化的特征,蕴含了个体或群体的行为信息与交互信息,对城市规划、商业选址、交通拥堵侦测等应用具有重要的价值。然而面对大量的轨迹数据,如何快速检索轨迹数据和发现有价值的信息是当前具有挑战性的问题。为此本文做了深入研究,其贡献如下:(1)分区技术的数据邻近性降低了轨迹数据的范围查询效率,因此本文提出了一种能提高轨迹数据范围查询效率的分区技术。该分区技术还具有以下优势:无需预处理,直接对轨迹数据进行分区;新的轨迹数据到达时,已经分区的轨迹数据无须再分区,因此其能够更好地适用于在线任务。最后通过实验验证了基于该分区技术的范围查询相比于其他分区技术具有更高的查询效率。(2)鉴于移动对象的轨迹数据对商业选址具有重要的参考价值,本文提出了基于轨迹数据的最佳位置查找模型。该模型考虑了不同用户的采样点之间的差异和同一用户的采样点之间的相互影响这两种情况,以便适应于多种应用场景。为了进一步提升计算性能,本文又对该模型提出了两种分布式部署方案。最后通过实验验证了分布式部署方案的高效性,并根据实验结果对这两种方案的应用场景进行了分析总结。(3)针对轨迹数据分析对交通拥堵实时侦测的重要价值,本文提出了两种基于轨迹数据实时侦测交通拥堵的方法:一种是分布式的DBSCAN密度聚类;另一种是轨迹数据的分布式拓扑分析。最后使用叁组真实的轨迹数据集在流式批处理引擎上模拟了这两种方法实时侦测交通拥堵的过程,并根据实验结果对它们的应用场景进行了分析总结。(本文来源于《桂林电子科技大学》期刊2019-05-29）
左小将[7]（2019）在《面向船舶轨迹数据的连续查询及分析服务》一文中研究指出流式数据是一种新型的数据形态,具有动态、连续并高速到达等特点。近年来随着越来越多物联网系统以及基于移动传感设备的数据平台不断涌现,流式数据的规模急剧增大,针对流式数据的查询和分析问题也越来越受到人们的关注。海洋平台中不断收集到的船舶轨迹数据就是流式数据的一种,利用船舶轨迹数据来实时分析船舶异常行为对于保障航海安全具有很大意义。然而此类数据平台通常不直接暴露自己的底层数据源供用户查询和分析,如何基于这样的前提对具有流式数据特性的船舶轨迹数据进行快速、高效的访问和分析成为一个亟待解决的问题。为解决这个问题,本文提出用数据服务来封装底层流式数据源,再通过数据服务组合的方式来应答复杂度较高的用户查询请求。本文的具体工作如下:1)提出一种考虑了流式数据时变特性的连续数据服务模型,该模型随底层流式数据的不断到来而持续更新其输出结果,这种与数据库中物化视图输出方式相同的特点使其可视作建立在流式数据源上的物化视图。不同之处在于连续数据服务可接收灵活的实例化参数,从而成为一种具有定义可变的视图。2)受传统数据集成领域中基于视图的查询重写问题的启发,提出了两种基于视图的连续数据服务组合算法,SBucket(Service Bucket)算法和SMiniCon(Service MiniCon)算法,能够针对用户的连续查询请求自动从大量的连续数据服务集合中快速且准确地生成符合要求的服务组合计划。3)基于海洋真实轨迹数据和案例验证了本文所提方法的可行性和准确性,并进行了充分的实验证明了所提方法的高效性。4)开发出一套面向海洋轨迹数据的连续数据查询分析原型系统,具有连续数据服务注册、用户查询提交、自动生成服务组合计划和结果分析等功能。(本文来源于《北方工业大学》期刊2019-05-06）
何浩奇[8]（2019）在《轨迹相似性查询算法研究》一文中研究指出随着全球定位技术和无线通信网络的快速发展,通过移动终端获取大量轨迹数据成为可能。然而,轨迹数据存在规模大、质量低、采样率不同等问题,这直接影响了轨迹数据的挖掘效果和计算效率。学术界为了应对这些问题,在轨迹数据管理方面开展了大量研究工作。其中,轨迹的相似性查询问题是近年来学术界的研究热点之一。该研究主要包含两个核心问题:轨迹的相似性度量方法和相应的查询算法。前者决定查询结果的相似性效果,后者决定相似性查询的计算效率。本文以时空轨迹和语义轨迹作为对象,分别研究这两种轨迹的相似性查询方法,并取得了如下成果。1.提出了针对采样点分布不均的时空轨迹相似性查询算法。大部分的时空轨迹相似性度量方法对采样点的分布较为敏感。由于移动对象的运动速度无法保持恒定,可能引起轨迹的采样点分布不均。相对于采样点稀疏的轨迹段,密集轨迹段的相似性度量在最终度量结果中的比重会被夸大,这将影响时空轨迹相似性查询的最终结果。为了应对此问题,提出基于相似子轨迹计算相似度的时空轨迹相似性查询算法,不再以轨迹点为主体计算时空轨迹的相似度。此外,本文采用“过滤-验证”的计算框架提升时空轨迹的查询效率。过滤阶段利用相似子轨迹中相似轨迹点邻近的特点,基于空间网格索引快速预估各轨迹的相似值,得到候选的相似轨迹集合;在验证阶段,采用动态规划思想对候选轨迹进行验证,得到最终的结果集。