發(fā)布時間：2020-12-09 17:02

　　為了實時監(jiān)控路網(wǎng)上移動對象（車輛）的運動,各移動對象不斷向中心服務(wù)器匯報其位置,中心服務(wù)器存儲數(shù)據(jù)以響應(yīng)用戶的各種查詢。此類方法不僅通信開銷巨大,增加服務(wù)器負(fù)載,而且不能同時滿足群體態(tài)勢感知和個體移動對象位置追蹤的需求。因此,提出一種基于時空錨點的雙粒度移動感知（Double-granularity Movement Detection Based on Spatial-temporal Anchors,DMDSA）框架,將移動對象嵌入時空網(wǎng)格,其經(jīng)過時空錨點時向服務(wù)器匯報其運動模式,實現(xiàn)對群體運動的感知和個體移動的追蹤。離線階段,服務(wù)器從歷史軌跡中挖掘運動模式;移動對象運動時,服務(wù)器結(jié)合挖掘的運動模式,在線計算聚合模式表征群體運動,并采用最大似然估計確定目標(biāo)的運動模式,實現(xiàn)群體態(tài)勢感知;進一步,采用錨點獨立策略和錨點序列策略識別最可能的運動序列,實時追蹤個體對象的運動。在模擬數(shù)據(jù)集和實際數(shù)據(jù)集上的實驗表明,所提方法在大幅度減小位置匯報代價的前提下,不僅能夠準(zhǔn)確地監(jiān)控區(qū)域的群體運動態(tài)勢,并且能夠有效地追蹤和預(yù)測個體移動對象的位置,有助于智慧城市的建設(shè)。 

【文章來源】：計算機科學(xué). 2020年11期 第294-303頁 北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

網(wǎng)格粒度對AVR指標(biāo)的影響

網(wǎng)格粒度對SVAR指標(biāo)的影響

圖3、圖4分別顯示了ANR和SVAR指標(biāo)的變化情況�？梢钥闯�,隨著匯報次數(shù)的增多,ANR指標(biāo)線性增加,SVAR指標(biāo)緩慢增加。圖4 單元格匯報次數(shù)對SVAR指標(biāo)的影響

【參考文獻】：
期刊論文
[1]基于數(shù)據(jù)融合的高速公路交通狀況檢測[J]. 崔艷玲,金蓓弘,張扶桑.  計算機學(xué)報. 2017(08)
[2]移動對象數(shù)據(jù)庫模型、查詢語言及實時交通流分析(英文)[J]. 丁治明.  軟件學(xué)報. 2009(07)



本文編號：2907185