Sub-trajectory Similarity Join with Obfuscation
由于智能手机等配备GPS的设备的普及,用户轨迹数据变得越来越容易获得。许多现有的研究集中在查询轨迹是彼此相似的整体。我们观察到,部分相似的轨迹彼此包含有用的信息,用户的旅行模式,不应该被忽视。这种部分相似的轨迹在流行病接触者追踪等应用中至关重要。因此,我们建议查询的轨迹是在一个给定的距离范围内,从对方在一个给定的时间段。我们制定这个问题作为一个子轨迹相似性连接查询命名为STS-连接。我们进一步提出了一个分布式索引结构和查询算法的STS加入,用户保留他们的原始位置数据,只发送混淆的轨迹到服务器进行查询处理。这有助于保护用户位置隐私,这在处理此类数据时至关重要。理论分析和实际数据实验验证了本文提出的索引结构和查询算法的有效性和高效性。
2021-06-07 cs.DB
An Adaptive Column Compression Family for Self-Driving Databases
现代内存数据库通常用于高性能工作负载,因此必须同时优化内存占用小和查询速度高。数据压缩有可能减少内存需求,但也常常降低查询速度。在本文中,我们提出了一种新的,自适应压缩器,提供了一个新的权衡点,这些方面,实现更好的压缩比LZ 4,同时达到查询速度接近最快的现有段编码器。我们评估我们的压缩机都与合成数据隔离和TPC-H和连接顺序基准,集成到一个现代的关系列存储,Hyrise。
2022-09-06 cs.DB
Efficient and Private Federated Trajectory Matching
针对联邦轨迹匹配中安全计算效率低的问题,提出基于地理不可区分性的GIST框架,通过新型隐私查询机制实现轨迹过滤,在保障隐私的同时大幅提升速度并降低通信成本。
2023-12-19 cs.DB
The Maximum Trajectory Coverage Query in Spatial Databases
随着支持GPS的移动设备的广泛使用,从Bikely、GPS-wayPoints和Uber等各种来源可以获得前所未有的大量轨迹数据。创新交通服务的兴起和最近自动驾驶汽车的突破将导致轨迹数据和相关应用的持续增长。在新兴平台中支持这些服务将需要在轨迹数据库中进行更有效的查询处理。在本文中,我们提出了两个新的覆盖查询轨迹数据库:(i)k最大化反向范围搜索轨迹(kMaxRounds);和(ii)最大k覆盖范围搜索轨迹(MaxkCovests)。我们提出了一种新的索引结构,轨迹四叉树(TQ-tree),利用四叉树层次化组织轨迹到不同的四叉树节点,然后应用z排序进一步组织轨迹的空间位置内的每个节点。这种结构在修剪轨迹搜索空间方面是非常有效的,这是独立感兴趣的。通过利用TQ树数据结构,我们开发了一个分治的方法来计算轨迹的“服务值”,和最好的第一个策略,探索轨迹使用适当的上限上的服务值,以有效地处理一个kMaxRisk查询。此外,为了解决MaxkCovenant,这是一个non-submodular NP-hard问题,我们提出了一个贪婪的近似,也利用了TQ-树。我们评估我们的算法,通过广泛的实验研究几个真实的数据集,并证明我们的TQ树为基础的算法优于常见的基线两到三个数量级。
2018-04-02 cs.DB
Quantifying Point Contributions: A Lightweight Framework for Efficient and Effective Query-Driven Trajectory Simplification
针对现有轨迹简化方法存在的迭代多、忽略全局信息及难以区分相似点等问题,提出了集成GNN-TS和Diff-TS的互学习查询驱动轨迹简化框架MLSimp,有效提升了简化效率与查询准确率。
2025-03-03 cs.DB
PairwiseHist: Fast, Accurate and Space-Efficient Approximate Query Processing with Data Compression
提出可构建于 GD 压缩数据之上的直方图摘要 PairwiseHist,通过递归假设检验保证准确性,并在准确率、延迟、空间和构建时间上全面优于现有 AQP 方法。
2024-01-22 cs.DB
Query Log Compression for Workload Analytics
分析数据库访问日志是性能调优、入侵检测、基准测试开发和许多其他数据库管理任务的关键部分。不幸的是,生产数据库通常每天要处理数百万甚至更多的查询,因此必须在使用这些日志之前对其进行汇总。设计适当的摘要编码需要在简洁性和信息内容之间进行权衡。例如:简单的工作负载采样可能会错过罕见的,但高影响的查询。在本文中,我们提出了LogR,一个有损日志压缩方案适用于许多自动日志分析工具,以及人为检查。我们形式化和分析的空间/保真度权衡的背景下,更广泛的家庭的“模式”和“模式混合物”的日志编码LogR属于。我们通过一系列实验表明,LogR压缩编码可以有效地创建,其准确性具有可证明的信息理论界限,并且优于最先进的日志摘要策略。
