一种路网移动对象预测概率范围查询方法与流程

本发明属于时空数据技术领域，具体的涉及一种路网移动对象预测概率范围查询方法。

背景技术：

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。

技术实现要素：

针对于上述现有技术的不足，本发明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，本发明采用如下技术方案：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到路段rid起点vs的最晚时间是tc，此时oid在rid上的时间为0。所以oid在rid上的最大时间间隔为(tc-tea(vs))-0，据此可得到

相较于现有技术，本发明提供的技术方案具有如下有益效果：

本发明通过基于几何关系的空间范围限制快速获取可能路径候选顶点集合，借助路网关系和时间关系设计实现预测概率范围查询。本发明实现了对采样频率导致的轨迹不确定路网移动对象预测范围查询精度与效率的提高。具有快速获取预测概率范围查询的候选顶点集合、查询精度与效率高等优点。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明的步骤流程图。

图2是本发明的空间限制区域和顶点范围区域示意图。

图中：samples-同一移动对象oid早于预测时刻tc的最晚采样点,vs-查询路段rid的起点，ve-查询路段rid的终点，vi-路段rid上vs与ve之间任意一点,tc-预测概率范围查询时刻，ts-tc之前最晚采样点samples的对应采样时刻,smax-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，r-r＝(tc-ts)﹒smax。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明的权利要求书、说明书及上述附图中，如使用术语“包括”、“具有”以及它们的变形，意图在于“包含但不限于”。

实施例1：参见图1，本路网移动对象预测概率范围查询方法包括以下步骤：

步骤s1：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；

在本实施方式中，给定查询路段rid，查询时刻为预测时刻tc，概率阈值α，预测概率范围查询q(rid,tc,α)返回预测时刻tc所有经过路段rid概率值ptc,rid(oid)≥α的移动对象oid集合。

在本实施方式中，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，达到间接索引部分不确定数据，提高查询效率目的。

步骤s2：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s3：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s4：调用map函数处理空间限制，实现map操作；

在本实施方式中，步骤s4可以通过以下几个子步骤来完成。

步骤s41：对于输入的samples，判断其oid在tc时刻是否可能处于路段rid；

在本实施方式中，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。参见图2，如果samples为所求，必定在r为半径形成的空间限制区域中。

步骤s42：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s43：依据子划分id将输出集进行排序，生成元组<子划分id,list>；

步骤s5：调用reduce函数处理可能路径查询和概率计算，实现reduce操作；

在本实施方式中，步骤s5可以通过以下几个子步骤来完成。

步骤s51：执行ts与tc时刻间移动对象oid的可能路径查询；

步骤s511：计算δt＝tc-ts；

步骤s512：确立可能路径查询的顶点范围区域，形成查询顶点集v(tc)；

在本实施方式中，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。参见图2，一旦超出以samples为圆心，(tc-ts)﹒smax为半径的圆形区域查询立即终止。

步骤s513：在查询顶点集v(tc)中，设置u＝samples，u为查询起始顶点；

步骤s514：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s515：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s516：将起始点u重新设为邻接点ui，即u＝ui，依次执行步骤s514、步骤s515，直到(tm(phj)>(tc-ts))结束。

在本实施方式中，可能路径查找区分两种情况：第一种，如果某条正在查询的可能路径当中不存在待查询路段rid，即当查询某条路径的时间和超过δt＝tc-ts或者查找顶点的范围超出步骤s512中的顶点区域，但该查询路径中仍然不包括rid；第二种，某条正在查询的可能路径中存在查询路段rid。对于第一种情况，实际只要出现不存在rid的两种条件的任一即可停止查询，路径到预测查询的前一顶点为止；对于后一种情况，实际只要查询到出现rid的起始顶点。

步骤s52：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

在本实施方式中，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到路段rid起点vs的最晚时间是tc，此时oid在rid上的时间为0。所以oid在rid上的最大时间间隔为(tc-tea(vs))-0，据此可得到

步骤s6：设置输入与输出路径，开始mapreduce并行运算；

步骤s7：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。

本发明通过基于几何关系的空间范围限制快速获取可能路径候选顶点集合，借助路网关系和时间关系设计实现预测概率范围查询。本发明实现了对采样频率导致的轨迹不确定路网移动对象预测范围查询精度与效率的提高。具有快速获取预测概率范围查询的候选顶点集合、查询精度与效率高等优点。

上述说明示出并描述了本发明的优选实施例，如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。