Online Discovery of Gathering Patterns over Trajectories
Online Discovery of Gathering Patterns over Trajectories
复制标题
在线发现轨迹上的聚集模式
DOI：
10.1109/tkde.2013.160
复制
发表时间：
2014-08
影响因子：
8.9
通讯作者：
Xiaofang Zhou
中科院分区：
文献类型：
--
作者：
Kai Zheng;Yu Zheng;Nicholas Jing Yuan;Shuo Shang;Xiaofang Zhou
位置获取技术的日益普及使得能够收集几乎任何类型的移动对象的大量轨迹。从它们的运动行为中发现有用的模式可以将有价值的知识传递给各种关键应用。基于此，我们提出了一个新的概念，称为聚集，这是一个轨迹模式，模拟各种群体事件，如庆祝活动，游行，抗议，交通堵塞等。一个关键的观察是，这些事件通常涉及大规模的个人聚集，形成持久和稳定的高密度区域。在这项工作中，我们首先开发了一套新的技术，以应对挑战，有效地发现收集模式的存档轨迹数据集。之后，由于轨迹数据库在许多现实世界的场景，如交通监控，车队管理和战场监视，固有的动态，我们进一步提出了一个在线发现解决方案，通过应用一系列的优化方案，它可以跟踪收集模式，而新的轨迹数据到达。最后，基于一个真实的出租车轨迹数据集，通过大量的实验验证了所提出的概念和方法的有效性。
The increasing pervasiveness of location-acquisition technologies has enabled collection of huge amount of trajectories for almost any kind of moving objects. Discovering useful patterns from their movement behaviors can convey valuable knowledge to a variety of critical applications. In this light, we propose a novel concept, called gathering, which is a trajectory pattern modeling various group incidents such as celebrations, parades, protests, traffic jams and so on. A key observation is that these incidents typically involve large congregations of individuals, which form durable and stable areas with high density. In this work, we first develop a set of novel techniques to tackle the challenge of efficient discovery of gathering patterns on archived trajectory dataset. Afterwards, since trajectory databases are inherently dynamic in many real-world scenarios such as traffic monitoring, fleet management and battlefield surveillance, we further propose an online discovery solution by applying a series of optimization schemes, which can keep track of gathering patterns while new trajectory data arrive. Finally, the effectiveness of the proposed concepts and the efficiency of the approaches are validated by extensive experiments based on a real taxicab trajectory dataset.
登录
查看更多内容
DOI：
10.14778/1453856.1453971
发表时间：
2008-08
期刊：
Proc. VLDB Endow.
影响因子：
--
作者：
Hoyoung Jeung;Man Lung Yiu;Xiaofang Zhou;Christian S. Jensen;Heng Tao Shen
通讯作者：
Hoyoung Jeung;Man Lung Yiu;Xiaofang Zhou;Christian S. Jensen;Heng Tao Shen
影响因子：
3.9
作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
通讯作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
DOI：
10.1007/978-1-4614-1629-6
发表时间：
2011-10
期刊：
--
影响因子：
--
作者：
Yu Zheng;Xiaofang Zhou
通讯作者：
Yu Zheng;Xiaofang Zhou
DOI：
10.1109/icde.2006.179
发表时间：
2006-04
期刊：
22nd International Conference on Data Engineering (ICDE'06)
影响因子：
--
作者：
Christian S. Jensen;D. Lin;B. Ooi;Rui Zhang
通讯作者：
Christian S. Jensen;D. Lin;B. Ooi;Rui Zhang
DOI：
10.1201/b16812-9
发表时间：
2014
期刊：
--
影响因子：
--
作者：
M. V. Kreveld
通讯作者：
M. V. Kreveld