科研之友
微信
新浪微博
Facebook
分享链接
摘要
轨迹数据反映了移动对象的时空运动特征和行为模式,能用于发现城市热点路径的空间分异。基于轨迹聚类提出了时空约束下的热点路径分布发现算法。将轨迹划分成若干轨迹段,引入空间、时间、速度和方向特征;基于DBSCAN算法对轨迹段聚类,将聚类结果中的非显著簇有条件地并入邻近显著簇,在显著簇中将邻近断点融合成停留斑点;基于停留斑点所承载轨迹段数量得到斑点热度,利用点值密度聚类获取城市热点路径的空间分布。实验结果表明,该方法能准确发现热点路径空间分布,有效反映城市功能区域的空间分布。
- 单位
轨迹数据反映了移动对象的时空运动特征和行为模式,能用于发现城市热点路径的空间分异。基于轨迹聚类提出了时空约束下的热点路径分布发现算法。将轨迹划分成若干轨迹段,引入空间、时间、速度和方向特征;基于DBSCAN算法对轨迹段聚类,将聚类结果中的非显著簇有条件地并入邻近显著簇,在显著簇中将邻近断点融合成停留斑点;基于停留斑点所承载轨迹段数量得到斑点热度,利用点值密度聚类获取城市热点路径的空间分布。实验结果表明,该方法能准确发现热点路径空间分布,有效反映城市功能区域的空间分布。
