一种改进的移动目标MOST运动模型_目标运动模型
一种改进的移动目标MOST运动模型由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“目标运动模型”。
一种改进的移动目标MOST运动模型
摘要：针对三维场景中管理移动目标在数量、查询和显示等方面的局限，提出了一种改进的移动目标MOST运动模型。首先分析了国内外移动目标运动模型研究的现状，总结了各家模型的优缺点，之后详细说明了移动目标实体数据结构，对移动目标运动轨迹做了探讨，阐述了移动目标位置自适应更新策略。试验证明，本文提出的模型能有效的管理三维场景中大量移动目标。
关键词：移动目标，MOST运动模型，Hermite插值
1、引言
随着无线通讯技术、空间定位技术以及GIS等学科的发展及实际需求的不断增加，使得人们对空间目标的信息管理由静态逐渐扩展到动态，特别是活动于现实三维场景中的移动目标越来越受到关注。移动目标数据组织、管理与可视化技术的许多特性都与信息时代的需求特点相吻合，因此在许多领域获得了成功的应用，应急指挥、飞机/船舶/车辆导航、智能交通、电子战场、公共安全、物流管理、电子商务、搜索救援、旅行者服务以及其它各类LBS(Location based service，位置服务)服务等都离不开高效的移动目标组织管理机制。移动目标是移动计算环境下的运行主体，如何实施对移动目标的高效管理便成为了这一研究领域的热点[3]。
随着三维GIS和虚拟现实技术的成熟，移动目标的管理也由原来的一维或二维扩展到三维。对三维移动目标的数据处理不仅涉及到空间属性，还涉及到时间属性，因而相对比较复杂[2, 4]。对于移动目标管理的研究，目前普遍采用的方法是将移动目标抽象成空间移动的点，忽略目标的形状、大小、外观等因素，集中注意力研究目标空间状态及其变化，通过各种手段采集、传输、存储、索引、查询和处理目标的空间状态数据，但这些研究成果依然不能满足实际应用的需求[6]。
2、国内外研究现状
移动目标的位置总是在动态变化的，要保证位置数据随时有效，传统方法是对数据库中的移动目标数据周期性刷新。但移动目标位置的不断变化会造成数据库的频繁更新，带来严重的系统计算及更新开销，而且使移动目标与数据库之间通信的无线网络负担过重[7, 8, 9]。
[10]因此移动目标运动模型的建立是移动目标数据处理的首要问题，因为不同的应用场景有不同的动态特征，如何表达和利用这些特征提供不同层次的数据处理方法、如何为用户提供各种不同需求的数据等，有很多学者提出了不同的移动目标运动模型，常见的有：序列快照模型、基态修正模型、时空复合模型、基于事件的时空模型、时空对象模型等等[11]。其中有代表性的模型是美国Illinois大学芝加哥分校的Our Wolfson及其研究小组所提出的MOST(Moving Objects Spatio-Temporal，移动目标时空)模型[12]和意大利Aquila大学的Luca Forlizzi等人提出了的离散数据模型[13]。MOST模型引入了动态属性的概念，将移动目标的位置表示为时间的函数。MOST模型是表示及回答未来较短区间移动目标位置的一种理想的方法。离散数据模型有利于表示更长时间范围内的运动情况，是通过将复杂的空间对象及移动轨迹分割为相对简单的离散片段，该模型为表示和处理移动目标提供了一种可行的解决方案。
各家模型具有自己的特点以及使用的范围和限制，如何在这些模型的基础上，结合多尺度空间数据和模型数据的特点，扩充和丰富模型的内容，产生适应性更好的移动目标运动模型是非常必要的。
本文设计了移动目标实体数据结构，分析了移动目标运动轨迹的确定方法，探讨了移动目标在数据库中的位置更新策略，提出了一种改进的移动目标MOST运动模型，试验证明了
