CN109612467A - 轨迹简化方法、***及轨迹可视化*** - Google Patents

Abstract

本发明提供了一种轨迹简化方法、***及轨迹可视化***，涉及地图制图综合技术领域，该方法包括获取待简化的轨迹数据；计算轨迹数据中每个轨迹点的几何特征权重；该几何特征权重为待计算轨迹点与待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；根据每个轨迹点的几何特征权重和该轨迹点的瞬时速度计算各个轨迹点的综合特征权重；该综合特征权重为几何特征权重和瞬时速度的比值；比较每个轨迹点的综合特征权重与预设权重阈值的大小，将综合特征权重小于预设权重阈值的轨迹点删除，以得到简化轨迹数据。本发明实施例提供的轨迹简化方法、***及轨迹可视化***，可以减少轨迹数据简化后的轨迹信息损失，提高简化效率，实现轨迹的实时可视化。

Description

轨迹简化方法、***及轨迹可视化***

技术领域

本发明涉及地图制图综合技术领域，尤其是涉及一种轨迹简化方法、***及轨迹可视化***。

背景技术

近年来，随着嵌入式导航定位设备广泛应用浮动车的导航和轨迹记录，轨迹数据正在变得无处不在，对于移动对象轨迹的获取是现代化管理、监控的重要手段之一。

目前，现有的浮动车轨迹管理***对于海量的浮动车轨迹可视化依然是一个难题。由于计算机内存和算法效率的限制，无法实现浮动车轨迹的动态可视化和实时更新，一般只能对一段时间内的历史轨迹进行可视化，对于实时更新的海量浮动车轨迹却难以处理，无法满足对浮动车轨迹的实时监控管理的需求。

发明内容

有鉴于此，本发明的目的在于提供一种轨迹简化方法、***及轨迹可视化***，可以对轨迹数据进行简化，减少简化后轨迹的几何特征信息、语义特征信息的损失，同时提高简化效率，并有效提高轨迹加载速度，实现轨迹的实时可视化。

第一方面，本发明实施例提供了一种轨迹简化方法，包括：获取待简化的轨迹数据；计算该轨迹数据中每个轨迹点的几何特征权重；该几何特征权重为待计算轨迹点与该待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；根据每个轨迹点的几何特征权重和该轨迹点的瞬时速度计算各个轨迹点的综合特征权重；该综合特征权重为几何特征权重和瞬时速度的比值；比较每个轨迹点的综合特征权重与预设权重阈值的大小，将该综合特征权重小于预设权重阈值的轨迹点删除，以得到简化轨迹数据。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，在上述获取待简化的轨迹数据的步骤之后，还包括：按预设的每段轨迹点数阈值将该轨迹数据连续分成多段轨迹数据；将上述多段轨迹数据依次映射到进程虚拟地址空间；解析已映射的轨迹数据；将已映射的轨迹数据存储到内存中。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述计算该轨迹数据中每个轨迹点的几何特征权重的计算公式为：S＝100×|(x₃-x₁)×(y₂-y₁)-(x₂-x₁)×(y₃-y₁)|，式中，x₁，y₁为待计算轨迹点的左相邻点的坐标；x₂，y₂为待计算轨迹点的坐标；x₃，y₃为待计算轨迹点的右相邻点的坐标。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，该综合特征权重的计算公式为：式中，f(s,v)为综合特征权重，s为待计算轨迹点与前后相邻的两个轨迹点组成的三角形的几何特征权重，v为待计算轨迹点的瞬时速度。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，该预设权重阈值有多个，并且，上述比较每个轨迹点的该综合特征权重与预设权重阈值的大小，将小于该预设权重阈值的轨迹点删除，以得到简化轨迹数据的步骤，包括：按各个预设权重阈值从小到大的顺序，分别比较每个轨迹点的该综合特征权重与各个该预设权重阈值的大小，将该综合特征权重小于该预设权重阈值的轨迹点删除，分别得到多级简化轨迹数据。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，该预设权重阈值的计算公式为：

式中，T(L)为预设权重阈值，为所有轨迹点的综合特征权重的平均值，L为简化轨迹级别值，N为预设权重阈值的个数，f(s_i,v_i)为第i个轨迹点的综合特征权重，m为待简化轨迹数据中轨迹点的总数。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，上述将该综合特征权重小于该预设权重阈值的轨迹点删除的步骤，包括：运用最小堆排序法查找该综合特征权重小于该预设权重阈值的轨迹点；将该轨迹点删除。

