轨迹聚类下城市热点区域网格密度峰值挖掘算法

摘要

由于城市人流具有时间依赖性，静态密度峰值难以反映动态变化规律，而通过时序聚类识别不同时段的高密度区域，可捕捉时空演化规律。为此，提出一种轨迹聚类的城市热点区域网格密度峰值挖掘算法。即结合轨迹距离获取区域动态群体信息，根据轨迹聚类时间戳对位置点进行排列组合，调整轨迹长度，进行异常数据清洗；考虑城市热点区域网格密度峰值数据综合状态进行多事件调整，使用匹配技术获取位置点路段，计算数据间相似度，根据聚类状态进行中心点分配，确定轨迹点的综合空间属性；选取网格单元中心点作为代表，构建热点区域网格密度峰值挖掘模型，计算挖掘数据的最小距离，生成峰值挖掘标签，完成城市热点区域网格密度峰值挖掘。实例分析表明，应用所提算法不同聚类中心数下的DBI(Davies-Bouldin)指数较小，接近0,证明该算法聚类后簇内紧凑，分离度较高，聚类效果较好，具有高质量鲁棒性。

关键词

轨迹聚类 / 城市 / 热点区域 / 网格密度 / 峰值挖掘算法