Algorithm and Parameter Space Exploration for Trajectory Similarity Measures

Die maschinell unterstützte automatische Analyse von Bewegungsdaten und der Vergleich von Trajektorien spielen eine zentrale Rolle in zahlreichen datenintensiven Anwendungsbereichen, wie der Verkehrsforschung, Medizin oder Sportanalyse. Im Zuge dessen stellt die Wahl einer geeigneten Trajektorienähnlichkeitsmetrik eine Herausforderung dar, da die Ähnlichkeit besonders kontext-, daten- und anwendungsabhängig ist. Darüber hinaus reagieren unterschiedliche Metriken sehr unterschiedlich in Bezug auf Störungen, Rauschen, zeitliche Verzerrung und strukturelle Abweichungen in den Daten. In dieser Arbeit werden der Algorithmus- und Parameterraum für diverse ausgewählte Trajektorienähnlichkeitsmetriken untersucht. Auf Grundlage einer umfassenden Literaturrecherche wird eine begründete Auswahl von Metriken getroffen. Darauf aufbauend wird eine Sensitivitätsanalyse für diese Metriken durchgeführt, um herauszufinden, wie sich die Metriken für Störungen, welche relevant für das Anwendungsgebiet der Fußballtrajektorien sind, verhalten. Dazu werden synthetische Datensätze generiert, auf deren Grundlage die Metriken experimentell verglichen werden.

The automated and machine-assisted analysis of movement data is a key challenge in various data-intensive domains, such as traffic research, biological sciences and sports analytics. A central challenge arises when selecting an appropriate trajectory similarity measure, since similarity depends on the specific context, data characteristics and the domain of the application. Existing trajectory similarity measures react differently to perturbations like noise, distortions and temporal misalignments. Due to this issue, there is no standard similarity measure that is generally applicable across all domains. This work investigates the algorithmic and parameter spaces for different similarity measures. Based on an extended literature review, a subset of similarity measures is selected for further sensitivity analysis. In this analysis the selected measures are evaluated with respect to how they respond to perturbations that are particularly relevant for football trajectory data. Therefore, synthetic datasets are generated in order to allow a controlled experimental comparison. The results of this analysis provide an overview of the suitability of different measures of different categories for noisy and domain-specific movement data.