第二方面，本发明实施例还提供了一种轨迹简化***，包括：轨迹数据获取模块，用于获取待简化的轨迹数据；几何特征权重计算模块，用于计算该轨迹数据中每个轨迹点的几何特征权重；该几何特征权重为待计算轨迹点与该待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；综合特征权重计算模块，用于根据每个轨迹点的该几何特征权重和该轨迹点的瞬时速度计算各个轨迹点的综合特征权重；该综合特征权重为该几何特征权重和该瞬时速度的比值；比较简化模块，用于按各个预设权重阈值从小到大的顺序，分别比较每个轨迹点的该综合特征权重与多个预设权重阈值的大小，将小于该预设权重阈值的轨迹点删除，分别得到多级简化轨迹数据。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，该***还包括分段映射模块；该分段映射模块包括：轨迹数据分段单元，用于按预设的每段轨迹点数阈值将该轨迹数据连续分成多段轨迹数据；映射单元，用于将该多段轨迹数据依次映射到进程虚拟地址空间；解析单元，用于解析已映射的该轨迹数据；存储单元，用于将该已映射的轨迹数据存储到内存中。

第三方面，本发明实施例还提供了一种轨迹可视化***，包括上述第二方面及其可能的实施方式之一提供的轨迹简化***，还包括加载模块和渲染模块；该加载模块用于根据当前地图级别，从该多级简化轨迹数据中加载预设对应级别的简化轨迹数据；该渲染模块用于对该加载的简化轨迹数据进行渲染。

本发明实施例带来了以下有益效果：

本发明实施例提供的一种轨迹简化方法、***及轨迹可视化***，该方法包括获取待简化的轨迹数据；计算该轨迹数据中每个轨迹点的几何特征权重；该几何特征权重为待计算轨迹点与该待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；根据每个轨迹点的几何特征权重和该轨迹点的瞬时速度计算各个轨迹点的综合特征权重；该综合特征权重为几何特征权重和瞬时速度的比值；比较每个轨迹点的综合特征权重与预设权重阈值的大小，将该综合特征权重小于预设权重阈值的轨迹点删除，以得到简化轨迹数据。本发明实施例提供的轨迹简化方法，将轨迹点的几何特征权重与语义特征权重(瞬时速度)综合考虑，以综合特征权重来简化轨迹点，不仅能保留视觉显著的轨迹点，还有利于保留语义上的重要轨迹点，使简化后的轨迹信息损失更小；并通过分段映射轨迹数据，防止了轨迹数据文件过大而引起内存崩溃的问题，提高了简化效率；通过生成不同级别的轨迹数据，根据不同比例尺级别的地图进行对应级别的轨迹数据加载，有效提高了轨迹加载速度，实现轨迹的实时可视化。

本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种轨迹简化方法的流程图；

图2为本发明实施例提供的一种轨迹数据分段映射的流程图；

图3为本发明实施例提供的一种轨迹简化***的结构示意图；

图4为本发明实施例提供的另一种轨迹简化***的结构示意图；

图5为本发明实施例提供的一种轨迹可视化***的结构示意图。

图标：

31-轨迹数据获取模块；32-几何特征权重计算模块；33-综合特征权重计算模块；34-比较简化模块；41-分段映射模块；51-加载模块；52-渲染模块；100-轨迹简化***；200-轨迹可视化***。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

通常情况下的轨迹数据是海量的，目前，由于计算机内存和算法效率的限制，无法实现浮动车轨迹的动态可视化和实时更新，一般只能对一段时间内的历史轨迹进行可视化，对于实时更新的浮动车轨迹却难以处理，无法达到对浮动车轨迹的实时监控管理的需求。基于此，本发明实施例提供的一种轨迹简化方法、***及轨迹可视化***，可以对轨迹数据进行简化，减少简化后的轨迹信息损失，提高简化效率，并有效提高轨迹加载速度，实现轨迹的实时可视化。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种轨迹简化方法进行详细介绍。

