معیار شباهت مسیرهای حرکت مبتنی بر فاصله پاره خطی با استفاده از انحراف زمانی

مهم‌ترین مسئله در آنالیز مسیر حرکت اجسام متحرک، به دست آوردن شباهت بین مسیرهای حرکت است. در این مقاله یک روش جدید برای اندازه‌گیری شباهت بین مسیرهای حرکت مبتنی بر هزینه تطبیق مجموعه پاره‌خط‌های مسیرهای حرکت به همراه تکنیک پیچ‌وتاب زمانی ارائه شده است. شباهت بین دو مسیر حرکت به عنوان حداقل هزینه لازم برای تطبیق یک مسیر حرکت به دیگری تعریف می‌شود. برای تطبیق یک مسیر حرکت به دیگری، فاصله پاره‌خطی به صورت میزان هزینه لازم برای تطبیق یک پاره‌خط به پاره‌خط دیگر، معرفی شده است. همچنین از تکنیک برنامه‌نویسی پویا برای پیاده‌سازی پیچ‌وتاب زمانی و حل مشکل انتقال مکانی استفاده شده است. معیار شباهت پیشنهادی به جای مقایسه مسیرها بر اساس مکان نقاط، از مقایسه پاره خط‌های مسیر سود می‌برد که کمک بیشتری به مقایسه ساختاری مسیرها می‌کند. به منظور ارزیابی روش پیشنهادی با روش‌های مشابه کاربرد آن را در طبقه بندی نزدیکترین همسایگی مسیر حرکت بررسی نموده‌ایم. نتایج آزمایش‌های انجام شده نشان می‌دهد معیار شباهت پیشنهادی در قیاس با روش‌های مشابه دارای صحت و میانگین رتبه بهتری است.

Line-Segment based Trajectory Similarity Measure using Time Warping Technique

The most important issue with trajectory analysis is calculating similarity between trajectories. In this paper a novel method for measuring similarity between trajectories based on the cost to match a set of trajectories segments was introduced. The similarity between two trajectories is defined as a minimum cost to match a trajectory to the other one.  For this purpose, the segment based distance was introduced to as a cost of matching two trajectories segments. In addition, the dynamic programming technique is used to implement the time warp method. We performed some experiments to compare the proposed similarity measure with the similar approaches in the application of trajectory classification. The empirical quality of the proposed similarity measure was evaluated on 1nearest neighbor (1NN) classification task using 13 publicly available data sets. Compared to the other wellknown similarity measures, the proposed method proved to be effective in the considered experiments based on the accuracy of classification.