[5][1, 2]本文提出的改进MOST模型的有效性和实用性。
3、改进的移动目标MOST运动模型 3.1移动目标实体数据结构
结合移动地理目标数据的多尺度概念，设计移动地理目标数据在数据库中的存储方式，移动地理目标的实体包括：移动目标标识、移动目标位置、移动目标姿态、移动目标速度矢量、运动方式、时刻、附加信息、当前状态和校验信息等，如图1所示，支持灵活的运动函数模拟和运动位置移动数据的存储管理。
图1 移动目标实体
移动目标标识(ID)是一个移动目标的唯一标识符；移动目标位置(Position)是其对应的空间位置信息，空间位置的表示和地球坐标系的选取有关，可以是经度纬度，也可以大地坐标或其他的坐标形式；移动目标姿态（Attitude）是移动目标三维模型在三维场景中的姿态信息；速度矢量(Velocity)可以是时间的函数(线形函数或其他函数)，作为速度的分量主要包括当前速率、运动方向、平均速率、最大速率、最小速率等信息；运动方式(Mode)是由三维场景中移动目标的性质决定的，包括地面运动、空中运动、垂直上下运动、路径运动、鼠标控制运动、随机运动等方式；时间(Time)是当前移动目标位置相关的时间信息；当前状态(status)表示移动目标当前的运行情况，包括正常运动、超速运动运动、超出限定轨迹、路径运动，鼠标控制运动、随机运动等信息；运动轨迹（Trajectory）反映移动目标运动路径的信息，包括历史轨迹、当前轨迹、将来轨迹和差值函数等；附加信息(Extralnfo)指移动目标的额外信息，包括可否交互、缓存数量、缓存信息向服务器请求数据、接收到服务器数据等；校验（Verification)的目的是为保证移动目标数据的完整性。3.2移动目标运动轨迹
移动目标的运动轨迹插值是查询处理、三维可视化的前提，插值的精度直接影响到查询处理的准确率和三维可视化的视觉效果。插值法作为数值分析的理论基础，是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。主要Taylor 插值、Lagrange 插值、Newton 插值、Hermite 插值、分段低次插值、样条插值等。它们均在数值计算领域发挥着不同程度的作用。
经典的插值方法以Taylor 插值和Lagrange 插值为代表。Taylor 插值利用函数在定义域内某点处的0阶至n阶导数信息给出复杂函数或未知函数的近似多项式表达式，Lagrange 插值利用多个离散点的函数值信息给出函数的近似多项式表达式,进一步根据插值结果对与复杂函数或未知函数相关的理论和应用问题作出讨论。因此Taylor 插值和Lagrange 插值有着紧密的联系, Taylor 插值可以看作Lagrange 插值的极限形式;Lagrange插值则是Taylor 插值的离散化形式。
在移动目标运动轨迹中, 为了保证移动目标随着地形起伏运动, 不仅要求插值函数“过点”, 即插值函数和被插函数在节点上具有相同的函数值, 而且要求“相切”, 即两者在节点处还具有相同的导数值。由于Taylor 插值利用的是“一点”的各阶导数信息，Lagrange 插值利用的“多点”函数值信息, 均达不到要求。Hermite 插值既利用函数值信息又利用函数导数信息, 所以Hermite 插值是Taylor 插值和Lagrange 插值的综合和推广，不需要速度条件便可以形成移动目标运动轨迹,容易将模型推广到高维空间,可以弥补移动目标数据库中记录点太稀疏的缺陷,并且插值精度比线性插值、非节点样条插值等方法更高。
