本文介紹了時空資料庫GanosBase軌跡模型在運輸車輛位置分析中的應用情境。GanosBase通過在資料庫中原生內建移動對象的儲存、檢索與分析能力，打造全球首個移動對象資料庫，為交通、物流、出行、生活服務類客戶提供海量軌跡資料的分析挖掘能力。
能力介紹
關於軌跡模型
軌跡模型是時Null 物件中的一個重要模型，旨在支援對行人、汽車、船隻、飛機等移動對象的處理與分析。
軌跡資料在應用中可以從兩種視角進行分析。一種視角是將軌跡視為離散的點集，從而對其進行操作。另一種視角是將軌跡視為一條連續的線，表示為隨時間變化的空間折線。這兩種表示方法各有適用的範圍。連續的軌跡線對採樣頻率不敏感，可作為折線進行各類空間運算。相較之下，離散的軌跡點對採樣方式和採樣頻率的敏感性更高，但在演算法上更加友好和簡單。常見的相似性計算、軌跡切分等函數通常基於對點的操作。
軌跡常用操作
在實際使用中，常常出現需要滿足特定條件的軌跡採樣點的情況。例如：
即時資料的儲存
搭載GPS的汽車、共用單車等交通工具，其軌跡點的產生頻率極為迅速，可能每1至5秒就會產生一個新的採樣點。在即時檢測情境中，即時軌跡點具有重要的應用價值。然而，當軌跡點數量過多時，個別點所提供的資訊實際上有限，但卻佔用了大量的儲存空間。因此，需要去除一些軌跡點，以盡量保留軌跡資訊的前提下，降低儲存空間的佔用。
軌跡資料的預先處理
在實際情境中，由於多種原因，採樣資料往往存在不準確的情況。非人為因素包括定位系統的誤差、訊號傳遞品質的不穩定以及裝置的損壞等。人為因素則包括手動關閉採樣或在未進行採樣時移動物體等。在這些情況下，通常需要對軌跡上的特殊點進行特殊處理，諸如漂移點、駐留點和跳躍點。
軌跡特徵提取
在業務應用中，許多情況下不僅需要直接使用軌跡，還需提取軌跡的一些特徵資訊。最基礎的特徵資訊包括長度、點數、時間範圍等，而高階特徵則涵蓋軌跡之間的相似性、密度聚類的聚簇位置等。在許多高階特徵的計算中，通常採用離散的近似演算法，如動態時間規整（DTW）、最小連續子序列（LCSS）、編輯距離（EDR）等。這類演算法對前述的軌跡簡化和採樣不準確問題往往較為敏感，使用經過簡化的軌跡或採樣不均勻的軌跡可能導致結果的顯著差異。因此，通常需要對軌跡進行重採樣，以使得點與點之間的時間或空間差值趨於均勻。
案例情境
情境概述
交通運輸公司每日管理著大量的運輸車輛。這些車輛配備了GPS系統，能夠每隔數秒擷取即時位置資訊。同時，車輛位置資訊與車輛狀態資訊、運輸單資訊等業務資料進行關聯，為後續開展深度軌跡分析與挖掘奠定基礎。主要應用情境包括：
軌跡儲存查詢與展示：運輸車輛的軌跡資料主要包括運輸單、經度、緯度和時間這四個欄位，推送頻率為每5秒產生一個資料點。在正常情況下，一個公司每天有數百至數千輛車同時在途，預計每天會寫入千萬級的軌跡資料。在擷取軌跡資料後，需要進行軌跡預先處理（如壓縮、抽稀等），並將處理結果展示於業務系統上。
到達性分析：為了確保運輸車輛的及時到達，通常會在地圖上設定多個電子圍欄（例如高速公路出口等重要位置）。如果在特定時間點車輛尚未觸及這些電子圍欄，則意味著該車輛可能無法在規定時間內將貨物送達客戶。因此，需要觸發預警，以通知相關工作人員進行處理。
停留點分析：長途運輸車輛通常需要在途中進行休息。為了避免駕駛人員因夜間駕駛而帶來的潛在安全隱患，有必要對運輸車輛在夜間是否存在停留點進行監管（即大量軌跡在空間位置上的靜止）。如果在夜間時間段內未出現停留點，則需提醒駕駛員儘快進行休息。
軌跡相似性：運輸車隊中的部分車輛出現了位置偏離，可能是由於車輛駛入錯誤的路線，從而導致貨運到達性風險的產生。為此，需要根據多輛車輛軌跡的相似性，識別異常軌跡，以便及時發現潛在風險。
情境分析
為實現上述情境，可能需要對車輛軌跡進行預先處理、分析與壓縮，最終以支援前端展示。可能用到的主要功能包括：：
軌跡切分（ST_Split）：通過幾何對象將一條軌跡切分為多條子軌跡，可以協助業務將一輛運輸車的總體軌跡按照不同的運貨單進行分割。
軌跡構造（ST_append）：通過向一條軌跡中不斷追加新的軌跡點，可以獲得全新的軌跡對象，從而協助業務即時構建不斷延長的軌跡。
軌跡空間關係判斷（ST_intersects）：判斷軌跡是否與幾何對象相關，有助於業務分析在相關時間段內是否觸及了電子圍欄的規定範圍。