2018-09-29 cs.DB
Towards Quantum Range Query for Spatial-Temporal-Semantic Trajectory Data
National University of Singapore(新加坡国立大学);The Chinese University of Hong Kong(香港中文大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
本文提出量子范围查询(QRQ),通过混合量子-经典算法和量子索引变体,在轨迹数据上实现2.03至64.70倍的加速,为移动分析和LLM/GeoFM搜索提供基础原语。
2026-09-25 cs.DB
VTRQ: Enabling Verifiable Trajectory Range Queries in Hybrid-Storage Blockchains
Aalborg University(奥尔堡大学);Northeastern University(东北大学);University of Navarra(纳瓦拉大学);AT&T Chief Data Office(美国电话电报公司首席数据办公室)
VTRQ是首个混合存储区块链中可验证轨迹范围查询框架,含两种ADS及时空边聚合机制,解决现有混合存储区块链轨迹数据可验证查询支持不足的问题,提升了查询与验证效率。
2026-08-24 cs.DB
Bounded Quadrant System: Error-bounded Trajectory Compression on the Go
长期位置跟踪,其中轨迹压缩是常用的,已经获得了很高的兴趣,在运输,生态和可穿戴计算的许多应用。然而,现有技术的压缩方法涉及高空间-时间复杂度或实现不令人满意的压缩率,导致存储器、计算、存储和能量资源的快速耗尽。我们提出了一种新的在线算法的误差有界的轨迹压缩称为有界象限系统(BQS),压缩轨迹在空间和时间上使用凸壳的成本非常小。在该算法中,我们建立了一个虚拟的坐标系为中心的一个起点,并建立了一个矩形的限界框以及两个边界线在其每个象限。在每个象限中,待评估的点由框和线形成的凸包界定。因此,各种压缩误差范围,推导出快速绘制压缩决策,而无需昂贵的误差计算。此外,我们还提出了BQS版本的精简版本,该版本在时间和空间上都实现了$\mathcal{O}(1)$复杂性,以处理每个点,以适应约束最严格的计算环境。此外,我们简要地演示了如何这个算法可以自然地扩展到3-D的情况下。使用经验GPS跟踪从狐蝠,汽车和模拟,我们证明了我们的算法在显着降低轨迹压缩的时间和空间复杂度的有效性,同时大大提高了最先进的算法的压缩率(高达47%)。然后,我们表明,该算法,目标资源受限的硬件平台的运行时间可以延长高达41%。
2014-12-08 cs.DB cs.DS
Privacy Preserving Moving KNN Queries
我们提出了一种新的方法,保护轨迹隐私的用户访问基于位置的服务,通过移动k最近邻(MkNN)查询。MkNN查询连续返回移动用户(查询点)的k个最近的数据对象。简单地更新用户的不精确位置,如区域,而不是基于位置的服务提供商(LSP)的确切位置,不能确保用户对MkNN查询的隐私:区域的连续披露使LSP能够遵循用户的轨迹。我们确定的轨迹隐私的问题,所产生的连续区域的重叠,同时请求MkNN查询,并提供了这个问题的第一个解决方案。我们的方法允许用户指定的置信水平,代表了多少用户可能需要旅行比实际的第k个最近的数据对象的界限。通过隐藏用户所需的置信度和所需的距离LSP最近的数据对象的数量,我们开发了一种技术,以防止LSP跟踪用户的轨迹MkNN查询。我们提出了一个有效的算法LSP找到k个最近的数据对象的区域与用户指定的置信水平,这是一个重要的组成部分,以评估一个MkNN查询的隐私保护的方式,该算法是至少两倍的速度比国家的最先进的算法。大量的实验研究验证了我们的轨迹隐私保护技术的有效性和我们的算法的效率。
2011-04-14 cs.DB
Efficient Spatial Keyword Search in Trajectory Databases
越来越多的轨迹数据被文本描述注释,以更好地捕捉与位置相关的语义。融合的空间位置和文字描述的轨迹产生了一种新类型的顶部$k$查询,考虑到这两个方面。所考虑的每个轨迹由与文本描述相关联的一系列地理空间位置组成。给定用户位置$λ$和关键字集合$ψ$,顶部$k$查询返回其文本描述覆盖关键字$ψ$并且具有最短匹配距离的$k$轨迹。据我们所知,以前的研究查询轨迹数据库集中在没有任何文字描述的轨迹数据,并没有现有的工作已经研究了这种顶部的$k$查询轨迹。本文提出了一种新的方法来有效地计算顶部$k$轨迹。该方法是基于一个新的混合索引,细胞关键字意识B $^+$树,表示为\cellbtree,这使我们能够利用文本相关性和位置接近,以促进高效和有效的查询处理。我们广泛的实证研究的结果与BerkeleyDB上的实现所提出的算法表明,我们提出的方法能够实现优异的性能和良好的可扩展性。
2012-05-13 cs.DB