采用将移动目标运动轨迹分段的方法进行空间插值，同时将作为运动状态属性的位置属性封装到各个单元中，每次动态增加一个单元时，保存前一个单元，同时前一个单元成为历史单元，新增加的单元就成为当前单元，对历史单元中的运动轨迹采用了分段三次Hermite 插值函数来模拟，分段三次Hermite插值的关键是估计型值点处的导数,只要估计出一组导数值,就对应一个分段三次Hermite插值，使得改进的MOST模型不仅可以表示移动地理目标的过去、现在和将来的数据，还可以以不同精度和不同计算复杂度的多尺度数据及其相应的计算方法满足不同应用的需要，从而消除移动目标对运动函数所隐含的显式、增量式和分离式要求。
3.3移动目标位置更新策略
移动目标位置的更新的策略主要有三种:固定的时间、固定的空间距离或固定大小的空间区域，就是说移动目标的不确定性时间或不确定性距离或空间区域在移动目标运动开始就已经确定，而且在整个运动的过程中不发生变化;移动目标按照定时/定距修改的方式向数据库发送位置信息来保证数据库中存储的信息是最新的移动目标的信息。间隔变化的不确定性的时间和空间的值或变化大小的空间区域，移动目标的不确定性的时间和空间的值或空间区域在两次位置修改之间不发生变化，每次修改可以根据当前的情况计算代价来制定新的不确定性的时间和空间的值或空间区域值。
上述三种策略严重依赖于不确定性的时间和空间的值或空间区域的值，没有考虑到三维场景中时空之间的变化关系，本文移动目标位置更新策略采用自适应变动阈值的方法，通过建立一元指数非线性回归模型，动态获取移动目标运动状态更新滑动窗口内时间间隔变化趋势参数，再根据回归参数动态地调整移动对象状态更新阈值，如果运动状态变化大于阈值就更新数据库，每次更新只需要包含移动目标当前的位置、速度和方向。
4、实现
改进MOST运动模型试验采用C#编程语言实现，三维模型效果如图2所示，红色曲线为移动目标的运动轨迹，是根据离散位置节点内插自动生成运动路径，三维场景中移动目标沿三维运动路径自动移动，实现了移动目标在三维场景中的可视化。试验证明了本文改进模型的有效性和实用性。
图2 基于改进MOST运动模型的移动目标
5、结论
根据移动目标数据动态属性的描述，本文提出了一种基于移动目标数据的改进MOST模型，定义了移动目标实体数据结构，探讨了移动目标轨迹和位置更新策略，改进MOST模型包括移动目标的时间信息/空间信息/属性信息/时间和空间的不确定信息，提供移动目标的过去/现在和将来的全时态空间和属性的信息和随着环境(包括交通/通讯/用户操作等信息)变化的动态信息的关联。试验证明，本文提出的改进MOST模型能管理三维场景中的大量移动目标。
致谢
感谢公益性科研院所基本科研业务费专项资金（77734）、地理空间信息工程国家测绘局重点实验室基金项目（200830）和国家863项目（2007AA12Z215，2007AA12Z333）对本文提供的支持。
一种改进的移动Agent主动通信算法论文摘要：通信机制是Agent技术研究的重要课题,该文在移动Agent主动通信算法的基础上,提出了一种改进的移动Agent主动通信算法,解决了可靠通......
首先，本人的《李杜诗五首》的教学目标是这样设置的：从把握主旨、鉴赏情景交融的诗歌及赏析炼字的角度掌握诗歌学习的基本方法。从这一目标中我们可以看出，我们最终要达到的目地......
龙源期刊网 http://.cn一种改进的MCMC移动步骤的U粒子滤波算法作者：高寅 张冰 朱志宇来源：《现代电子技术》2012年第23期摘要：粒子退化是标准粒子滤波算法的主要缺陷。针对这一......
一种特征点跟踪的运动目标检测（合集8篇）由网友“大个”投稿提供，下面是小编帮大家整理后的一种特征点跟踪的运动目标检测，希望对大家的学习与工作有所帮助。篇1：一种特征点跟踪的......
学 院 名 称创新创业实践2慧 鱼 模 型 建 模 滑动秤锤式测量计陈仲键 201130510203指 导 教 师王慰祖工程学院 专业及班级 111机制2 目 录一、建模 .............................