实施例一：

如图1所示，为本发明实施例提供的一种轨迹简化方法的流程图，由图1可见，该轨迹简化方法包括以下步骤：

步骤S102：获取待简化的轨迹数据。

轨迹数据就是时空环境下，通过对一个或多个移动对象运动过程的采样所获得的数据信息，包括采样点位置、采样时间、速度等，这些采样点数据信息根据采样先后顺序构成了轨迹数据。

这里，轨迹数据可以是交通轨迹数据、动物迁徙数据、气候气流数据、人员移动数据等等。例如，具有定位功能的智能手机，轨迹数据反映了手机持有者某一时间段的行动状况，移动互联网络可以通过无线信号定位手机所在位置，进而采样记录，通过连接采样点形成手机持有者的运动轨迹数据；导航定位终端，固定采样频率的记录终端所在位置的经纬度信息，通过无线网络将数据收集到服务器上；RFID标签技术，对物体进行标记，将物体的移动线路通过RFID识别器完成定位和位置数据记录，形成物体的移动轨迹。

在本实施例中，首先获取需要简化的轨迹数据，也即是待简化轨迹数据。

通常情况下，轨迹数据的数目是海量的，在对海量轨迹数据进行简化处理时，为了缓解因轨迹数据文件过大而导致处理***内存崩溃的问题，在其中一种实施方式中，如图2所示，可以对该轨迹数据进行分段映射存储到内存，具体步骤包括：

首先，按预设的每段轨迹点数阈值将该轨迹数据连续分成多段轨迹数据。例如，可以设置每段轨迹点数阈值为5000，也即每5000个轨迹点被分成为一个轨迹数据段。因为最小堆排序算法的时间复杂度是O(nlogn)，当轨迹点增加256倍时，耗时增加256*8＝2048倍。经过实验得出每段轨迹点减少到5000左右时，能达到算法效率与进程IO等待用时之间的平衡，使轨迹点简化的总耗时最短。

其次，将上述多段轨迹数据依次映射到进程虚拟地址空间。这里，在映射时，一次映射一段轨迹数据，对于上述例子，也即一次映射5000个轨迹点的数据。

然后，解析已映射的轨迹数据。

最后，将已映射的轨迹数据存储到内存中。

这样，通过分段映射的简化策略，根据电脑内存剩余量和轨迹点数量将轨迹数据进行分段映射到内存，能有效缓解因轨迹数据文件过大而引起内存崩溃的问题，同时提高了简化效率。

步骤S104：计算该轨迹数据中每个轨迹点的几何特征权重；该几何特征权重为待计算轨迹点与该待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积。

对于轨迹数据中的每个轨迹点，均计算其几何特征权重，这里，几何特征权重反映的是轨迹点的视觉显著性，具体的，几何特征权重表示为待计算轨迹点与该待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积，三角形的面积越大，表明该轨迹点的几何特征权重越大，也即该轨迹点越重要。

在其中一种实施方式中，计算轨迹点的几何特征权重的计算公式为：

S＝100×|(x₃-x₁)×(y₂-y₁)-(x₂-x₁)×(y₃-y₁)|

式中，x₁，y₁为待计算轨迹点的左相邻点的坐标；x₂，y₂为待计算轨迹点的坐标；x₃，y₃为待计算轨迹点的右相邻点的坐标。这里，对于轨迹点的坐标，可以采用经纬度坐标，并转化为秒为单位。

步骤S106：根据每个轨迹点的几何特征权重和该轨迹点的瞬时速度计算各个轨迹点的综合特征权重；该综合特征权重为几何特征权重和瞬时速度的比值。

在获得每个轨迹点的几何特征权重之后，结合每个轨迹点的瞬时速度计算各个轨迹点的综合特征权重，这里，以轨迹点的几何特征权重和它的瞬时速度的比值作为综合特征权重。综合特征权重用于衡量该轨迹点的重要程度，其值越大，表明该轨迹点越重要，则会被保留下来；其值越小，表明该轨迹点越不重要，则可能会被删除。

