大规模移动对象位置信息处理及预测技术研究

随着定位技术和无线通信技术的普及，移动对象规模急剧增大，带来沉重 的通讯和存储开销。如何有效减少移动对象位置更新次数、稳定收集和存储移 动对象运动轨迹，是移动对象数据库领域的研究热点，论文面向大规模移动对 象位置信息处理及预测技术，在综合分析移动对象数据管理相关研究的基础 上，对移动对象的跟踪、负载控制和安全存储进行深入研究，论文的主要工作 及创新性成果如下： 第一，本研究定义了一种适用于移动对象位置预测的主导路径模式，给出 了从历史轨迹数据库中发现该模式的算法，并且从模式定义到挖掘过程中都充 分考虑了表达精度，不仅可表征移动对象未来运动方向，而且可描述对象在这 些运动方向上可能的旅行线路，这些特性使得主导路径模式可以有效应用于移 动对象跟踪场景。 第二，本研究提出了一个基于主导路径模式的移动对象跟踪算法，设计了 主导路径模式索引结构，根据移动对象近期移动轨迹寻找最近最长匹配的主导 路径模式，用于预测该对象在未来时间的旅行路线，进而减少移动对象位置更 新次数。 第三，本研究提出了一个基于数据属性的移动对象跟踪负载控制方法，针 对数据流突发引发的系统过载，给出了使用数据属性来估算数据重要性的轻量 级甩负载框架，保证了移动对象位置信息的平稳收集以及结果的精确性。 第四，本研究提出了一种基于纠删码的轨迹数据分布式安全存储方案，将 轨迹数据分块编码并存储在分布式环境中，不仅保证了数据的完整性和私密 性，而且支持在非中心架构下对数据实施访问控制策略。该方案充分利用网络 边缘的存储能力，来解决巨量轨迹数据的安全存储问题，具有较好扩展性、可 用性和安全性。 最后，本文介绍了用于验证本研究内容的移动对象跟踪和管理平台MOIR， 以及实时监控道路交通状态的数据流管理扩展模块MOIR/MT，为移动对象跟 踪和管理中发现问题和验证思路提供了直观参考。