一种路网移动对象预测概率范围查询方法技术

本发明专利技术提供一种路网移动对象预测概率范围查询方法，包括：依据Hash表定位查询条件中查询路段RID所在空间索引叶结点，定位对应时间索引B

【技术实现步骤摘要】
一种路网移动对象预测概率范围查询方法
本专利技术属于时空数据
，具体的涉及一种路网移动对象预测概率范围查询方法。
技术介绍
路网移动对象预测概率范围查询在基于位置的服务中应用广泛，例如商家向商铺附近范围内可能经过人群进行电子广告推送；对敌作战中预测未来时间射程范围内的打击目标，实施精准打击等。现有围绕路网移动对象预测概率范围查询的研究均假设移动对象运动线路确定，不考虑因为采样频率低导致的移动对象运动轨迹的不确定性。而轨迹不确定性要求提高路网移动对象符合查询条件的可能路径查询和位置概率计算效率与精度。因此设计一种快速获取可能路径候选顶点集合，能够借助路网关系和时间关系进行快速预测概率范围查询的方法，保证采样频率导致的轨迹不确定路网移动对象预测范围查询的精度与效率。Brilingaite等(BrilingaiteA.Location-relatedcontextinmobileservices[D],PhDinComputerscience,AalborgUniversity,2006.)通过将移动对象当前时刻和位置与所有之前记录下来的历史路线比较来预测移动对象的路线。但是这种方法因为要保留所有历史数据所以不适用于大规模轨迹数据库。Jeung等(JeungH.,YiuM.L.,ZhouX.andJensenC.S.Pathpredictionandpredictiverangequeryinginroadnetworkdatabases[J].TheVLDBJournal,2010,19(4):585-602.)提出了一种基于移动对象历史轨迹的路口行为预测模型。该模型获取移动对象在不同路口所有可能的转向模式和路网中每个对象在路段上的速度，提出了最大可能和贪心算法来预测对象的运动路径，同时提出了有效的索引机制支持预测范围查询。Abdeltawab等(AbdeltawabM.H.Predictivequeryprocessingonmovingobjects[C].InDataEngineeringWorkshops(ICDEW),2014IEEE30thInternationalConferenceonDataEngineeringICDE,Illinois,USA,Mar.2014:340–344.)提出了iROAD框架，该框架给出了一种新的数据结构reachabilitytree，能够通过剪去每个移动对象的相关空间达到显著减少计算时间的目的，iROAD可以用来处理现实大规模路网和海量移动对象情况。但上述方法均未考虑采样频率低导致的移动对象运动轨迹的不确定性，预测概率范围查询的精度与查询效率无法保证。
技术实现思路
针对于上述现有技术的不足，本专利技术的目的在于提供一种路网移动对象预测概率范围查询方法。为达成上述目的，本专利技术采用如下技术方案：一种路网移动对象预测概率范围查询方法包括如下步骤：步骤1：依据Hash表定位查询条件中查询路段RID所在空间索引叶结点，定位对应时间索引B+-tree根结点；步骤2：找到所有移动对象OID早于预测时刻tc的最晚采样点samples，形成samples数据集；步骤3：将所有待查询的samples数据集分割为M个片段，对应M个Map任务；步骤4：调用Map函数处理空间限制，实现Map操作；步骤5：调用Reduce函数处理可能路径查询和概率计算，实现Reduce操作；步骤6：设置输入与输出路径，开始MapReduce并行运算；步骤7：调用子查询结果合并程序，将所有查询结果合并成完整的结果。优选地，步骤1具体包括：构建时空间多维索引结构：空间维度为路网索引结构，通过各层结点的边界顶点、邻接矩阵、路段最大限速行驶下的最短时间表示路网关系，解决可能路径查询，设计Hash表将空间维度的叶结点与其中的路段RID快速对应；时间维度采用基于时间粒度的B+-tree索引创建方式，对采样时间点基于上层粒度进行索引；查询进行中逐步记录下结点边界顶点间路径以Region表形式保存，实现间接索引部分不确定数据。优选地，步骤4具体步骤如下包括：步骤4.1：对于输入的samples，判断其OID在tc时刻是否可能处于路段RID；步骤4.2：符合空间限制条件则依据samples判断所属空间索引叶结点表示的子划分，输出<子划分ID,samples>；步骤4.3：依据子划分ID将输出集进行排序，生成元组<子划分ID,list>。优选地，步骤4.1具体包括：如果移动对象OID预测时刻tc在路段RID上，则其在RID上的可能位置必定在路段RID的两个顶点vs与ve之间；假设vi为路段RID上vs与ve之间任意一点，tc时刻OID在vi点，samples为所有OID早于预测时刻tc的最晚采样点，ts为其采样时刻；设samples与vi的最大时间间隔设为Δt，则Δt必须满足Δt≤tc-ts，移动对象速度的最大值取实际城市道路的最大限速smax＝70km/h，故samples与vi的路网距离r≤(tc-ts)﹒smax，可以得到以vi为圆心，(tc-ts)﹒smax为半径的圆形区域，又因为vi的边界位置分别为vs与ve，因而圆心的取值范围为[vs,ve]，将圆形区域沿着圆心从vs推至ve，形成空间限制区域。优选地，步骤5具体包括步骤：步骤5.1：执行ts与tc时刻间移动对象OID的可能路径查询；步骤5.2：利用时间关系计算u、v间可能路径ph(u,v)内路段RID上的位置概率优选地，步骤5.1具体包括如下步骤：步骤5.1.1：计算Δt＝tc-ts；步骤5.1.2：确立可能路径查询的顶点范围区域，形成查询顶点集V(tc)；步骤5.1.3：在查询顶点集V(tc)中，设置u＝samples，u为查询起始顶点；步骤5.1.4：将u的邻接顶点ui按tm(u,ui)升序排序，tm(u,ui)表示路段(u,ui)的最短时间，即在以u,为起点，ui为终点的路段(u,ui)中移动对象以最大限速s行驶所需的时间，tm(u,ui)＝l/s，l表示路段(u,ui)的长度；步骤5.1.5：以u为起点依次查找邻接顶点ui构成以u,为起点，ui为终点的可能路径ph(u,ui)，将其与已查询得到的可能路径phj一起生成预测可能路径phj，即phj＝phj×ph(u,ui)，其中phj表示预测已查询得到的可能路径，ph(u,ui)表示新加入的路段(u,ui)的可能路径；步骤5.1.6：将起始点u重新设为邻接点ui，即u＝ui，依次执行步骤S5.1.4、步骤S5.1.5，直到(tm(phj)>(tc-ts))结束。优选地，步骤5.1.2具体包括：预测概率范围查询在获得待查询的samples后，必须确定其可能路径查询的终止条件。考虑查询的时间范围为Δt＝tc-ts，移动对象速度的最大值取实际城市道路的最大限速为smax＝70km/h，因此查询的路网距离最大值为(tc-ts)﹒smax。优选地，步骤5.2具体包括：采用时间关系处理在路径ph(u,v)内路段RID上的位置概率总的时间为Δt＝tc-ts，OID到路段RID起点vs的最早时间是tea(vs)，此时OID在RID上的最长时间是(tc-tea(vs))；OID到本文档来自技高网...