在其中一种实施方式中，计算轨迹点的综合特征权重的计算公式为：

式中，f(s,v)为综合特征权重，s为待计算轨迹点与前后相邻的两个轨迹点组成的三角形的几何特征权重，v为待计算轨迹点的瞬时速度。

以浮动车的轨迹数据为例，对于上式，s>0,v＝0表示当前轨迹点为上下客点时，计算得到的特征权重为+∞，能够尽可能保留；s＝0,v＝0表示当前轨迹点为停留点时，计算得到的特征权重为0，会删除此点；s≥0,v>0表示正常行驶中，其中，当前轨迹点为转弯点时，s较大，v较小，计算得到的特征权重较大，容易被保留；当前轨迹点在同车道高速移动的直路上时，s较小，v较大，计算得到的特征权重较小，容易被删除。

步骤S108：比较每个轨迹点的综合特征权重与预设权重阈值的大小，将该综合特征权重小于预设权重阈值的轨迹点删除，以得到简化轨迹数据。

这里，对于一个轨迹点是否保留或删除，需要以该轨迹点的综合特征权重来衡量，该综合特征权重是对该轨迹点的几何特征和语义特征(包括速度、时间、转完或停留等状态)的综合反映。

具体的，将每个轨迹点的综合特征权重与预设权重阈值进行比较，将综合特征权重小于预设权重阈值的轨迹点删除以简化轨迹数据。

在其中一种实施方式中，预设权重阈值有多个，多个预设权重阈值可以呈阶梯式分布。在此种实施方式中，可以按各个预设权重阈值从小到大的顺序，分别将每个轨迹点的综合特征权重与每个预设权重阈值进行比较，对于任一一个预设权重阈值的比较，将综合特征权重小于该预设权重阈值的轨迹点删除，以得到简化轨迹数据，这样，对于多个预设权重阈值的多批次比较，将相应得到多级简化轨迹数据。在应用于地图导航中时，还可以按地图级别的大小顺序比较各个权重阈值，先比较高的地图级别对应的权重阈值，再比较低的地图级别对应的权重阈值，则按顺序得到多级简化轨迹数据。这里，地图级别越高，其对应的权重阈值越小。并且，在其中一种可能的实施方式中，可以预先设置不同地图级别对应的权重阈值，地图级别和地图比例尺相关，在实际操作中，当调用地图时，可以根据地图级别实时确定对应的权重阈值，从而进行满足当前导航要求的相应级别轨迹数据的简化。

在该实施方式中，当预设权重阈值较小时，删除的轨迹点越少，相应得到的简化轨迹数据越详细，其对应的级别越高，分辨率也越高；同理，当预设权重阈值较大时，删除的轨迹点更多，相应得到的简化轨迹数据越简略，其对应的级别越低，分辨率也越低。

在至少一种可能的实施方式中，该预设权重阈值的计算公式为：

式中，T(L)为预设权重阈值，为所有轨迹点的综合特征权重的平均值，L为简化轨迹级别值，N为预设权重阈值的个数，N为自然数；f(s_i,v_i)为第i个轨迹点的综合特征权重，m为待简化轨迹数据中轨迹点的总数。

这里，在对轨迹数据的一次简化操作中，可以得到多级的简化轨迹数据。对于有N个预设权重阈值的情况下，相应得到N个级别的多级简化轨迹数据。

其中，在比较轨迹点的综合特征权重与预设阈值大小之后，若该轨迹点按规则需要被删除，则运用最小堆排序法查找该轨迹点，并将该轨迹点删除。

这样，本发明实施例考虑运算内存容量和轨迹点数量，将轨迹数据分段映射到内存，通过分段映射的方法，缓解了轨迹数据文件过大而引起内存崩溃的问题，并提高了简化效率；并且，通过对轨迹点的几何特征、语义特征进行分析，将轨迹点与相邻两个轨迹点组成的三角形的面积作为几何上(即视觉上)的重要性特征，将轨迹点的速度、时间作为语义上的重要性特征，在进行简化时，将几何特征、语义特征进行量化，计算出综合特征权重作为每一个轨迹点的简化依据，这样不仅能保留视觉显著的轨迹点，还有利于保留语义上的重要轨迹点，使简化后的轨迹信息损失更小。

本发明实施例提供的一种轨迹简化方法，该方法包括获取待简化的轨迹数据；计算该轨迹数据中每个轨迹点的几何特征权重；该几何特征权重为待计算轨迹点与该待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；根据每个轨迹点的几何特征权重和该轨迹点的瞬时速度计算各个轨迹点的综合特征权重；该综合特征权重为几何特征权重和瞬时速度的比值；比较每个轨迹点的综合特征权重与预设权重阈值的大小，将该综合特征权重小于预设权重阈值的轨迹点删除，以得到简化轨迹数据。该方法可以对轨迹数据进行简化，减少简化后的轨迹信息损失，提高简化效率。