軌跡駐點（ST_StayPoint）：提取軌跡中的停留點，可以協助業務分析在任意時間段內車輛的停留時間長度，從而判斷是否存在疲勞駕駛的行為。
軌跡簡化（ST_Compress）：壓縮軌跡能夠協助業務根據空間距離位移閾值、角度偏離閾值及加速度偏離閾值等標準進行資料壓縮，從而減少最終渲染的資料量。
最佳實務
安裝外掛程式
執行如下SQL語句，安裝所需外掛程式。
CREATE EXTENSION ganos_spatialref;
CREATE EXTENSION ganos_geometry;
CREATE EXTENSION ganos_trajectory;軌跡表配置
執行如下SQL語句，配置軌跡點表、軌跡表和電子圍欄表。
-- 定義軌跡點表，包含運輸單號、經度、緯度、時間四個欄位
CREATE TABLE bill_point(id integer, longitude double precision, latitude double precision, sample_time timestamp);
-- 定義軌跡表， 包含運輸單號、軌跡對象兩個欄位
CREATE TABLE bill_traj(id integer UNIQUE, traj trajectory);
--建立空間索引
CREATE INDEX ON bill_traj USING gist(traj);
-- 定義電子圍欄表，包含圍欄查詢的id，時間和空間範圍
CREATE TABLE fence(id integer, fence_time timestamp, area geometry);
-- 建立id和時間索引
CREATE INDEX ON fence USING btree(id);
CREATE INDEX ON fence USING btree(fence_time);
-- 建立Trigger函數
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;
-- 建立同步Trigger
CREATE TRIGGER point_trigger AFTER INSERT ON bill_point
FOR EACH ROW EXECUTE PROCEDURE trajectory_sync_point();通過點表插入資料並執行電子圍欄查詢
通過在軌跡點表中插入點，進而在軌跡表中構建軌跡資料。
-- 向點表插入id為1的軌跡資料 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'); -- 從軌跡表中查詢，確認點表的新的點已經成功同步到軌跡表 SELECT * FROM bill_traj; -- 查看id為1的軌跡中的所有點 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);對軌跡表中的軌跡資料執行即時的電子圍欄查詢。
-- 設定電子圍欄，這裡我們設定為：在2000-01-01 00:05:00通過一個經度在 2.3，緯度在2附近的地區 INSERT INTO fence VALUES(1, '2000-01-01 00:05:00', ST_MakeEnvelope(2.29,1.99,2.31,2.01)); -- 我們假設業務上每隔一分鐘執行一次電子圍欄的掃描，則使用下列語句。 -- now() >= fence.fence_time AND now() - '60 s'::interval < fence.fence_time 這裡我們因為一分鐘執行一次，因此只截取在這一分鐘需要判斷的fence。這裡使用當前的時間減去fence設定的時間，小於1分鐘則代表我們目前需要對此fence進行判斷 -- fence.id = bill_traj.id 提取對應的軌跡 -- ST_EndTime(bill_traj.traj) >= fence.fence_time 代表確認軌跡的末尾已經超過此時間 -- ST_2DIntersects(bill_traj.traj, fence.area)檢查相交 -- 此時沒有因為遲到而觸發電子圍欄的查詢，返回空 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); -- 新插入一個點，此時軌跡的時間到達了電子圍欄的設定時間，此點不在圍欄範圍內，觸發電子圍欄 INSERT INTO bill_point VALUES (1, 2.25, 2, '2000-01-01 00:05:00'); -- 查看此時id為1的軌跡的點 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); -- 現在我們假設目前時間是2000-01-01 00:05:00。