Technical Report: Parallel Distance Threshold Query Processing for Spatiotemporal Trajectory Databases on the GPU
处理移动对象的轨迹出现在许多应用领域,并已解决了从业者在时空数据库和地理信息系统社区。在这项工作中,我们专注于一个轨迹相似性搜索,距离阈值查询,它发现在给定的距离d内的搜索轨迹在一个时间间隔内的所有轨迹。我们展示了一个多线程实现的性能,其特点是使用一个R-树索引,并具有很高的并行效率(78%-90%)。我们介绍了一个GPGPU的实现,它避免了使用索引树,而是具有GPU友好的索引方法。我们比较多线程和GPU实现的性能,并表明,可以使用后者获得的加速比。我们提出了两类算法,SetSplit和GreedySetSplit,以创建高效的查询批次,减少内存压力和GPU上的计算成本。然而,我们发现使用固定大小的批次在实践中是足够有效的。我们开发了一个经验的性能模型,我们的GPGPU实现,可用于预测的响应时间的距离阈值查询。这个模型可以用来选择一个好的查询批量大小。
2014-09-13 cs.DB cs.DC
TraHist: Fast and Accurate Cardinality Estimation for Trajectory Data (Extended Version)
Korea University(高丽大学);Curtin University(科廷大学)
针对轨迹数据基数估计中传统直方图因未考虑时空依赖导致高估的问题,提出TraHist方法,构建密度自适应矩形桶,大幅降低估计误差,同时保持高效查询与构建性能。
2026-10-16 cs.DB
Trajectory Based Optimal Segment Computation in Road Network Databases
寻找一个新的设施,使设施吸引最大数量的客户的位置是一个具有挑战性的问题。现有的研究要么模型客户静态网站,因此不考虑客户的运动,或者他们专注于理论方面,并没有提供解决方案,经验证明是可扩展的。给定道路网络、一组现有设施和一组客户路线穿越,最优路段查询返回新设施的最优道路网络路段。我们提出了一个实用的框架来计算这个查询,其中每个路线遍历被分配一个分数,该分数根据分数分布模型分布在由路线覆盖的路段之间。查询返回具有最高分数的路段。为了实现低延迟,必须修剪非常大的搜索空间。我们提出了两种算法,采用不同的方法来计算查询。算法AUG使用图增强,和ITE使用迭代道路网络划分。实际数据集的实证研究表明,该算法能够提供高性能的现实环境。
2013-03-10 cs.DB
LiMITS: An Effective Approach for Trajectory Simplification
轨迹代表了移动对象的移动性,因此在数据采掘应用中具有重要价值。然而,弹道数据量巨大,直接存储和处理原始数据的成本很高。轨迹也是冗余的,因此可以应用数据压缩技术。在本文中,我们提出了有效的算法来简化轨迹。我们首先通过用$L_\infty$度量替换常用的$L_2$度量来扩展现有的算法,使得它们可以被推广到高维空间(例如,3-实践中的空间)。接下来,我们提出了一种新的方法,即L-infinity多维插值轨迹简化(LiMITS)。LiMITS属于弱简化,并利用了$L_\infty$度量。它通过多维插值生成简化的轨迹。它还允许一种称为紧凑表示的新格式,以进一步提高压缩比。最后,我们通过对真实世界数据集的实验,证明了LiMITS的性能,这表明它比其他现有的方法更有效。
2020-10-16 cs.DB
Efficient XML Keyword Search based on DAG-Compression
与XML查询语言(例如XML)相比,它需要有关查询语言以及有关文档结构的知识,关键字搜索对任何人都是开放的。随着XML数据源规模的快速增长,对支持关键字搜索的XML数据的高效搜索索引的需求也在增加。在本文中,我们提出了一种方法的XML关键字搜索,这是基于DAG的XML数据,其中重复的子结构只考虑一次,因此,只需要搜索一次。正如我们的性能评估所示,这种基于DAG的集合交集搜索算法的扩展[1]、[2]可以导致在大文档上的搜索时间比基于XML的方法的搜索时间快两倍以上。此外,我们使用较小的索引,即,我们消耗更少的主内存来计算结果。
2013-11-26 cs.DB
Data Compression for Analytics over Large-scale In-memory Column Databases
数据压缩方案在列数据库中表现出其重要性,有助于高性能的联机分析处理(OLAP)查询处理。现有的工作主要集中在评估磁盘驻留数据库的压缩方案,因为数据主要存储在磁盘上。随着主存价格/容量比的不断降低,数据驻留在主存中已成为时代的发展趋势。但是,在文献中对内存数据库上的数据压缩的讨论是非常模糊的。在这项工作中,我们提出了一个更新的讨论是否有价值的内存数据库中使用数据压缩技术。如果是,内存数据库应该如何应用数据压缩方案来最大化性能?