实施例二：

基于上述实施例一的轨迹简化方法，本实施例提供了一种轨迹可视化方法，以浮动车为例，下面具体介绍该轨迹可视化方法应用于浮动车的方式。

步骤1，打开浮动车轨迹数据文件的同时，获取***剩余内存容量，并根据该容量确定是否需要将内存数据库中访问率低的轨迹金字塔数据持久化，以释放内存。

这里，轨迹金字塔即为多级别的简化轨迹数据。

在其中一种实施方式中，当简化轨迹数据较多，内存消耗空间达到设定的阈值时，可以将创建时间早且访问次数少的轨迹金字塔持久化到磁盘，以释放内存空间。这里，还可以在进程关闭后清空内存数据库中轨迹金字塔以释放内存空间。

步骤2，将浮动车轨迹数据文件连续分段并依次映射到进程虚拟地址空间，映射的轨迹点数量由设定的阈值决定，通常一次性映射5000个左右轨迹点最佳，解析已映射的浮动车轨迹数据并在内存中进行存储。因为最小堆排序算法的时间复杂度是O(nlogn)，当轨迹点增加256倍时，耗时增加256*8＝2048倍。经过实验得出每段轨迹点减少到5000左右时，能达到算法效率与进程IO等待用时之间的平衡，使轨迹点简化的总耗时最短。

步骤3，计算内存中分段的浮动车轨迹数据的几何特征权重，每个轨迹点都会计算出一个几何特征权重，因为几何特征权重反映的是轨迹点的视觉显著性，所以跟当前轨迹点与相邻的两个轨迹点组成的三角形的面积有关，三角形的面积越大，几何特征权重越大。在本实施例中，几何特征权重的计算公式为：

S＝100×|(x₃-x₁)×(y₂-y₁)-(x₂-x₁)×(y₃-y₁)|

其中：x₁，y₁为当前轨迹点的左相邻点的坐标；x₂，y₂为当前轨迹点的坐标；x₃，y₃为当前轨迹点的右相邻点的坐标。坐标的单位为秒(由于浮动车轨迹数据中的坐标通常都是经纬度坐标，可以直接转化为以秒为单位)。

步骤4，计算内存中分段的浮动车轨迹数据的几何特征、语义特征的综合特征权重，特征权重f(s,v)的计算公式如下：

其中，s为当前轨迹点与前后相邻的两个轨迹点组成的三角形的几何特征权重；v为当前轨迹点的瞬时速度(数据中直接获取)，单位为km/h。

由此可见，当前轨迹点为上下客点时，s>0,v＝0，计算得到的综合特征权重为+∞，能够尽可能保留；当前轨迹点为停留点时，s＝0,v＝0，计算得到的综合特征权重为0，会删除此点；当前轨迹点为转弯点时，s较大，v较小，计算得到的综合特征权重较大，容易被保留；当前轨迹点在同车道高速移动的直路上时，s较小，v较大，计算得到的综合特征权重较小，容易被删除。

步骤5，以综合特征权重作为简化依据，对轨迹点进行简化：用最小堆排序法找到特征权重小于阈值T(L)的轨迹点并删除，根据地图级别计算出不同的阈值T(L)，最终生成20级轨迹金字塔。阈值的计算公式如下：

其中：L'为地图等级；为所有轨迹点的特征权重的均值，N'为地图级别的数量，在本实施例中N'取值为20；的计算公式如下：

其中，i为轨迹点的序号，m为正在简化的轨迹点的数量。

这里，在该轨迹金子塔中，第20级表示为最高级别的简化轨迹，其最为详尽，对应的地图等级也越高，即对应地图的比例尺最大。相应的，地图比例尺越小，地图等级越低，对应的简化轨迹级别也越低，轨迹越简略。

