车辆轨迹聚类方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及大数据分析技术领域，提供一种车辆轨迹聚类方法、装置、电子设备及存储介质，该方法首先获取各车辆的行驶数据，行驶数据包括完整轨迹以及完整轨迹中各轨迹点处的轨迹转向角；然后基于轨迹转向角对完整轨迹进行分段，得到各分段轨迹；此后确定各分段轨迹的扫描域，并基于扫描域内的密度直达轨迹，对各分段轨迹进行聚类，得到各第一聚类簇；最后计算每个第一聚类簇的可达距离，并对可达距离大于第一距离阈值的目标聚类簇进行聚类，得到第二聚类簇。该方法引入各分段轨迹的扫描域，可以缩小扫描范围，大幅度优化运行速度，节约计算资源，可以聚类结果的准确性，并显著提升运行速度。

【技术实现步骤摘要】

本专利技术涉及大数据分析，尤其涉及一种车辆轨迹聚类方法、装置、电子设备及存储介质。

技术介绍

1、随着全球定位系统(global positioning system，gps)、无线传感器网络(wireless sensornetwork，wsn)等相关定位技术的快速发展，对于车辆的跟踪愈加容易，其运动轨迹可被获取并处理以挖掘所蕴含的相关物理特性等信息。作为时空轨迹挖掘任务的重要环节，车辆轨迹的聚类聚集相似轨迹形成轨迹簇以表征车辆潜在行为特征并据此预测位置以及检测异常，因而，其在实际应用中具有重要意义。

2、车辆轨迹聚类通常用于根据获取到的大量车辆位置特征信息来进行聚类分析，然后得到特定区域的车辆典型运动轨迹的场景。基于密度的聚类算法(density-basedspatial clustering of applications with noise，dbscan)在对车辆轨迹进行聚类时应用较广，但该算法未考虑到距离较远的两条轨迹会通过两条轨迹中间的轨迹密度相连而被归为同一类导致的聚类结果不准确的问题，也未考虑到不同车辆轨迹簇的轨迹密度差距较大本文档来自技高网...

【技术保护点】

1.一种车辆轨迹聚类方法，其特征在于，包括：

2.根据权利要求1所述的车辆轨迹聚类方法，其特征在于，所述基于所述扫描域内的密度直达轨迹，对所述各分段轨迹进行聚类，得到各第一聚类簇，包括：

3.根据权利要求2所述的车辆轨迹聚类方法，其特征在于，所述根据所述结果序列中各轨迹的可达距离，生成所述各第一聚类簇，包括：

4.根据权利要求1所述的车辆轨迹聚类方法，其特征在于，所述对可达距离大于第一距离阈值的目标聚类簇进行聚类，得到第二聚类簇，包括：

5.根据权利要求4所述的车辆轨迹聚类方法，其特征在于，所述计算所述剩余轨迹与所述目标轨迹之间的距离，包括...

【技术特征摘要】

1.一种车辆轨迹聚类方法，其特征在于，包括：

2.根据权利要求1所述的车辆轨迹聚类方法，其特征在于，所述基于所述扫描域内的密度直达轨迹，对所述各分段轨迹进行聚类，得到各第一聚类簇，包括：

3.根据权利要求2所述的车辆轨迹聚类方法，其特征在于，所述根据所述结果序列中各轨迹的可达距离，生成所述各第一聚类簇，包括：

4.根据权利要求1所述的车辆轨迹聚类方法，其特征在于，所述对可达距离大于第一距离阈值的目标聚类簇进行聚类，得到第二聚类簇，包括：

5.根据权利要求4所述的车辆轨迹聚类方法，其特征在于，所述计算所述剩余轨迹与所述目标轨迹之间的距离，包括：

6.根据权利要求1-5中任一项所述的车辆轨迹聚类方法，其特征在于，所述行驶数据还包...

【专利技术属性】
技术研发人员：张庭瑀，陈巍，贺茂华，汪晶，王宇轩，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：