執行下列語句，查詢所有fence是否被觸發；此時發現id為1的電子圍欄被觸發，說明對應的車輛已經遲到 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); -- 此時又輸入了一個新增軌跡點，其空間上進入了電子圍欄，說明此時此車輛已經經過指定地點。此時再進行查詢，就發現沒有電子圍欄被觸發，所有車輛狀態正常 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); -- 查看此時id為1的軌跡的點 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); -- 軌跡點繼續輸入，離開電子圍欄，但不再影響電子圍欄是否被觸發 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');
直接構造軌跡資料並求取駐點
可以不通過點表，直接在軌跡表中構造一條較長的軌跡資料。
--根據分別指定軌跡的時間，空間對象來建立軌跡 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);通過對軌跡的駐留點進行檢測，可以判斷車輛是否進行了足夠的休息，以及其休息的具體位置。
-- 擷取id為2的軌跡的駐留點。 -- 其中，第一個參數代表軌跡，第二個參數代表對軌跡按5分鐘為採樣間距進行採樣，第三個參數和第四個參數代表將距離在0.1以內，時間差在15分鐘以內的點視為臨近點，第五個參數代表一個點的臨近點數量超過3個就確定其在此處駐留 SELECT ST_StayPoint(traj, '5 minute', 0.1, '15 minute', 3) from bill_traj where id =2 ;返回兩個駐留點：
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")（可選）實際業務中，可以對駐留點查詢結果進行加工。
-- 擷取兩個駐留點的位置 SELECT ST_AsText((ST_StayPoint(traj, '5 minute', 0.1, '15 minute', 3)).point) from bill_traj where id =2 ; -- 檢查此軌跡的駐留（休息）總時間長度是否超過30分鐘。如果沒超過，可能代表其疲勞駕駛 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;
軌跡簡化
對於點數較多的軌跡點，可以使用ST_Compress函數對其進行簡化，以便於後續的展示。
-- 擷取簡化後的軌跡，可以看到，id為2的軌跡簡化後由17個點簡化為7個點。參數0.2代表簡化後的軌跡距離原軌跡最大距離為0.2。此簡化後的軌跡可以用於最上層顯示。
SELECT ST_Compress(traj, 0.2) FROM bill_traj;
-- 查看簡化後的id為2的軌跡的所有採樣點
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);總結
GanosBase軌跡模型提供了一系列雲原生的移動對象資料類型、函數以及預存程序，協助您高效管理、查詢和分析時空軌跡資料。相較於傳統方案，GanosBase的軌跡模型具備原生資料類型及空間索引，查詢效率很高。同時，軌跡模型提供了包括軌跡構造、軌跡處理、軌跡屬性、軌跡事件、軌跡空間關係、軌跡時空關係、軌跡統計、軌跡量測、軌跡相似性等十餘大類、數百個運算元的支援，具備較強的易用性。目前，GanosBase軌跡模型在交通運輸、快遞物流、快捷出行、生活服務及公用安全等領域具備了十分完善的能力供給與應用案例，服務了多種客戶群體，為客戶的智能化位置服務應用提供了穩定、高效和健全的時空基礎保障。