DOI QR코드

DOI QR Code

이산 프레셰 거리 척도를 이용한 궤적 유사도 고속계산 휴리스틱 알고리즘

박진관;김태용;박보국;조환규
Park, Jinkwan;Kim, Taeyong;Park, Bokuk;Cho, Hwan-Gue

  • 투고 : 2015.11.09
  • 심사 : 2016.02.01
  • 발행 : 2016.04.15

초록

궤적은 이동체가 움직인 경로이다. IT 기술의 성장은 GPS와 같은 위치 측정 장치를 통해 다양한 이동체의 궤적 데이터를 수집할 수 있게 하였다. 이동체의 궤적은 지리정보시스템(GIS)을 포함한 다양한 연구 분야에서 사용된다. 지리정보시스템 분야에서는 차량의 궤적 데이터를 이용한 전자 도로 지도생성 시도가 많이 이루어져왔다. 이 목표를 이루기 위해서는 같은 도로 상의 궤적들을 모으는 방법이 필요하다. 흔히 프레셰 거리($Fr{\acute{e}}chet$ distance)가 궤적 쌍의 거리를 측정하는데 사용된다. 하지만 프레셰 거리는 대량의 궤적들에 대해서는 계산 시간의 소모가 심하다. 본 논문에서는 궤적들의 인접성 여부를 이산프레셰 거리를 통해 빠르게 구분하는 휴리스틱 알고리즘을 제안한다. 이 알고리즘은 계산되는 거리의 정확도를 낮추는 대신 계산 속도를 높였다. 실험 결과, 제안 방법은 이산 프레셰 거리 대비 95%의 정확도와 최하 65%의 계산 감소율로 거리가 10m 이내인 궤적들을 구분할 수 있었다.

키워드

차량 GPS 데이터;궤적 거리;프레셰 거리;궤적 유사도

참고문헌

  1. C. Lili and K. John, "From GPS traces to a routable road map," Proc. of 17th ACM SIGSPATIAL, pp. 3-12, 2009.
  2. W. Rodriguez, et aI., "3-dimensional curve similarity using string matching," J. of Robotics and Autonomous Systems, Vol. 49, 3, pp. 165-172, 2004. https://doi.org/10.1016/j.robot.2004.09.004
  3. B. Liao, Y. Zhang, K. Ding, and T.-m. Wang, "Analysis of similarity/dissimilarity of dna sequences based on a condensed curve representation," J. of Molecular Structure: THEOCHEM, Vol. 717, pp. 199-203, 2005. https://doi.org/10.1016/j.theochem.2004.12.015
  4. A. Efrat, Q. Fan, and S. Venkatasubramanian, "Curve matching, time warping, and light fields : New algorithms for computing similarity between curves," J. of Mathematical Imaging and Vision, Vol. 27, pp. 203- 216, 2007. https://doi.org/10.1007/s10851-006-0647-0
  5. Alt H, Godau M., "Computing the Frechet distance between two polygonal curves," International Journal of Computational Geometry & Applications, Vol. 5, 01n02, pp. 75-91, 1995. https://doi.org/10.1142/S0218195995000064
  6. Eiter T., Mannila H., "Computing discrete Frechet distance," Citeseer, 1994.
  7. P. K. Agarwal, R. B. Avraham, H. Kaplan and M . Sharir, "Computing the Discrete Frechet Distance in Subquadratic Time," SIAM Journal on Computing, Vol. 43, No. 2, pp. 429-449, 2014. https://doi.org/10.1137/130920526
  8. R. B. Avraham, O. Filtser, H. Kaplan and M. J. Katz, "The Discrete and Semi-continuous Frechet Distance with Shortcuts via Approximate Distance Counting and Selection," Proc. of 30th SOCG, pp. 377-386, 2014.
  9. A. Driemel and S. Har-Peled, "Jaywalking your Dog-Computing the Frechet Distance with Shortcuts," Proc. of 23th ACM-SIAM Symp. on Discrete Algorithms, pp. 318-337, 2012.
  10. K. Bringmann, "Why walking the dog takes time: Frechet distance has no strongly subquadratic algorithms unless SETH fails," FOCS, 2014 IEEE 55th Annual Symposium on, pp. 661-670, 2014.
  11. A. Mosig and M. Clausen, "Approximately matching polygonal curves with respect to the Frechet distance," J. of Computational Geometry, Vol. 30, pp. 113-127, 2005. https://doi.org/10.1016/j.comgeo.2004.05.004

과제정보

연구 과제 주관 기관 : 한국연구재단