步骤6，将轨迹金字塔存入内存数据库，在数据库中记录此轨迹金字塔存留的时间和被使用频率。

步骤7，判断是否完成全部轨迹数据的简化，如果未完成，则重复前面所有步骤。

步骤8，从内存数据库中的轨迹金字塔加载与当前地图级别对应的简化轨迹数据并送入显卡端进行渲染；

步骤9，当地图级别改变时，则切换对应的简化轨迹数据，并实时渲染。若轨迹金字塔不存在，则执行步骤1-7立即生成轨迹金字塔。

这样，对轨迹数据的一次简化过程中，因设置多个预设权重阈值，生成了多个简化轨迹数据，减少了轨迹简化的次数，提高了简化效率。并且，由于获得了多级简化轨迹数据，对于不同级别(比例尺)的地图，可以相应加载不同详尽程度的轨迹数据，可以提高轨迹数据的加载速度，实现轨迹数据的实时可视化。

本发明实施例提供的轨迹可视化方法，通过在轨迹简化过程中生成对应不同地图级别的轨迹数据(轨迹金字塔)，并保存在内存数据库中，使一次简化得到的轨迹适应多种地图级别的可视化需求，并且，在进程不关闭的情况下，再次加载此轨迹时不需要重新进行简化。另外，当简化的轨迹太多，内存消耗空间达到设定的阈值时，通过将创建时间早且访问次数少的轨迹金字塔持久化到磁盘，以释放内存空间。本发明实施例提供的轨迹可视化方法具有方法简洁、执行效率高、简化效果好的优点，有效地解决了在普通计算机上进行海量轨迹数据简化与实时可视化的难题，适用于大规模的轨迹数据的简化与实时可视化。

实施例三：

本发明实施例还提供了一种轨迹简化***，参见图3，为该***的结构示意图，由图3可见，该***包括依次相连的轨迹数据获取模块31、几何特征权重计算模块32、综合特征权重计算模块33和比较简化模块34，其中，各个模块的功能如下：

轨迹数据获取模块31，用于获取待简化的轨迹数据；

几何特征权重计算模块32，用于计算该轨迹数据中每个轨迹点的几何特征权重；该几何特征权重为待计算轨迹点与该待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；

综合特征权重计算模块33，用于根据每个轨迹点的该几何特征权重和该轨迹点的瞬时速度计算各个轨迹点的综合特征权重；该综合特征权重为该几何特征权重和该瞬时速度的比值；

比较简化模块34，用于按各个预设权重阈值从小到大的顺序，分别比较每个轨迹点的该综合特征权重与多个预设权重阈值的大小，将小于该预设权重阈值的轨迹点删除，分别得到多级简化轨迹数据。

在另一种实施方式中，参见图4，该***还包括分段映射模块41，其中，该分段映射模块41分别与轨迹数据获取模块31和几何特征权重计算模块32相连。在本实施例中，该分段映射模块41包括依次相连的轨迹数据分段单元、映射单元、解析单元和存储单元，其中，各个单元的功能如下：

轨迹数据分段单元，用于按预设的每段轨迹点数阈值将该轨迹数据连续分成多段轨迹数据；

映射单元，用于将该多段轨迹数据依次映射到进程虚拟地址空间；

解析单元，用于解析已映射的该轨迹数据；

存储单元，用于将该已映射的轨迹数据存储到内存中。

本发明实施例所提供的轨迹简化***，其实现原理及产生的技术效果和前述轨迹简化方法实施例相同，为简要描述，***实施例部分未提及之处，可参考前述方法实施例中相应内容。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

实施例四：

本发明实施例还提供了一种轨迹可视化***，如图5所示，为该***的结构示意图，由图5可见，该轨迹可视化***200包括上述实施例一及其可能的实施方式之一提供的轨迹简化***100，还包括加载模块51和渲染模块52；其中，该加载模块51用于根据当前地图级别，从该多级简化轨迹数据中加载预设对应级别的简化轨迹数据；该渲染模块52用于对该加载的简化轨迹数据进行渲染。

本发明实施例提供的轨迹可视化***，与上述实施例提供的轨迹可视化方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明实施例所提供的进行轨迹简化方法和/或轨迹可视化方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种轨迹简化方法，其特征在于，包括：

获取待简化的轨迹数据；

计算所述轨迹数据中每个轨迹点的几何特征权重；所述几何特征权重为待计算轨迹点与所述待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；

