道路網(wǎng)絡(luò)空間中移動對象軌跡聚類算法的研究.pdf

1、近年來,隨著定位技術(shù)、傳感器技術(shù)及跟蹤監(jiān)測設(shè)備的發(fā)展和普及,人們可以容易地對移動物體進(jìn)行跟蹤,并將它們的運(yùn)動軌跡記錄下來。運(yùn)動對象的軌跡數(shù)據(jù)中包含大量有用的信息,采用數(shù)據(jù)挖掘技術(shù)對獲取到的軌跡信息進(jìn)行分析處理,可以發(fā)現(xiàn)數(shù)據(jù)中隱藏的關(guān)系和規(guī)則,并對移動對象未來的運(yùn)動情況進(jìn)行預(yù)測等。本文研究的目標(biāo)就是對道路網(wǎng)絡(luò)空間中的移動對象的軌跡進(jìn)行分析和挖掘,聚類相似軌跡得到移動對象的運(yùn)動特征和模式,為路徑規(guī)劃和智能導(dǎo)航等服務(wù)提供依據(jù)。
　　

2、移動對象在道路網(wǎng)絡(luò)中連續(xù)運(yùn)動,將隨時(shí)間持續(xù)地產(chǎn)生軌跡,而對軌跡的聚類請求卻可能發(fā)生在任意時(shí)間,每次請求時(shí)路網(wǎng)中的軌跡都發(fā)生了變化。傳統(tǒng)的聚類方法處理的都是靜態(tài)的數(shù)據(jù)集,而用于動態(tài)的軌跡聚類時(shí),每次都要把所有軌跡重新處理一次,包括已經(jīng)處理過的軌跡段,會浪費(fèi)很多不必要的開銷。本文正是基于以上提出的問題,對現(xiàn)有方法進(jìn)行分析和總結(jié),提出了以下方法對移動對象軌跡數(shù)據(jù)進(jìn)行聚類:
　　 首先,提出了一種基于道路網(wǎng)絡(luò)空間的移動對象軌跡的表示方法

3、。以離散的點(diǎn)的方式表示一條軌跡,記錄了在某時(shí)刻移動對象在路網(wǎng)上的真實(shí)位置信息,而且包括對象經(jīng)過每點(diǎn)時(shí)的速度,能反映出移動對象在路網(wǎng)上位置變化的真實(shí)情況;
　　 其次,考慮軌跡的時(shí)空特性對軌跡間距離進(jìn)行計(jì)算。在分析和總結(jié)了現(xiàn)有的軌跡距離函數(shù)和軌跡相似性度量計(jì)算方法的基礎(chǔ)上,本文采用平均值的Hausdorff距離進(jìn)行軌跡空間距離的計(jì)算,對于軌跡上的兩點(diǎn)計(jì)算其網(wǎng)絡(luò)距離而不使用歐氏距離,然后用時(shí)間距離對軌跡進(jìn)行提純,從而得到軌跡的時(shí)空距

4、離作為聚類的依據(jù);
　　 第三,提出了一種軌跡的增量聚類算法INC_CLUS進(jìn)行軌跡聚類。采用基于密度的聚類方法,首先在初始時(shí)刻對現(xiàn)有軌跡進(jìn)行初始聚類,得到一組初始聚類簇,然后對新增加的或發(fā)生變化的軌跡進(jìn)行增量聚類,更新初始聚類簇得到最終的聚類結(jié)果,同時(shí)由于考慮了軌跡的時(shí)間信息,可以區(qū)分出不同時(shí)間段內(nèi)的相似軌跡;
　　 最后,通過實(shí)驗(yàn)對哈爾濱市區(qū)的一塊路網(wǎng)區(qū)域進(jìn)行了分析存儲,并模擬了一組移動對象在真實(shí)的道路網(wǎng)絡(luò)空間中運(yùn)動