Cette rubrique décrit les cas d'utilisation du modèle de trajectoire GanosBase dans le cadre de l'analyse de la localisation des véhicules de transport. En intégrant nativement les capacités de stockage, de récupération et d'analyse des objets en mouvement au sein de la base de données, GanosBase constitue la première base de données d'objets mobiles au monde. Elle offre des fonctionnalités complètes d'analyse et d'exploration des données de trajectoire aux clients des secteurs du transport, de la logistique, de la mobilité et des services liés au mode de vie.
Présentation des fonctionnalités
À propos du modèle de trajectoire
Le modèle de trajectoire est un composant essentiel des objets spatio-temporels. Il est conçu pour prendre en charge le traitement et l'analyse des objets en mouvement, tels que les piétons, les véhicules, les navires et les aéronefs.
L'analyse des données de trajectoire peut s'effectuer selon deux approches. La première considère les trajectoires comme des ensembles discrets de points à traiter. La seconde les appréhende comme des lignes continues, représentées par des polylignes spatiales évoluant dans le temps. Chaque représentation possède son propre domaine d'application. Les lignes de trajectoire continues sont insensibles à la fréquence d'échantillonnage et peuvent servir de polylignes pour diverses opérations spatiales. À l'inverse, les points de trajectoire discrets sont plus sensibles aux méthodes et fréquences d'échantillonnage, mais se révèrent plus simples à traiter algorithmiquement. Les opérations courantes, telles que le calcul de similarité ou la segmentation de trajectoire, reposent généralement sur une approche par points.
Opérations courantes sur les trajectoires
En pratique, les points d'échantillonnage des trajectoires doivent souvent satisfaire à des conditions spécifiques. Par exemple :
-
Stockage des données en temps réel
Les véhicules équipés de GPS, comme les vélos en libre-service ou les véhicules de transport, génèrent des points de trajectoire à très haute fréquence, avec potentiellement un nouvel échantillon toutes les 1 à 5 secondes. Dans les scénarios de surveillance en temps réel, ces points revêtent une grande valeur applicative. Toutefois, lorsque le nombre de points devient excessif, l'information apportée par chaque point individuel reste limitée, tandis que l'espace de stockage consommé augmente considérablement. Il est donc nécessaire de supprimer certains points afin de réduire l'empreinte de stockage tout en préservant au maximum l'information contenue dans la trajectoire.
-
Prétraitement des données de trajectoire
Dans les situations réelles, les données échantillonnées sont souvent imprécises en raison de divers facteurs. Parmi les causes non humaines figurent les erreurs des systèmes de positionnement, l'instabilité de la qualité de transmission du signal et les dommages matériels. Les facteurs humains incluent la désactivation manuelle de l'échantillonnage ou le déplacement des objets lorsque l'échantillonnage n'est pas actif. Dans ces cas, les points particuliers de la trajectoire nécessitent généralement un traitement spécifique, notamment les points de dérive, les points de stationnement et les points de saut.
-
Extraction des caractéristiques de la trajectoire
Dans les applications métier, de nombreux scénarios exigent non seulement l'utilisation directe des trajectoires, mais aussi l'extraction d'informations caractéristiques. Les caractéristiques de base comprennent la longueur, le nombre de points et la plage temporelle, tandis que les caractéristiques avancées couvrent la similarité des trajectoires, les emplacements de clusters basés sur la densité, etc. De nombreux calculs de caractéristiques avancées utilisent généralement des algorithmes d'approximation discrète tels que Dynamic Time Warping (DTW), Longest Common Subsequence (LCSS) et Edit Distance on Real sequence (EDR). Ces algorithmes tendent à être sensibles aux problèmes de simplification de trajectoire et d'imprécision d'échantillonnage mentionnés précédemment. L'utilisation de trajectoires simplifiées ou échantillonnées de manière inégale peut entraîner des différences significatives dans les résultats. Par conséquent, un rééchantillonnage des trajectoires est généralement requis pour uniformiser les intervalles temporels ou spatiaux entre les points.
Cas d'utilisation
Aperçu des scénarios
Les entreprises de transport gèrent quotidiennement un grand nombre de véhicules. Ces derniers sont équipés de systèmes GPS qui capturent les informations de localisation en temps réel toutes les quelques secondes. Les données de localisation des véhicules sont également corrélées aux informations sur l'état des véhicules, aux données des commandes de transport et à d'autres données métier, jetant ainsi les bases d'une analyse et d'une exploration approfondies des trajectoires. Les principaux scénarios d'application incluent :
Stockage, interrogation et visualisation des trajectoires : les données de trajectoire des véhicules de transport comprennent principalement quatre champs — ID de commande de transport, longitude, latitude et heure — avec une fréquence de poussée d'un point de données toutes les 5 secondes. En situation normale, une entreprise compte des centaines voire des milliers de véhicules en transit simultané, générant des dizaines de millions de points de données de trajectoire par jour. Après l'acquisition des données, un prétraitement des trajectoires (tel que la compression et l'éclaircissement) est nécessaire, et les résultats sont affichés dans les systèmes métier.