根据每个轨迹点的所述几何特征权重和所述轨迹点的瞬时速度计算各个轨迹点的综合特征权重；所述综合特征权重为所述几何特征权重和所述瞬时速度的比值；

比较每个轨迹点的所述综合特征权重与预设权重阈值的大小，将所述综合特征权重小于所述预设权重阈值的轨迹点删除，以得到简化轨迹数据。

2.根据权利要求1所述的轨迹简化方法，其特征在于，在所述获取待简化的轨迹数据的步骤之后，还包括：

按预设的每段轨迹点数阈值将所述轨迹数据连续分成多段轨迹数据；

将所述多段轨迹数据依次映射到进程虚拟地址空间；

解析已映射的所述轨迹数据；

将所述已映射的轨迹数据存储到内存中。

3.根据权利要求1所述的轨迹简化方法，其特征在于，所述计算所述轨迹数据中每个轨迹点的几何特征权重的计算公式为：

S＝100×|(x₃-x₁)×(y₂-y₁)-(x₂-x₁)×(y₃-y₁)|

式中，x₁，y₁为待计算轨迹点的左相邻点的坐标；x₂，y₂为待计算轨迹点的坐标；x₃，y₃为待计算轨迹点的右相邻点的坐标。

4.根据权利要求3所述的轨迹简化方法，其特征在于，所述综合特征权重的计算公式为：

式中，f(s,v)为综合特征权重，s为待计算轨迹点与前后相邻的两个轨迹点组成的三角形的几何特征权重，v为待计算轨迹点的瞬时速度。

5.根据权利要求1所述的轨迹简化方法，其特征在于，所述预设权重阈值有多个，并且，

所述比较每个轨迹点的所述综合特征权重与预设权重阈值的大小，将小于所述预设权重阈值的轨迹点删除，以得到简化轨迹数据的步骤，包括：

按各个所述预设权重阈值从小到大的顺序，分别比较每个轨迹点的所述综合特征权重与各个所述预设权重阈值的大小，将所述综合特征权重小于所述预设权重阈值的轨迹点删除，分别得到多级简化轨迹数据。

6.根据权利要求5所述的轨迹简化方法，其特征在于，所述预设权重阈值的计算公式为：

式中，T(L)为预设权重阈值，为所有轨迹点的综合特征权重的平均值，L为简化轨迹级别值，N为预设权重阈值的个数，f(s_i,v_i)为第i个轨迹点的综合特征权重，m为待简化轨迹数据中轨迹点的总数。

7.根据权利要求1所述的轨迹简化方法，其特征在于，所述将所述综合特征权重小于所述预设权重阈值的轨迹点删除的步骤，包括：

运用最小堆排序法查找所述综合特征权重小于所述预设权重阈值的轨迹点；

将所述轨迹点删除。

8.一种轨迹简化***，其特征在于，包括：

轨迹数据获取模块，用于获取待简化的轨迹数据；

几何特征权重计算模块，用于计算所述轨迹数据中每个轨迹点的几何特征权重；所述几何特征权重为待计算轨迹点与所述待计算轨迹点前后相邻的两个轨迹点组成的三角形的面积；

综合特征权重计算模块，用于根据每个轨迹点的所述几何特征权重和所述轨迹点的瞬时速度计算各个轨迹点的综合特征权重；所述综合特征权重为所述几何特征权重和所述瞬时速度的比值；

比较简化模块，用于按各个所述预设权重阈值从小到大的顺序，分别比较每个轨迹点的所述综合特征权重与多个预设权重阈值的大小，将小于所述预设权重阈值的轨迹点删除，分别得到多级简化轨迹数据。

9.根据权利要求8所述的轨迹简化***，其特征在于，还包括分段映射模块；所述分段映射模块包括：

轨迹数据分段单元，用于按预设的每段轨迹点数阈值将所述轨迹数据连续分成多段轨迹数据；

映射单元，用于将所述多段轨迹数据依次映射到进程虚拟地址空间；

解析单元，用于解析已映射的所述轨迹数据；

存储单元，用于将所述已映射的轨迹数据存储到内存中。

10.一种轨迹可视化***，其特征在于，包括权利要求8-9任一项所述的轨迹简化***，还包括加载模块和渲染模块；

所述加载模块用于根据当前地图级别，从所述多级简化轨迹数据中加载预设对应级别的简化轨迹数据；

所述渲染模块用于对所述加载的简化轨迹数据进行渲染。