一种基于轨迹间时空关联性的数据聚类方法技术

本发明专利技术公开了一种基于轨迹间时空关联性的数据聚类方法，首先统计各轨迹点邻域半径内邻居的数量，取邻居数量满足最短停留时间限制的轨迹点和其邻居坐标的均值作为初始中心代表点，从时间和距离约束两方面确定初始中心代表点；计算各邻居与初始中心代表点的距离，将距离的最大值作为该初始中心代表点对应的半径，根据最短移动时间约束合并初始中心代表点并调整半径，直到合并结束时得到中心代表点集。当新的轨迹聚类任务到来时，判断轨迹点与中心代表点集中各代表点的位置关系，删除包含在中心代表点R范围内的轨迹点，产生新的轨迹，对新的具有聚类价值的轨迹执行阶段一中的操作，根据聚类结果更新中心点集。

【技术实现步骤摘要】
一种基于轨迹间时空关联性的数据聚类方法
本专利技术一种基于轨迹间时空关联性的数据聚类方法，属于轨迹数据挖掘

技术介绍
随着通信技术和移动终端的迅速发展、越来越多的移动对象的活动轨迹被记录下来，如何从海量的轨迹数据中提取出有价值的信息或者模式从而为决策和服务提供支持已经成为空间信息领域研究的热点。轨迹中的停留点是轨迹中蕴含有丰富语义信息的部分，对轨迹中的停留点进行识别和提取是后续深入开展移动对象行为模式分析的基础。为了发现轨迹中的停留点，有的方法在传统的K-means聚类的基础上加入参数领域半径r来从轨迹数据中识别停留点；有的方法将轨迹进行划分，并用改进的TRACLUS算法进行轨迹聚类来分析轨迹的运动趋势；有的方法从时间和空间关系考虑，将传统的DBSCAN进行改进来识别停留点；有的方法从数据点的特征，比如所说速度，方向角，密度等多个方面对不同数据点进行聚类。总结来说，现有算法存在两个问题。第一，只考虑到同一条轨迹中各轨迹点的时空关联性，但轨迹间的时空关联性考虑不足。第二，利用全局唯一的距离参数来寻找轨迹中的停留点，对聚类精度产生较大影响。根据特定个体的轨迹分析，某个移动对象可本文档来自技高网...

【技术保护点】
1.一种基于轨迹间时空关联性的数据聚类方法，其特征在于，包括以下步骤：第一阶段：中心代表点集生成阶段：从轨迹数据库中挑选

【技术特征摘要】
1.一种基于轨迹间时空关联性的数据聚类方法，其特征在于，包括以下步骤：第一阶段：中心代表点集生成阶段：从轨迹数据库中挑选(N为轨迹数据库中包含的轨迹的条数，为N的算数平方根的整数)条轨迹作为第一阶段中心代表点集生成的参考轨迹，并对这条轨迹中的每条轨迹重复执行步骤1和步骤2操作：步骤1，统计某条轨迹中各轨迹点的半径r邻域内邻居的数量，取邻居数量满足最短停留时间限制的轨迹点和其邻居坐标的均值作为初始中心代表点，从时间和距离约束两方面确定初始中心代表点；步骤2，计算各邻居与初始中心代表点的距离，将距离的最大值作为该初始中心代表点对应的半径R，最后，对所有条轨迹所获得的初始中心代表点，根据最短移动时间约束合并初始中心代表点并调整半径AR，直到合并结束时得到中心代表点集；第二阶段：基于中心代表点集的聚类阶段：对轨迹数据库中的第条到第N条轨迹聚类时，开始第二阶段的聚类操作：首先，判断轨迹点与中心代表点集中各代表点的位置关系，删除包含在各中心代表点对应AR范围内的轨迹点，产生新的轨迹；然后，对新的具有聚类价值的轨迹执行第一阶段中的操作，最后根据聚类结果更新中心点集。2.根据权利要求1所述的一种基于轨迹间时空关联性的数据聚类方法，其特征在于，包括以下步骤：第一阶段：中心代表点集生成阶段：从轨迹数据库中的随机挑选条轨迹，对选中的每条轨迹重复执行S1.1-S1.3中所述的操作；S1.1，邻居寻找：给定半径r，统计各轨迹点P在半径r范围内的所有邻居的数量；S1.2，停留时间统计：对于轨迹点P的m个邻居Pn1，Pn2，…，Pni，…，Pnm，计算轨迹点P的所有邻居在其邻域半径r范围内从Pn1所示位置运动到Pnm所示位置经过的时间ST；S1.3，初始中心候选点计算：选择所有邻居在轨迹点P的半径r范围内的停留时间ST大于最短停留持续时间MinDuration的轨迹点P，将该轨迹点P及其所有邻居的坐标均值记为初始中心候选点的坐标，并将各邻居与中心候选点的最大距离记为该中心候选点对应的半径AR，得到初始中心候选点CP(ALat，ALong，AR)，其中ALat和Along分别为该初始中心代表点的纬度和经度坐标，AR为该初始中心代表点所带表的簇的半径；对所有条轨迹生成的所有初始中心代表点执行S1.4操作；S1.4，初始中心候选点合并：对所有初始中心代表点，计算各的初始中心候选点与其它代表点的距离；如果距离小于最短移动持续时间MinMove，合并中心候选点并调整合并后的中心点对应的半径，合并后的中心点及其半径放入中心点集CR；第二阶段：基于中心代表点集的聚类阶段：中心代表点集产生后，对于轨迹数据库中的第条到第N条轨迹聚类时，执行如下的操作步骤：S2.1，轨迹点与中心代表点集CR的距离计算：对于轨迹中的轨迹点，计算轨迹点与中心代表点集CR中各点的距离；S2.2，现有聚类簇的发现：将与CR中的点CPi(ALati，ALongi，ARi)的距离小于ARi的轨迹点P，标记到CPi所对应的簇中；S2.3，未聚类点统计：将轨迹中所有点与CR中的点作距离计算后，统计剩余的未被划分到簇的点的数量Num；S2.4，新轨迹构造：S2.3中得到的所述Num小于或等于最小规模的停留中应该包含的轨迹点数目时，第二阶段的聚类过程结束；S2.3中得到的所述Num大于最小规模的停留中应该包含的轨...

【专利技术属性】
技术研发人员：杨雨晴，蔡江辉，杨海峰，张继福，赵旭俊，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西,14