Analyse de l'accessibilité : pour garantir l'arrivée ponctuelle des véhicules de transport, plusieurs géofences sont généralement définies sur la carte (par exemple, au niveau de lieux importants tels que les sorties d'autoroute). Si un véhicule n'a pas atteint ces géofences à un moment donné, cela indique qu'il risque de ne pas pouvoir livrer les marchandises au client dans le délai requis. Des alertes doivent donc être déclenchées pour informer le personnel concerné et assurer le suivi.
Analyse des points de stationnement : les véhicules de transport longue distance doivent généralement s'arrêter pour se reposer pendant le transit. Afin d'éviter les risques potentiels pour la sécurité liés à la conduite nocturne, il est nécessaire de surveiller la présence de points de stationnement des véhicules de transport pendant les heures nocturnes (c'est-à-dire les positions où un grand nombre de trajectoires restent immobiles). Si aucun point de stationnement n'est détecté pendant la période nocturne, les conducteurs doivent être invités à se reposer dès que possible.
Similarité des trajectoires : certains véhicules d'une flotte de transport peuvent s'écarter de leur position, probablement parce qu'ils ont emprunté des itinéraires incorrects, ce qui engendre des risques pour l'accessibilité du fret. Il est donc nécessaire d'identifier les trajectoires anormales en se basant sur la similarité des trajectoires de plusieurs véhicules afin de détecter les risques potentiels en temps utile.
Analyse des scénarios
Pour mettre en œuvre les scénarios ci-dessus, il peut s'avérer nécessaire de prétraiter, d'analyser et de compresser les trajectoires des véhicules afin de prendre en charge l'affichage frontal. Les fonctionnalités clés susceptibles d'être utilisées incluent :
Fractionnement de trajectoire (<a data-tag="xref" id="fc4e1ed5d16wc" data-node="3030747" href="t2091048.xdita#">ST_Split</a>) : divise une trajectoire en plusieurs sous-trajectoires à l'aide d'un objet géométrique, ce qui aide à segmenter la trajectoire globale d'un véhicule de transport selon les différentes commandes de livraison.
Construction de trajectoire (<a data-tag="xref" id="120ae4641fle8" data-node="817111" href="t817111.xdita#">ST_append</a>) : ajoute de nouveaux points de trajectoire à une trajectoire existante pour produire un nouvel objet de trajectoire, ce qui permet de construire des trajectoires s'étendant continuellement en temps réel.
Détection des relations spatiales des trajectoires (<a data-tag="xref" id="0f55062bfcmxc" data-node="817171" href="t41318.xdita#">ST_intersects</a>) : détermine si une trajectoire intersecte un objet géométrique, ce qui aide à analyser si un véhicule a pénétré dans une zone de géofence pendant une période donnée.
Détection des points de stationnement (<a data-tag="xref" id="6a38f7c413d2w" data-node="3950074" href="t2269207.xdita#">ST_StayPoint</a>) : extrait les points de stationnement d'une trajectoire, ce qui aide à analyser la durée d'arrêt des véhicules pendant n'importe quelle période afin de détecter la fatigue des conducteurs.
Simplification de trajectoire (<a data-tag="xref" id="bf1a04e71dph7" data-node="817112" href="t817112.xdita#">ST_Compress</a>) : compresse les données de trajectoire en fonction des seuils de déviation de distance spatiale, de déviation angulaire et de déviation d'accélération afin de réduire le volume de données pour le rendu.
Bonnes pratiques
Installer les extensions
Exécutez l'instruction SQL suivante pour installer les extensions requises.
CREATE EXTENSION ganos_spatialref;
CREATE EXTENSION ganos_geometry;
CREATE EXTENSION ganos_trajectory;
Configurer les tables de trajectoire
Exécutez les instructions SQL suivantes pour configurer la table des points de trajectoire, la table des trajectoires et la table des géofences.
