随着移动设备和物联网技术的普及,时空数据的收集和分析变得越来越重要。轨迹预测,尤其是实时轨迹预测,对于许多应用领域如智能交通和城市规划等至关重要。现有的轨迹预测方法往往无法在保证预测准确性的同时满足实时性的要求,且实时数...随着移动设备和物联网技术的普及,时空数据的收集和分析变得越来越重要。轨迹预测,尤其是实时轨迹预测,对于许多应用领域如智能交通和城市规划等至关重要。现有的轨迹预测方法往往无法在保证预测准确性的同时满足实时性的要求,且实时数据通常是不完整或带有噪声的,要求预测算法必须能够适应不完全的轨迹信息。基于此,提出了一种基于时空数据库的实时启发式轨迹预测模型(Real-time Heuristic Trajectory Prediction Based on Spatio-Temporal Databases,RHTP-STD)。RHTP-STD利用MobilityDB数据库平台存储和管理轨迹数据,通过图构建算法将轨迹数据转换为时空图。RHTP-STD采用启发式算法,融合历史和实时数据,快速预测移动对象的未来轨迹。实验结果表明,RHTP-STD在Argoverse数据集上的预测准确性和实时性均优于现有方法。讨论所提方法在不同应用场景中的适用性,提出了未来的研究方向。展开更多
为了能在监控软件中实时监控数据,系统采用物理内存作为实时数据库的主存储区,在内存中完成对数据的存储、管理和实时操作．使用SQL Server 2000数据库管理历史数据,给出了基于商用数据库组态软件实时数据库的结构.整个系统采用多线程...为了能在监控软件中实时监控数据,系统采用物理内存作为实时数据库的主存储区,在内存中完成对数据的存储、管理和实时操作．使用SQL Server 2000数据库管理历史数据,给出了基于商用数据库组态软件实时数据库的结构.整个系统采用多线程面向对象的编程方法,在查找方法上采用直接定位指针的搜索方法,解决了与Windows操作系统相融合的问题．测试结果表明该系统能达到监控实时性的要求．展开更多
文摘随着移动设备和物联网技术的普及,时空数据的收集和分析变得越来越重要。轨迹预测,尤其是实时轨迹预测,对于许多应用领域如智能交通和城市规划等至关重要。现有的轨迹预测方法往往无法在保证预测准确性的同时满足实时性的要求,且实时数据通常是不完整或带有噪声的,要求预测算法必须能够适应不完全的轨迹信息。基于此,提出了一种基于时空数据库的实时启发式轨迹预测模型(Real-time Heuristic Trajectory Prediction Based on Spatio-Temporal Databases,RHTP-STD)。RHTP-STD利用MobilityDB数据库平台存储和管理轨迹数据,通过图构建算法将轨迹数据转换为时空图。RHTP-STD采用启发式算法,融合历史和实时数据,快速预测移动对象的未来轨迹。实验结果表明,RHTP-STD在Argoverse数据集上的预测准确性和实时性均优于现有方法。讨论所提方法在不同应用场景中的适用性,提出了未来的研究方向。
文摘为了能在监控软件中实时监控数据,系统采用物理内存作为实时数据库的主存储区,在内存中完成对数据的存储、管理和实时操作．使用SQL Server 2000数据库管理历史数据,给出了基于商用数据库组态软件实时数据库的结构.整个系统采用多线程面向对象的编程方法,在查找方法上采用直接定位指针的搜索方法,解决了与Windows操作系统相融合的问题．测试结果表明该系统能达到监控实时性的要求．