2016-07-05 cs.DB
Efficient Non-Learning Similar Subtrajectory Search
本文首次提出在O(mn)时间内解决相似子轨迹搜索问题的精确算法,适用于WED、DTW、ERP、EDR和Frechet等主流轨迹距离函数,并在三个真实数据集上验证了其效率与有效性。
2023-08-08 cs.DB
Contrastive Trajectory Similarity Learning with Dual-Feature Attention
The University of Melbourne(墨尔本大学);National University of Singapore(新加坡国立大学)
轨迹相似性度量作为轨迹数据库中的查询谓词,使其成为决定查询结果的关键因素。它们对查询效率也有很大的影响。一个理想的度量应该能够在很短的时间内准确地评估任何两个轨迹之间的相似性。为此,我们提出了一种基于对比学习的轨迹建模方法TrajCL。我们提出了四种轨迹增强方法和一种新的双特征自注意轨迹骨干编码器。由此产生的模型可以共同学习轨迹的空间和结构模式。我们的模型不涉及任何经常性的结构,因此具有较高的效率。此外,我们预先训练的骨干编码器可以微调到其他计算昂贵的措施,最少的监督数据。实验结果表明,TrajCL是一致的,显着更准确的比国家的最先进的轨迹相似性措施。在微调之后,即,作为启发式度量的估计器,TrajCL在处理轨迹相似性查询的准确性方面甚至可以超过最先进的监督方法高达56%。
2023-02-20 cs.DB cs.LG
TrajectoryDB: A New Database for Agent Trajectories
Harvard University(哈佛大学)
针对AI智能体执行轨迹数据分散且缺乏专用管理的问题,本文提出轨迹应作为独立数据类型,并设计轨迹原生数据库TrajectoryDB,协同优化摄取、存储与查询处理以高效管理分析轨迹。
2026-09-09 cs.DB
GTRSS: Graph-based Top-$k$ Representative Similar Subtrajectory Query
针对Top-k代表性相似子轨迹查询问题,提出基于图的GTRSS框架,通过双层图索引和DTSM度量,结合R树与网格过滤,实现高效检索,准确率超90%且性能提升两个数量级。
2025-07-07 cs.DB
KVzip: Query-Agnostic KV Cache Compression with Context Reconstruction
Seoul National University(首尔大学);Neural Processing Research Center(神经处理研究中心);NAVER AI Lab(NAVER人工智能实验室)
本文提出查询无关的 KV 缓存压缩方法 KVzip,通过基于 LLM 的上下文重建评估 KV 对重要性并驱逐低价值缓存,实现跨查询复用,在最长 170K tokens 上下文中显著降本提速且优于查询感知方法。
2025-09-30 cs.DB cs.LG
A Survey on Trajectory Data Management, Analytics, and Learning
传感器和移动设备的最新进展使城市轨迹数据的可用性和收集量前所未有地增加,从而增加了对更有效的方法来管理和分析所产生数据的需求。在这项调查中,我们全面回顾了最近的研究趋势轨迹数据管理,从轨迹预处理,存储,常见的轨迹分析工具,如查询空间和空间文本轨迹数据,轨迹聚类。我们还探讨了四个密切相关的分析任务,通常用于互动或实时处理的轨迹数据。深度轨迹学习也是第一次。最后,我们概述的基本素质,轨迹数据管理系统应该具备,以最大限度地提高灵活性。
2020-12-14 cs.DB
A Differentially Private Algorithm for Range Queries on Trajectories
