HMM-Cluster:面向交通量过载发现的轨迹聚类方法

• 作者: 潘立 王永利 邓佳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 交通量过载 时空数据 轨迹聚类 隐马尔科夫模型
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 77-85
• 页数: 9页
• 分类号: TP311
• 字数: 8574字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0528

摘要

随着经济的发展,城市交通拥堵问题亟待解决,交通量过载发现是解决交通拥堵问题的有效方法之一.提出一种基于HMM模型的轨迹聚类算法HMM-Cluster,可有效地发现交通量过载情况.该算法首先提取时空轨迹特征点,并采用维数约简技术减少轨迹数据量,根据参照轨迹拟合HMM模型,基于密度函数得到轨迹相似度矩阵,最后给出聚合的相似性轨迹.真实轨迹数据集上的对比实验结果表明,提出的HMM-Cluster可有效地挖掘移动对象运动模式,准确发现交通量过载情况,具有一定实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王永利	南京理工大学计算机科学与工程学院	45	174	8.0	11.0
2	邓佳	南京理工大学计算机科学与工程学院	2	12	2.0	2.0