-- Define the trajectory point table with four fields: transport order ID, longitude, latitude, and time
CREATE TABLE bill_point(id integer, longitude double precision, latitude double precision, sample_time timestamp);
-- Define the trajectory table with two fields: transport order ID and trajectory object
CREATE TABLE bill_traj(id integer UNIQUE, traj trajectory);
-- Create a spatial index
CREATE INDEX ON bill_traj USING gist(traj);
-- Define the geofence table with fields for fence query ID, time, and spatial extent
CREATE TABLE fence(id integer, fence_time timestamp, area geometry);
-- Create indexes on ID and time
CREATE INDEX ON fence USING btree(id);
CREATE INDEX ON fence USING btree(fence_time);
-- Create a trigger function
CREATE OR REPLACE FUNCTION trajectory_sync_point() RETURNS TRIGGER AS $$
BEGIN
INSERT INTO bill_traj
SELECT NEW.id, ST_MakeTrajectory(array_agg(ROW(NEW.sample_time, NEW.longitude, NEW.latitude)), false, '{}'::cstring[])
ON CONFLICT(id) DO UPDATE
SET traj = ST_Append(bill_traj.traj, excluded.traj);
RETURN NULL;
END;
$$
LANGUAGE plpgsql STRICT PARALLEL SAFE;
-- Create a synchronization trigger
CREATE TRIGGER point_trigger AFTER INSERT ON bill_point
FOR EACH ROW EXECUTE PROCEDURE trajectory_sync_point();
Insérer des données via la table des points et exécuter des requêtes de géofence
-
Insérez des points dans la table des points de trajectoire pour construire les données de trajectoire dans la table des trajectoires.
-- Insert trajectory data with ID 1 into the point table INSERT INTO bill_point VALUES (1, 2, 2, '2000-01-01 00:01:00'), (1, 2.1, 2, '2000-01-01 00:02:00'), (1, 2.2, 2, '2000-01-01 00:03:00'); -- Query the trajectory table to confirm that new points from the point table have been synchronized SELECT * FROM bill_traj; -- View all points in the trajectory with ID 1 SELECT f.* FROM (SELECT traj FROM bill_traj WHERE id = 1) a, ST_AsTable(a.traj) AS f(t timestamp,x double precision, y double precision); -
Exécutez des requêtes de géofence en temps réel sur les données de trajectoire de la table des trajectoires.
-- Set up a geofence: a region around longitude 2.3 and latitude 2 that activates at 2000-01-01 00:05:00 INSERT INTO fence VALUES(1, '2000-01-01 00:05:00', ST_MakeEnvelope(2.29,1.99,2.31,2.01)); -- Assume the business scans geofences every minute. Use the following statement: -- now() >= fence.fence_time AND now() - '60 s'::interval < fence.fence_time filters only geofences that need to be checked in the current minute -- fence.id = bill_traj.id extracts the corresponding trajectory -- ST_EndTime(bill_traj.traj) >= fence.fence_time confirms the trajectory end has passed this time -- ST_2DIntersects(bill_traj.traj, fence.area) checks for intersection -- At this point, no late arrival has triggered the geofence query, so it returns empty SELECT fence.id FROM fence JOIN bill_traj ON now() >= fence.fence_time AND now() - '60 s'::interval < fence.fence_time AND fence.id = bill_traj.id AND ST_EndTime(bill_traj.traj) >= fence.fence_time AND NOT ST_2DIntersects(bill_traj.traj, fence.area); -- Insert a new point. The trajectory time now reaches the geofence activation time, but this point is outside the geofence area, triggering the geofence INSERT INTO bill_point VALUES (1, 2.25, 2, '2000-01-01 00:05:00'); -- View the points in the trajectory with ID 1 SELECT f.* FROM (SELECT traj FROM bill_traj WHERE id = 1) a, ST_AsTable(a.traj) AS f(t timestamp,x double precision, y double precision); -- Assume the current time is 2000-01-01 00:05:00. Run the following to check all fences; geofence ID 1 is triggered, indicating the vehicle is late SELECT fence.id FROM fence JOIN bill_traj ON fence.id = bill_traj.id AND ST_EndTime(bill_traj.traj) >= fence.fence_time AND NOT ST_2DIntersects(bill_traj.traj, fence.area); -- Insert another point that enters the geofence spatially, indicating the vehicle has passed through the specified location. The query now returns no triggered geofences — all vehicles are on schedule INSERT INTO bill_point VALUES (1, 2.3, 2, '2000-01-01 00:06:00'); SELECT fence.id FROM fence JOIN bill_traj ON fence.id = bill_traj.id AND ST_EndTime(bill_traj.traj) >= fence.fence_time AND NOT ST_2DIntersects(bill_traj.traj, fence.area); -- View the points in the trajectory with ID 1 SELECT f.* FROM (SELECT traj FROM bill_traj WHERE id = 1) a, ST_AsTable(a.traj) AS f(t timestamp,x double precision, y double precision); -- Continue inserting trajectory points. The vehicle leaves the geofence area but this no longer affects whether the geofence is triggered INSERT INTO bill_point VALUES (1, 2.3, 2.1, '2000-01-01 00:07:00'); INSERT INTO bill_point VALUES (1, 2.2, 1.9, '2000-01-01 00:08:00');
Construire directement des données de trajectoire et détecter les points de stationnement
-
Vous pouvez construire une trajectoire plus longue directement dans la table des trajectoires sans passer par la table des points.
