軌跡壓縮之Douglas-Peucker算法之C++實現

http://www.cnblogs.com/xdlwd086/p/5100425.html

這位學長編了java版本的，於是在借鑒學長的思路的基礎上，做出了C++的實現，以此分享。

#include <stdio.h>     //定義輸入／輸出函數
#include <stdlib.h>    //定義雜項函數及內存分配函數
#include <ctime>
#include <cstdlib>
#include <string>
#include <sstream>
#include <iostream>
#include <fstream>
#include <iomanip>
#include <cmath>
using namespace std;
#define M_PI 3.14159265358979323846
#define DMax 30.0

long double gps[3150][2];
int gps_visit[3150] = {0};

/*	The code of GeoDistance function:
Input: Two coordination {Latitude1, Longitude1, Latitude2, Longitude2 } (type:double)
Output: Distance(Unit: m) (type:double)
*/
long double Rad(long double d){
        return d * M_PI / 180.0;
}
//經度 longitude        緯度latitude
long double Geodist(long double  lon1, long double lat1, long double lon2, long double lat2){
        long double radLat1 = Rad(lat1);
        long double radLat2 = Rad(lat2);
        long double delta_lon = Rad(lon2 - lon1);
        long double top_1 = cos(radLat2) * sin(delta_lon);
        long double top_2 = cos(radLat1) * sin(radLat2) - sin(radLat1) * cos(radLat2) * cos(delta_lon);
        long double top = sqrt(top_1 * top_1 + top_2 * top_2);
        long double bottom = sin(radLat1) * sin(radLat2) +cos(radLat1) * cos(radLat2) * cos(delta_lon);
        long double delta_sigma = atan2(top, bottom);
        long double distance = delta_sigma * 6378137.0;
        return distance;
}

//將2007-10-14-GPS.log文件中的GPS數據提取出來，轉換之后另存起來
void init1(){
    ifstream in1;
    ofstream out1;
	in1.open("F:\\研一上\\滴滴算法競賽\\城市計算\\Task\\Data\\task 1-compression\\2007-10-14-GPS.log");
	out1.open("F:\\研一上\\滴滴算法競賽\\城市計算\\Task\\Data\\task 1-compression\\GPS.txt");

	for(int i=0;i<3150;i++){
        string temp;
        getline(in1, temp);
        string gps_E = temp.substr(20,10);
        string gps_N = temp.substr(33,9);
        out1<<gps_E<<" "<<gps_N<<endl;
	}
    out1.close();
    in1.close();
}

void init2(){
    ifstream in2;
    ofstream out2;
    in2.open("F:\\研一上\\滴滴算法競賽\\城市計算\\Task\\Data\\task 1-compression\\GPS.txt");
    out2.open("F:\\研一上\\滴滴算法競賽\\城市計算\\Task\\Data\\task 1-compression\\realGPS1.txt");
    for(int i=0;i<3150;i++){
        long double gps_E,gps_N;
        in2>>gps_E>>gps_N;
        gps_E = (gps_E - 11600.0)*1.0/60+116.0;
        gps_N = (gps_N - 3900)*1.0/60+39.0;
        out2 <<setiosflags(ios::fixed)<<setprecision(6)<<gps_E<<" "<<gps_N<<" "<<i+1<< endl;
        gps[i][0] = gps_E;
        gps[i][1] = gps_N;
    }
    out2.close();
    in2.close();
}

long double get_d(int point_A,int point_B,int point_C ){
    long double a  = abs( Geodist(gps[point_B][0],gps[point_B][1],gps[point_C][0],gps[point_C][1] )  );
    long double b  = abs( Geodist(gps[point_A][0],gps[point_A][1],gps[point_C][0],gps[point_C][1] )  );
    long double c  = abs( Geodist(gps[point_A][0],gps[point_A][1],gps[point_B][0],gps[point_B][1] )  );
    long double p = (a+b+c)/2.0;
    long double s = sqrtl( abs( p*(p-a)*(p-b)*(p-c)  )  );
    long double d = s*2.0/c;
    return d;
}

