Robuste und schnelle Ähnlichkeitssuche für bewegte Objekttrajektorien

Ein wichtiger Aspekt bei der ähnlichkeitbasierten Abrufung von bewegten Objekttrajektorien ist die Definition einer Distanzfunktion. Die bestehenden Distanzfunktionen sind in der Regel empfindlich gegenüber Rauschen, Verschiebungen und Skalierungen von Daten, die häufig aufgrund von Sensorfehlern, Fehlern in den Erkennungstechniken, Störsignalen und unterschiedlichen Abtastraten auftreten. Daten zu bereinigen, um diese zu eliminieren, ist nicht immer möglich. In diesem Papier stellen wir eine neuartige Distanzfunktion vor, die Edit Distance on Real sequence (EDR) genannt wird und robust gegen diese Datenunvollkommenheiten ist. Die Analyse und der Vergleich von EDR mit anderen beliebten Distanzfunktionen, wie der Euklidischen Distanz, der Dynamischen Zeitdehnung (DTW), der Edit-Distanz mit Real Penalty (ERP) und den Längsten Gemeinsamen Teilsequenzen (LCSS), deuten darauf hin, dass EDR robuster ist als die Euklidische Distanz, DTW und ERP, und dass es im Durchschnitt 50 % genauer ist als LCSS. Wir entwickeln auch drei Beschneidungstechniken zur Verbesserung der Abrufeffizienz von EDR und zeigen, dass diese Techniken effektiv in einer Suche kombiniert werden können, wodurch die Beschneidungskraft erheblich erhöht wird. Die experimentellen Ergebnisse bestätigen die überlegene Effizienz der kombinierten Methoden.