典型文献
基于路网层次收缩的快速分布式地图匹配算法
文献摘要：
地图匹配是轨迹数据挖掘的基本操作,在许多空间数据智能场景中都非常有用.基于隐马尔可夫模型(hidden Markov model,HMM)的地图匹配算法具有较高的准确率,应用最为广泛,但其计算效率较低,难以应对实时性要求较高的大规模轨迹情形.提出了一个基于路网层次收缩的分布式地图匹配框架CHMM,能够对大规模的轨迹数据实现快速地图匹配.具体而言,提出了一个简单但有效的分区方案,能够解决分布式场景下轨迹数据分布不平衡的问题;提出了一个基于路网层次收缩的多对多最短路径查询算法,能够保证结果不变的情况下,显著提升基于HMM的地图匹配算法的效率.采用真实的路网数据和轨迹数据做了充分的实验,实验结果表明:CHMM算法具有更快的计算效率和更强的可扩展性.CHMM算法落回到了真实的产品中,支持了多个项目的 落地.我们也开源了核心代码,并提供了一个在线演示系统.
文献关键词：
地图匹配;轨迹数据;分布式计算;层次收缩;城市计算
中图分类号：
作者姓名：
李瑞远;朱浩文;王如斌;陈超;郑宇
作者机构：
重庆大学计算机学院 重庆 400044;京东城市(北京)数字科技有限公司 北京100176;北京京东智能城市大数据研究院 北京100176
文献出处：
引用格式：
[1]李瑞远;朱浩文;王如斌;陈超;郑宇-.基于路网层次收缩的快速分布式地图匹配算法)[J].计算机研究与发展,2022(02):342-361
A类：
层次收缩,空间数据智能
B类：
路网,地图匹配算法,轨迹数据挖掘,基本操作,多空间,智能场景,隐马尔可夫模型,hidden,Markov,model,计算效率,CHMM,分区方案,数据分布,分布不平衡,多对多,最短路径查询,路径查询算法,可扩展性,开源,代码,演示系统,分布式计算,城市计算
AB值：
0.233128
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