void dp_gps(int point_start,int point_end){
    if(point_start<point_end){  //遞歸進行條件
        long double maxDist = 0;  //最大距離
        int mid = 0;              //最大距離對應的下標
        for(int i=point_start+1;i<point_end;i++){
            long double temp = get_d(point_start,point_end,i);
            if(temp>maxDist){
                maxDist = temp;
                mid = i;
            }//求出最大距離及最大距離對應點的下標
        }
        if(maxDist>=DMax){
            gps_visit[mid] = 1; //記錄當前點加入
            //將原來的線段以當前點為中心拆成兩段，分別進行遞歸處理
            dp_gps(point_start,mid);
            dp_gps(mid,point_end);
        }
    }
}

int main(){
    int count = 0;  //記錄輸出點的個數
    long double Mean_distance_error;  //平均距離誤差
    long double Compression_rate;     //壓縮率
    init1();
    init2();
    gps_visit[0] = 1;
    gps_visit[3149] = 1;
    dp_gps(0,3149);

    ofstream out3;
    out3.open("F:\\研一上\\滴滴算法競賽\\城市計算\\Task\\Data\\task 1-compression\\pointID.txt");
    for(int i=0;i<3150;i++ ){
        if(gps_visit[i]==1){
            out3<<i+1<<endl;
            count++;
        }
    }
    out3.close();

    long double sum_notVisit_d = 0;
    int start = 0,end;
    for(int i=0;i<3150;){
        if(start == 3149) break;     //如果開始點是尾點，那就結束
        for(int j=start+1;j<3150;j++){   //找出下一個壓縮節點
            if(gps_visit[j]==1){
                end = j;
                break;
            }
        }
        for(int k=start+1;k<end;k++ ){
            if(gps_visit[k]==0){
                sum_notVisit_d+= get_d( start,end,k );
            }
        }
        start = end;
    }
    Mean_distance_error = sum_notVisit_d/3150.0;
    Compression_rate = count/3150.0;

    cout<<count<<endl;  //輸出壓縮后點的個數
    cout<<setiosflags(ios::fixed)<<setprecision(6)<<Mean_distance_error <<endl;
    cout<<setiosflags(ios::fixed)<<setprecision(4)<<Compression_rate*100<<"%"<<endl;

    system("pause");
    return 0;
}

　　

對於文獻《基於時空特性的GPS軌跡數據壓縮算法_張達夫》

首先，“一次性”壓縮，可以考慮以下幾種

 

 

其中，均勻采樣算法最簡單，這個就是每n個點取一個采樣點，不多說。第二個的道格拉斯-普克算法已經實現過了，也不多說。第三個是把DP算法中的誤差指標替換成了“同步歐式距離”，就是結合時間和空間因素來計算距離，摒棄之前只使用空間距離的方法。第四個是采用另外的體系，是采用“速度差”來衡量誤差，在老師給的GPS.log數據文件中GPS坐標后面的那個數據應該就是速度數據，可以使用這個速度數據來重新編寫誤差指標函數。第五個，是空間距離度量的變種，是一種在線的算法。

 

對於文獻《自適應參數的軌跡壓縮算法_龍浩_張書奎_孫鵬輝》

本文獻中另外提供了利用設定壓縮比來“自適應設定誤差指標”的兩種算法。其實我覺得可以是五種，因為自適應就是“把程序加個循環的變一種說法”。上面第一段那個圖中五種算法，都可以加入循環來重復計算，從而選取恰好滿足壓縮比而誤差指標取到最大的值---的情況。  

 

上面這兩段是對軌跡壓縮問題中的“線段簡化壓縮方法”介紹。

此外還想進階的話，可以看看，“基於路網結構的壓縮方法”和“基於語義的壓縮方法”。貌似這個“基於路網的壓縮方法”使用的還比較普遍。