融合多特征的轨迹数据自适应聚类方法

作     者：刘敬一 彭举 唐建波 胡致远 郭琦 姚晨 陈金勇 LIU Jingyi;PENG Ju;TANG Jianbo;HU Zhiyuan;GUO Qi;YAO Chen;CHEN Jinyong

作者机构：中国电子科技集团公司第五十四研究所石家庄050081 中南大学地理信息系长沙410083 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2023年第25卷第7期

页      面：1363-1377页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国博士后科学基金项目(2021M703021) 湖南省自然科学基金项目(2021JJ40727) 河北省人才择优自主基金项目(B2021003031) 湖南省自然资源厅科研项目(2013-17,2014-12,2015-09,2017-15) 

主　　题：轨迹聚类 相似性度量 空间邻近性 方向一致性 聚类参数 数据挖掘 多特征 

摘      要：轨迹聚类是空间数据挖掘领域的一个研究热点,对城市交通规划、路网结构提取与更新等具有重要意义。轨迹聚类包括轨迹相似性度量和聚类参数设置2个核心问题。然而,由于轨迹的形态结构特征复杂,现有轨迹相似性度量指标存在对噪声敏感或未充分考虑轨迹运动方向一致性的问题,且大多数聚类算法仍需人为设置参数,聚类挖掘结果的质量受到用户主观经验的影响。针对上述问题,本文提出了一种融合多特征的移动轨迹自适应聚类方法。首先,通过融合轨迹的空间邻近性和运动方向特征定义了一种对噪声鲁棒的轨迹相似性度量指标—DSPD距离;在此基础上,通过扩展Ward层次聚类方法提出了一种基于中心轨迹概念的空间层次聚类算法,该算法使用DSPD距离作为相似性度量指标,利用聚类特征曲线自动确定最佳聚类参数。以11组模拟轨迹数据和武汉市真实轨迹数据为例进行实验与分析,结果表明,本文方法在顾及空间邻近性的基础上,可以有效区分不同移动方向的轨迹簇,同时,利用轨迹数据特征自动确定聚类参数,降低了挖掘结果的主观性。