基于轨迹间时空关联性的数据聚类算法

• 作者: 王瑟 杨雨晴 蔡江辉
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: 轨迹数据 中心点集 轨迹聚类 轨迹间时空关联性
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机科学与信息工程
• 页码范围: 20-25
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2021.01.004

摘要

针对现有轨迹聚类算法中对轨迹之间的时空关联性考虑不足以及全局唯一距离阈值带来的算法的时空复杂度高以及聚类精度低的问题,提出了一种基于轨迹间时空关联性的数据聚类算法(The Data Clustering Algorithm Based on Spatio-temporal Correlation between Trajectories,DSCBT).该方法主要包含两个阶段,在第一阶段中,首先根据最短停留时间限制和半径r确定初始中心代表点,然后将所在簇的最大距离作为该初始中心代表点对应的半径R,最后根据最短移动时间约束合并相邻的初始中心代表点并调整半径R,得到中心代表点集.第二阶段主要处理新增轨迹数据,首先将轨迹点与中心代表点集进行匹配,删除匹配成功的点产生新轨迹,然后对有聚类价值的新增轨迹执行第一阶段的操作,最后更新中心点集并完成聚类.实验结果表明,该算法能够有效降低算法的时间复杂度并提高聚类精度.