-- Create a trajectory by specifying the time and spatial objects separately INSERT INTO bill_traj SELECT 2, ST_makeTrajectory ('STPOINT'::leaftype, 'LINESTRING(0 0,1 1,2 2,2 2,2 2,2 3,3 4,2 4,2 3,2 3,2 3,2 2,2 1,2 0,1 0,0 0,-1 0)'::geometry, '{"2000-01-01 00:12:34","2000-01-01 00:23:37","2000-01-01 00:34:41","2000-01-01 00:45:45","2000-01-01 00:56:48","2000-01-01 01:07:52","2000-01-01 01:18:56","2000-01-01 01:30:00","2000-01-01 01:41:03","2000-01-01 01:52:07","2000-01-01 02:03:11","2000-01-01 02:14:14","2000-01-01 02:25:18","2000-01-01 02:36:22","2000-01-01 02:47:25","2000-01-01 02:58:29","2000-01-01 03:09:33"}'::timestamp[], NULL); -
En détectant les points de stationnement d'une trajectoire, vous pouvez déterminer si un véhicule a bénéficié d'un repos suffisant et identifier les lieux de repos spécifiques.
-- Get the stay points of the trajectory with ID 2 -- Parameter 1: trajectory; Parameter 2: resample at 5-minute intervals; Parameters 3 and 4: points within 0.1 distance and 15 minutes are neighbors; Parameter 5: a point with more than 3 neighbors is a stay point SELECT ST_StayPoint(traj, '5 minute', 0.1, '15 minute', 3) from bill_traj where id =2 ;Deux points de stationnement sont renvoyés :
st_staypoint ------------------------------------------------------------------------------------------ (010100000000000000000000400000000000000040,"2000-01-01 00:34:41","2000-01-01 00:56:48") (010100000000000000000000400000000000000840,"2000-01-01 01:41:03","2000-01-01 02:03:11") -
(Facultatif) Dans les scénarios métier réels, vous pouvez traiter davantage les résultats des requêtes de points de stationnement.
-- Get the location of each stay point SELECT ST_AsText((ST_StayPoint(traj, '5 minute', 0.1, '15 minute', 3)).point) from bill_traj where id =2 ; -- Check whether the total stay (rest) duration exceeds 30 minutes. If not, it may indicate driver fatigue SELECT SUM(duration) >= '30 minute'::interval FROM (SELECT (ST_StayPoint(traj, '5 minute', 0.1, '15 minute', 3)).endt - (ST_StayPoint(traj, '5 minute', 0.1, '15 minute', 3)).startt as duration from bill_traj where id =2 ) staytime;
Simplification de trajectoire
Pour les trajectoires comportant de nombreux points, utilisez la fonction ST_Compress afin de les simplifier en vue de leur affichage ultérieur.
-- Get the simplified trajectory. Trajectory ID 2 is reduced from 17 points to 7 points. The parameter 0.2 means the maximum distance from the simplified trajectory to the original is 0.2. This simplified trajectory can be used for front-end display.
SELECT ST_Compress(traj, 0.2) FROM bill_traj;
-- View all sample points of the simplified trajectory with ID 2
SELECT f.* FROM (SELECT traj FROM bill_traj WHERE id = 2) a, ST_AsTable(ST_Compress(a.traj, 0.2)) AS f(t timestamp,x double precision, y double precision);
Résumé
Le modèle de trajectoire GanosBase fournit une série de types de données, de fonctions et de procédures stockées cloud-native pour les objets mobiles, vous aidant ainsi à gérer, interroger et analyser efficacement les données de trajectoire spatio-temporelles. Comparé aux solutions traditionnelles, le modèle de trajectoire GanosBase se distingue par ses types de données natifs et ses index spatiaux permettant des requêtes hautement efficaces. Le modèle de trajectoire propose également plus d'une douzaine de catégories majeures et des centaines d'opérateurs, couvrant la construction, le traitement, les propriétés, les événements, les relations spatiales, les relations spatio-temporelles, les statistiques, la mesure et la similarité des trajectoires, offrant ainsi une grande facilité d'utilisation. Actuellement, le modèle de trajectoire GanosBase dispose de capacités complètes et de cas d'application dans les secteurs du transport, de la messagerie et de la logistique, du covoiturage, des services liés au mode de vie et de la sécurité publique. Il sert des groupes de clients diversifiés et fournit une infrastructure spatio-temporelle stable, efficace et robuste pour les applications intelligentes de services de localisation.