基于网格聚类优化的区域热点路径识别
翁旭艳
郑淑妮
浙江省交通运输科学研究院,浙江杭州 310023
摘要：针对轨迹聚类方法难以准确识别高相似热点路径的问题,提出能区分起讫点或局部路段的热点路径识别方法,将出行轨迹映射并压缩为移动网格序列,分别从边界与内部区分序列间的空间相似性度量,整合转化为距离并进行基于方格序列密度的空间聚类(grid sequencedensity-based spatial clustering of applications with noise,GS-DBSCAN).以青岛市市南区部分出租车的轨迹数据为例,与只考虑内部相似性且分别以对比序列中较短序列和较长序列为基准的聚类方法进行对比验证.结果表明:同时考虑边界与内部相似性且以较长序列为基准的GS-DBSCAN算法能正确区分多出行起讫点分布下长度差异较大的分离、汇合与交叉耦合热点路径,受路径长度、网格尺寸等变量差异的影响小于2％,且聚类运算效率较高.
关键词：热点路径边界内部轨迹聚类
分类号：U491(交通工程与公路运输技术管理)
资助基金：浙江省交通运输科技计划项目(2023001)
论文发表日期：2024-06-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 89-96 )
英文信息