fa الگوریتمی برای فشرده‌سازی خطوط سیر مکانی با حفظ ماهیت معنایی پژوهشي Research <p dir="RTL">یک راه معمول برای ذخیره اطلاعات مکانی-زمانی اشیاء در حال حرکت، نمایش مسیر حرکت شئ متحرک به شکل خط سیر سه‌بعدی (موقعیت جغرافیایی نقاط به همراه زمان) است. در سال‌های اخیر تحقیقات گسترده‌ای در حوزه خط سیر انجام شده است. با این حال، در&nbsp;این&nbsp;مطالعات، ایده خط سیر معنایی یک مفهوم نسبتاً جدید است که با هدف انجام آنالیزهای معنایی مؤثر روی داده‌ها انجام می‌شود. در&nbsp;خط سیر معنایی که یک نمایش ثانویه از خط سیر مکانی است، حرکت شئ به شکل دنباله‌ای از توقف‌ها و حرکت‌ها توصیف می‌شود. تولید&nbsp;خط سیر معنایی از داده‌های خام جمع‌آوری شده، یک فرآیند با چندین گام پردازش است که با توجه به حجم عظیم داده‌ها، یکی&nbsp;از&nbsp;پیش‌پردازش‌های موردنیاز کاهش تعداد نقاط خط سیر با حفظ دقت موردنیاز با استفاده از تکینک‌های فشرده‌سازی است. با وجود این، اغلب تکنیک‌های کاهش داده خط سیر که بر اساس ساده‌سازی خطی هستند، قادر به حفظ مناطق توقف و حرکت نیستند. در این مقاله روشی برای فشرده‌سازی داده‌های خط سیر بر اساس سرعت نقاط ارائه شده است که از ترکیب دو تابع فاصله در درونیابی و محاسبه&nbsp;خطای&nbsp;نقاط استفاده کرده است. تابع فاصله اول بر اساس سرعت نقاط است که برای محاسبه خطای تقریب خط سیر استفاده شده و تابع فاصله دوم تابعی بر اساس توسعه الگوریتم شناخته شده داگلاس-پوکر است که از فرض ثابت بودن شتاب در محاسبه خطا در تقریب استفاده کرده است. الگوریتم ارائه شده روی داده‌های واقعی خط سیر پیاده‌سازی شده و نتایج به دست آمده حاکی از بهبود عمکرد در&nbsp;حفظ&nbsp;مناطق توقف در مقایسه با الگوریتم‌های فشرده‌سازی دیگر است.</p> <p>A common way to store information of spatio-temporal moving objects is to display the path of the objects as the form of a three-dimensional trajectory using the geographic location and time. In recent years, extensive research has been done on the trajectories. These studies have focused mainly on geometric aspects of trajectories. However, semantic trajectory is a relatively new concept that has been developed with the purpose of effective semantic analysis on captured data. In semantic trajectory, which is a secondary display of geometric trajectory, the movement of object is described as series of stop-and-move. Production of semantic trajectory from the collected raw data is a process with several steps. Due to the huge amount of data, one of the important processes is reducing the number of points of trajectory with maintaining the required accuracy by using compression techniques. However, data reduction techniques commonly are based on linear simplification and are not able to protect stop and move of trajectories. In this paper, a data reduction technique is presented which is based on combination of two distance functions for approximation of semantic trajectory. The first distance function has used speed of points to calculate the approximation error of trajectories. The second function is based on the development of well-known Douglas-Peuker algorithm, which assumes constant acceleration to calculate the approximation error. The proposed algorithm is implemented on real trajectory data and the results show improved performance compared with other algorithms in preservation of the stop and move of trajectories.</p> خط سیر معنایی, فشرده‌سازی, مدل توقف-حرکت, Ev-E2 Semantic Trajectory, compression, Stop-Move Model, Ev-E2 83 95 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-128-68&slc_lang=fa&sid=1 Somaie Aghel Shahneshin سمیه عاقل شاه‌نشین 10031947532846004819 10031947532846004819 No University of Tehran دانشگاه تهران Simin Sadat Mirvahabi سیمین سادات میروهابی 10031947532846004820 10031947532846004820 No University of Tehran دانشگاه تهران Rahim Ali Abbaspor رحیم علی عباسپور abaspour@ut.ac.ir 10031947532846004821 10031947532846004821 Yes University of Tehran دانشگاه تهران