【技术保护点】
1.一种路网移动对象预测概率范围查询方法，其特征在于：包括如下步骤：步骤1：依据Hash表定位查询条件中查询路段RID所在空间索引叶结点，定位对应时间索引B+‑tree根结点；步骤2：找到所有移动对象OID早于预测时刻tc的最晚采样点samples，形成samples数据集；步骤3：将所有待查询的samples数据集分割为M个片段，对应M个Map任务；步骤4：调用Map函数处理空间限制，实现Map操作；步骤5：调用Reduce函数处理可能路径查询和概率计算，实现Reduce操作；步骤6：设置输入与输出路径，开始MapReduce并行运算；步骤7：调用子查询结果合并程序，将所有查询结果合并成完整的结果。

【技术特征摘要】
1.一种路网移动对象预测概率范围查询方法，其特征在于：包括如下步骤：步骤1：依据Hash表定位查询条件中查询路段RID所在空间索引叶结点，定位对应时间索引B+-tree根结点；步骤2：找到所有移动对象OID早于预测时刻tc的最晚采样点samples，形成samples数据集；步骤3：将所有待查询的samples数据集分割为M个片段，对应M个Map任务；步骤4：调用Map函数处理空间限制，实现Map操作；步骤5：调用Reduce函数处理可能路径查询和概率计算，实现Reduce操作；步骤6：设置输入与输出路径，开始MapReduce并行运算；步骤7：调用子查询结果合并程序，将所有查询结果合并成完整的结果。2.如权利要求1所述的一种路网移动对象预测概率范围查询方法，其特征在于：步骤1具体包括：构建时空间多维索引结构：空间维度为路网索引结构，通过各层结点的边界顶点、邻接矩阵、路段最大限速行驶下的最短时间表示路网关系，解决可能路径查询，设计Hash表将空间维度的叶结点与其中的路段RID快速对应；时间维度采用基于时间粒度的B+-tree索引创建方式，对采样时间点基于上层粒度进行索引；查询进行中逐步记录下结点边界顶点间路径以Region表形式保存，实现间接索引部分不确定数据。3.如权利要求1所述的一种路网移动对象预测概率范围查询方法，其特征在于：步骤4具体步骤如下包括：步骤4.1：对于输入的samples，判断其OID在tc时刻是否可能处于路段RID；步骤4.2：符合空间限制条件则依据samples判断所属空间索引叶结点表示的子划分，输出<子划分ID,samples>；步骤4.3：依据子划分ID将输出集进行排序，生成元组<子划分ID,list>。4.如权利要求3所述的一种路网移动对象预测概率范围查询方法，其特征在于：步骤4.1具体包括：如果移动对象OID预测时刻tc在路段RID上，则其在RID上的可能位置必定在路段RID的两个顶点vs与ve之间；假设vi为路段RID上vs与ve之间任意一点，tc时刻OID在vi点，samples为所有OID早于预测时刻tc的最晚采样点，ts为其采样时刻；设samples与vi的最大时间间隔设为Δt，则Δt必须满足Δt≤tc-ts，移动对象速度的最大值取实际城市道路的最大限速smax＝70km/h，故samples与vi的路网距离r≤(tc-ts)﹒smax，可以得到以vi为圆心，(tc-ts)﹒smax为半径的圆形区域，又因为vi的...

【专利技术属性】
技术研发人员：史涯晴，黄松，李辉，郑长友，洪宇，韩敬利，王兆丽，王梅娟，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：江苏,32