Trajectory Comparison in a Vehicular Network I: Computing a Consensus Trajectory
Trajectory Comparison in a Vehicular Network I: Computing a Consensus Trajectory
复制标题
车载网络中的轨迹比较 I：计算共识轨迹
DOI：
10.1007/978-3-030-23597-0_43
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Zhu, Binhai
中科院分区：
文献类型：
--
作者：
Zou, Peng;Qingge, Letu;Yang, Qing;Zhu, Binhai
在本文中，我们研究了给定车辆在一定时间内访问的兴趣点（POIs）历史的车辆的共识轨迹的计算问题。这个问题源于在车辆网络中建立两辆车之间的社会联系。形式上，给定一组非轨迹（给定字母表上的序列，每个序列的长度最多为to (n), with），问题是计算一个目标（中位数）序列tovero，使得与所有序列之间的相似性度量（即邻接数）的总和最大化。对于这个版本，我们表明问题是np困难的，我们提出了一个简单的因子-2近似。如果这是一个排列，那么我们表明问题仍然是np困难的，但近似因子可以提高到1.5。我们实现了贪心算法和一个基于更自然的贪心搜索的变体。使用超过两个月的模拟数据（例如）和变量（例如）。，和)，经验结果非常有希望，使用局部平差算法，所有情况下的实际近似因子都在1.5 ~ 1.6之间。
In this paper, we investigate the problem of computing a consensus trajectory of a vehicle giving the history of Points of Interest (POIs) visited by the vehicle over certain period of time. The problem originates from building the social connection between two vehicles in a vehicular network. Formally, given a set ofmtrajectories (sequences’s over a given alphabet, each with length at mostO(n), with), the problem is to compute a target (median) sequenceToversuch that the sum of similarity measure (i.e., number of adjacencies) betweenTand all’s is maximized. For this version, we show that the problem is NP-hard and we present a simple factor-2 approximation. IfThas to be a permutation, then we show that the problem is still NP-hard but the approximation factor can be improved to 1.5. We implement the greedy algorithm and a variation of it which is based on a more natural greedy search. Using simulated data over two months (e.g.,) and variants ofand(e.g.,and), the empirical results are very promising and with the local adjustment algorithm the actual approximation factor is between 1.5 and 1.6 for all the cases.
DOI：
--
发表时间：
1998
期刊：
影响因子：
--
作者：
D. Bryant
通讯作者：
D. Bryant