计算机工程

作者：田智慧, 马占宇, 魏海涛

单位：1. 郑州大学 信息工程学院, 郑州 450001;2. 郑州大学 地球科学与技术学院, 郑州 450052

关键词：DBSCAN算法,特征点,密度核心,相似度距离,轨迹聚类

基金：河南省重点研发与推广专项（科技攻关）（192102210124）。

目前常见的轨迹聚类大多基于OPTICS、DBSCAN和K-means等算法，但这些聚类方法的时间复杂度随着轨迹数量的增加会大幅上升。针对该问题，提出一种基于密度核心的轨迹聚类算法。通过引入密度核心的概念，设计轨迹密度计算函数以获取聚类簇的致密核心轨迹，同时利用出租车载客轨迹自身的方向和速度等属性提取轨迹特征点，减少轨迹数据量。在此基础上，根据聚类簇中致密核心轨迹与参与聚类轨迹的相似度距离判断轨迹的匹配程度，进而聚合相似轨迹，并将聚类结果储存在聚类节点中。实验结果表明，与TRACLUS和OPTICS聚类算法相比，该算法能够得到更准确的聚类效果，并且时间效率更高。

来源：2021年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第2期