原文传递
路网环境中移动对象轨迹聚类算法的研究与应用
| 论文题名： | 路网环境中移动对象轨迹聚类算法的研究与应用 |
| 关键词： | 智能交通系统;移动对象;轨迹跟踪;相似性度量;聚类算法;拥堵区域检测 |
| 摘要： | 智能交通系统建立了巨大的交通数据资源，对具有时空特征的交通数据进行智能分析，可以从中获取丰富的、有价值的知识，这些知识可以对城市交通拥堵区域的检测和最优路径推荐等服务提供相应的决策支持。本文针对城市交通拥堵状态分析的需求，基于移动对象轨迹数据元素，研究相似性度量和表达方法，在此基础上进行轨迹聚类，并应用于城市交通拥堵区域检测。主要工作如下： （1）介绍智能交通系统的相关概念，分析移动对象轨迹聚类技术的研究对于智能交通系统具有实际的应用价值，综述了国内外移动对象轨迹聚类技术的研究现状与应用现状。 （2）针对现有的轨迹相似性度量算法不适用于分析时间维度上分布不均匀且含有噪声轨迹相似性的问题，提出一种基于特征点和编辑距离的轨迹相似性度量算法。首先给出一种基于运动方向和时间分段的轨迹特征点选取算法，选择出轨迹中运动方向发生明显变化的位置点为特征点，将原始轨迹表示为特征点轨迹。在轨迹相似性度量过程中，提出一种基于编辑距离的轨迹相似性度量算法，通过分别定义编辑距离中的插入操作、替换操作和删除操作的代价，得到轨迹间的相似性。实验结果表明，与基于真实惩罚值编辑距离的轨迹相似性度量和基于真实序列编辑距离的轨迹相似性度量算法相比，本文算法在运行效率和聚类质量上均有良好的表现。 （3）针对基于划分和重组框架的轨迹聚类（TrajectoryClustering based on Partition and Group，TRACLUS）算法对两个输入参数的敏感性问题，提出一种基于密度峰值的移动对象轨迹聚类算法。首先，利用非参数的核密度估计对给定轨迹数据集进行概率密度计算，并基于热传导的理论分析数据点的分布特征并自适应的选取截断距离参数，从而实现对原始密度峰值聚类算法的改进。然后将改进后的密度峰值聚类算法运用到轨迹子段的聚类上，实现了基于密度峰值的子轨迹聚类。在人工数据集的实验结果表明，改进的密度峰值聚类算法相比于原始的密度峰值聚类算法，不仅有效避免了人为选择截断距离的主观性，具有较强的鲁棒性，而且具有更高的聚类准确度。在真实的轨迹数据集上实验结果表明，基于密度峰值的移动对象轨迹聚类算法相比于TRACLUS算法降低了对输入参数的敏感性，且具有良好的轨迹聚类效果。 （4）基于以上的研究成果设计并实现了城市交通拥堵区域检测原型系统，该原型系统实现了城市交通数据采集、城市交通拥堵区域检测和地图操作等功能。 |
| 作者： | 董晓君 |
| 专业： | 计算机技术 |
| 导师： | 程春玲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京邮电大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