我们提出了一种新的算法,以确保$ε$ -差分隐私回答范围查询的轨迹数据。为了保证隐私,差分隐私机制在数据或查询中加入噪声,从而在查询中引入错误,并潜在地降低信息的效用。与最先进的方法相比,我们的方法实现了显着降低的错误,因为它是第一个数据和查询感知的方法,这样的查询。私下回答关于轨迹数据的范围查询的关键挑战是确保准确的计数。简单地将轨迹表示为点的集合而不是点的\emph{sequence}通常将导致高度不准确的查询答案,因为它忽略了轨迹中的位置点的顺序依赖性,即,会破坏弹道数据的一致性此外,轨迹通常不均匀地分布在整个城市中,并且均匀地添加噪声通常会导致较差的效用。为了实现差分隐私,我们的算法自适应地添加噪声的输入数据,根据给定的查询集。它首先将数据空间私有地划分成均匀的区域,并计算每个区域的流量密度。区域和它们的密度,除了给定的查询集,然后被用来估计在查询空间的轨迹的分布,这确保了给定的查询集的高精度。我们展示了我们的算法的准确性和效率,使用广泛的经验评估真实和合成数据集。
2019-07-18 cs.CR cs.DB
Optimizations and Heuristics to improve Compression in Columnar Database Systems
内存中的列式数据库在过去十年中已经成为主流,并且通过多核并行和内存中压缩大大提高了对大量数据的快速处理,从而消除了与基于磁盘的数据库相关的常见瓶颈。对于数据量增长到TB和PB的场景,将所有数据保存在内存中的成本过高。因此,使用不同的算法来有效地压缩数据,以利用多核并行化技术进行查询处理。研究了几种压缩方法来压缩列数组,后字典编码。在本文中,我们将提出两种新的优化压缩技术-块大小优化的集群编码和块大小优化的间接编码-比他们的前辈更好地执行。最后,我们还提出了算法来选择最好的编码之间的常见压缩方案。
2016-09-26 cs.DB
SketchQL Demonstration: Zero-shot Video Moment Querying with Sketches
Georgia Institute of Technology(佐治亚理工学院);Cisco(思科公司)
本文演示了视频数据库管理系统 SketchQL,它通过草图轨迹查询界面和预训练相似性模型实现零样本视频时刻检索。
2024-07-01 cs.CV cs.DB cs.LG
Discovery of Convoys in Trajectory Databases
随着具有定位能力的移动设备继续激增,捕获移动对象群体的历史移动的所谓轨迹数据库的数据管理变得重要。本文认为查询这样的数据库的车队,车队是一组对象,一起走过了一段时间。更具体地说,本文形式化的概念,车队查询使用密度为基础的概念,以捕捉组的任意范围和形状。关联发现与卡车的吞吐量规划和车辆的拼车中的现实应用相关。虽然有大量的研究文献中的轨迹,这都可以应用到正确检索精确的车队结果集。出于这一动机,我们开发了三个有效的算法,车队发现,采用著名的过滤器细化框架。在过滤步骤中,我们对轨迹应用线简化技术,并建立简化轨迹之间的距离界限。这允许在简化的轨迹上有效地发现车队,而不会错过任何实际的车队。在细化步骤中,候选车队被进一步处理以获得实际车队。我们全面的实证研究提供了深入了解该文件的建议的属性,并表明该建议是有效的和高效的真实世界的轨迹数据。
2010-02-04 cs.CG cs.DB
Database Context Compression for Text-to-SQL on Real-World Large Databases
National Engineering Research Center of Software Engineering, Peking University(软件工程国家工程研究中心,北京大学);School of Computer Science, Peking University(北京大学计算机学院);Peking University Information Technology Institute, Tianjin Binhai(天津滨海大学信息技术研究所,北京大学)
针对真实大型数据库中文本到SQL性能瓶颈,提出基于SGCF原则的数据库上下文压缩方法DBCC,通过离线结构语义压缩和在线证据净化,将输入上下文减少两个数量级,并提升模式链接召回率和执行准确率。
2026-06-26 cs.AI cs.DB
Compressing integer lists with Contextual Arithmetic Trits
本文提出结合上下文方法的trit编码来构建倒排索引,在压缩大小上持续优于基准Binary Interpolative Method,并公开了源码与数据集。
2025-05-05 cs.DB cs.IT math.IT