基于真实轨迹数据的实验验证了所提查询算法的有效性和可行性。2.提出了基于最长公共子序列的语义轨迹相似性查询算法。由于语义轨迹中同时包含时空属性和语义信息,因而相似性查询必须兼顾时空和语义两方面的要求。为了解决此问题,本文提出了基于最长公共子序列的语义轨迹相似性查询方法,在计算相似轨迹点时同时兼顾空间和语义两种信息相似性的度量要求。为了提升查询效率,本方法采用“过滤-验证”的计算框架。在过滤阶段,通过建立带有语义信息的空间网格索引,快速查找相似轨迹点,在线性时间内完成相似度的估算,获得相似候选轨迹集合;在验证阶段,基于动态规划思想,通过相似阈值减少相似轨迹点的比较范围,提升验证效率。基于真实轨迹数据的实验验证了算法有效性和执行效率。(本文来源于《南京师范大学》期刊2019-03-01）
宋成,张亚东,王磊,刘志中,晁浩[9]（2018）在《基于DTW交换查询的轨迹隐私保护方案》一文中研究指出针对轨迹数据的攻击性推理可能导致个人隐私信息泄露的问题,提出了一个基于动态时间归整(DTW)交换查询的轨迹隐私保护方案.通过对基于位置的服务(LBS)请求的用户及候选者身份进行匿名化处理,利用DTW算法依次计算出所有候选者与发起者在一定时间间隔内的轨迹相似值,从中选出最优相似轨迹的候选者替代真实用户请求LBS服务,从而实现用户身份与位置的隐私保护.经过安全性分析,所提方案不仅满足匿名性和不可伪造性等安全特性,而且能够抵抗窃听攻击和连续查询服务追踪攻击.仿真实验结果表明,所选候选者轨迹的相似度有明显提高.(本文来源于《北京邮电大学学报》期刊2018年06期）
谢小丽,卢山[10]（2018）在《基于Storm的实时海量轨迹数据查询系统设计》一文中研究指出大数据环境下,互联网及其它行业领域中时刻都在涌现出海量数据并快速增长,传统的查询系统框架存在着数据量增大时无法满足用户实时查询的需求。提出了一种基于Storm的海量轨迹数据实时查询系统设计方法,采用分布式实时计算系统Storm平台对实时海量轨迹进行处理,利用CQL语句对数据流实时查询,对于轨迹数据量较大情况下引起的系统利用率问题,采用动态负载均衡算法对本查询系统进行负载均衡,针对数据量过大超出系统处理上限的问题,设计了一种过载处理方法。通过具体业务数据对该系统进行性能测试,测试结果表明实时查询系统所面临的负载均衡问题得到了有效的改善,系统的实时性得到了明显的提高,能够满足海量轨迹数据的实时查询需求。(本文来源于《计算机与数字工程》期刊2018年08期）
轨迹查询论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
移动对象轨迹的k近邻(k nearest neighbor trajectories,k NNT)查询是一种重要的空间信息服务,主要用于寻找与给定轨迹最近邻的k条轨迹,被广泛地应用于智能交通、信息推荐等领域。随着轨迹数据量的快速增长,由于单机计算资源的限制,传统集中式环境下的k NNT查询效率和可扩展性无法满足实际要求。为了解决这个问题,设计了轨迹数据的分布式网格索引结构,该索引在Spark环境下将轨迹切分并映射到网格中,并引入轨迹还原表以保留查询时候选子轨迹段间的连续性。基于此索引,提出了Spark环境下的轨迹k近邻查询方法 k NNT-Grid。实验结果表明,k NNT-Grid方法在分布式环境下实现了良好的查询效率和可扩展性,能够应对海量轨迹数据的k近邻查询需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
轨迹查询论文参考文献
[1].成烽,向隆刚,邵晓天.轨迹-路网动态拓扑过程模型及其交通信息查询分析[J].测绘地理信息.2019
[2].夏英,王瑞迪,张旭,阮文亮.Spark环境下基于网格索引的轨迹k近邻查询方法[J].重庆邮电大学学报(自然科学版).2019
[3].何远德,黄奎峰.一种连续查询事件中基于语义的轨迹k-匿名方法[J].计算机应用与软件.2019
[4].陈子军,杨蕊,刘文远,刘永山.基于旅行时间的Top-k轨迹查询[J].小型微型计算机系统.2019
[5].高梦琦.面向LBS连续查询的基于协作的轨迹隐私保护方法[D].浙江师范大学.2019
[6].岳中伟.基于分布式计算平台的轨迹数据查询优化与分析[D].桂林电子科技大学.2019
[7].左小将.面向船舶轨迹数据的连续查询及分析服务[D].北方工业大学.2019
[8].何浩奇.轨迹相似性查询算法研究[D].南京师范大学.2019
[9].宋成,张亚东,王磊,刘志中,晁浩.基于DTW交换查询的轨迹隐私保护方案[J].北京邮电大学学报.2018
[10].谢小丽,卢山.基于Storm的实时海量轨迹数据查询系统设计[J].计算机与数字工程.2018