軌跡相似性度量方法總結

• • 基于點的度量
  • 基于形狀的度量
  • 基于分段
  • 基于特定任務

基于點的度量

1.歐氏距離

優點：線性計算時間
缺點：軌跡長度要相同

2.DTW

是對時間序列距離測量的改進

優點：考慮到時間差；
比歐式距離效果好

缺點：對噪音比較敏感

３.LCSS

優點：對噪音有一定的魯棒性

缺點:閾值不好定義

4.EDR

優點：對噪音有一定的魯棒性

缺點:閾值不好定義

EDR和LCSS的比較:

共同點:他們都是基于點的

EDR計算操作代價時需要考慮未匹配的點

不同點：LCSS代價高，EDR代價低

基于形狀的度量

5.Hausdorff距離

計算兩條軌跡之間最近點距離的最大值.

條件:

兩條軌跡之間點的個數不能相差太多,

對噪音敏感

6.Frechet距離

基于動態規劃的思想,
對噪音敏感

基于分段

7.單向距離(OWD)

OWD距離的基本思想基于兩條軌跡圍成的面積，當面積大，說明軌跡之間距離較遠，相似度就低；相反，若圍成的面積為0，則說明兩條軌跡重合，相似度最高。

8.LIP

當某區域面積的周長占總長比重大時權重也自然就大；當Area均為0時，說明兩條軌跡重合沒有縫隙，LIP距離為0；當Area加權和大時，則說明兩條軌跡之間縫隙較大，LIP距離也就大。此外，權重由區域周長占總長比重大決定，也一定程度對抗了噪音點的干擾。

只作用于2維軌跡

基于特定任務

9.CATS(基于線索感知的軌跡相似度)

由于軌跡在采集的時候可能會存在大量采樣點缺 失的軌跡段，而對象的同一種運動行為形成的軌跡在空 間上和時間上應該都比較接近，
因此,對于同一模式的軌跡，將他們的采樣點相互補 充，得到一條采樣完整的軌跡。CATS可以支持局部時間 扭曲，對軌跡的采樣率和長度都沒有要求，并且對噪聲 具有魯棒性。

10.TRACLUS(軌跡聚類)

通過軌跡聚類找出有代表性的相似軌跡

11.NEAT

軌跡聚類時,考慮路網因素,分三次聚類

12語義軌跡

軌跡序列包含時空語義信息

參考:
https://blog.csdn.net/weixin_39910711/article/details/109333641

https://www.jianshu.com/p/8a5755c1831a

https://www.zhihu.com/question/27213170?sort=created

總結

以上是生活随笔為你收集整理的轨迹相似性度量方法总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。