この記事では、空間的および時間的データマイニングの一環として重要な軌道類似性検索の課題に対処する新しい手法、GeoPTHを提案しています。従来の手法は計算コストが高く、学習ベースの方法は訓練コストや不安定性の問題があるため、本論文では軽量かつ非学習型のフレームワークを構築しました。GeoPTHは、代表的な軌道プロトタイプを使用してデータ依存のハッシュ関数を生成し、ハウスドルフ距離を用いて新しい軌道を最も近いプロトタイプにマッピングします。実験により、GeoPTHの検索精度は従来のメトリックや最先端の学習手法と高い競争力を持っており、効率性においても優れた性能を示しました。この研究は、軽量でプロトタイプ中心のアプローチが、卓越した検索性能と計算効率を達成する実用的かつ強力な代替手段であることを示しています。