可视化驱动的轨迹数据压缩方法

发布时间：2021-08-07 00:22

　　随着轨迹数据可视化技术的快速发展,利用交互展示的手段对轨迹数据的可视化分析以及辅助决策有重要的意义。但全球定位系统以及移动终端设备的兴起,使得日益增长的轨迹数据往往伴随着海量性、时空序列性强、数据冗余等特点,这给大规模轨迹数据可视化带来了巨大挑战。然而大规模轨迹数据可视化是大规模轨迹数据可视分析的首要前提和性能瓶颈,这使得大规模可视化分析也面临着前所未有的压力。因此,提高大规模轨迹数据的可视化效率,迫切需要研究科学、高效的轨迹数据压缩方法,以更好地确保轨迹数据可视化的性能和可视化效果,为轨迹数据可视化分析提供合理的依据和技术方法的支撑。为了能更好地满足可视化分析的需求,本文以轨迹数据为研究对象,提出了一种可视化驱动的轨迹数据压缩方法。针对已有轨迹数据压缩方法主要考虑最优压缩率,往往未能充分顾及压缩后轨迹的形状保持问题,本文基于轨迹形状的可视分析出发,研究顾及可视化性能和可视化效果的轨迹数据压缩方法,为支持大规模轨迹数据可视化分析提供高效的解决方案。论文主要研究内容包括以下三个方面:（1）基于Fréchet距离的轨迹数据压缩方法:面向大规模轨迹数据快速可视化需求,本文研究可视化驱动的轨迹... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

Geolife数据集中部分轨迹数据图

第三章可视域约束的轨迹数据LOD模型3.1.2多分辨率LOD模型静态LOD模型和动态LOD模型都是将一个模型作为整体来进行简化处理，使得同一模型内各处区域具有相同的细节层次，更适用于处理数据量较少的模型，以确保得到较好的简化效果。那么，对大规模数据模型而言，采用统一的分辨率会引起诸多不必要的简化计算，由此产生了面向不同区域选择不同细节层次的“动态多分辨率模型”[40][41]，也称为视相关、自适应等等。目前，多分辨率LOD模型与动态LOD模型之间的界限尚没有明确的定义，通常，多分辨率模型的主要特征表现为同一对象的不同区域有着不同细节层次并存的可能，没有统一的细节水平。这种模型主要是依据视点参数的不同，针对同一场景内的不同区域，根据视点的位置选择不同的分辨率进行简化处理[42]，距离视点较近的区域选择较高分辨率，距离视点较远的部分则选择较低分辨率（图3-3）。相应地，用户越感兴趣的区域，例如图3-2中橘色区域，则选择的分辨率就越高[43]。多分辨率LOD模型能够更好地对物体模型及简化模型进行精准地表达，能够在保证绘制展示的整体视觉效果的同时，加快了大规模数据模型的绘制速度。但是不足之处在于，由于模型是根据视点位置的变化而进行不同层次的建立，算法的复杂度也随之增加，通常多分辨率模型应用于分辨率与精确性不固定的模型中，如大规模地形的绘制。LOD2图3-3多分辨率模型示意图3.2可视域约束的轨迹数据LOD模型根据视觉透视原理，在观察场景的过程中，往往满足“近大远斜的规律，25高分辨率显示低分辨率显示

第三章可视域约束的轨迹数据LOD模型(d)LOD1层(e)LOD2层(f)LOD3层图3-9Data2轨迹数据细节层次模型图(a)原始轨迹(b)LOD1层37


本文编号：3326776