面向海量軌跡數(shù)據(jù)的聚類算法研究.pdf

1、近年來，隨著衛(wèi)星技術、全球定位技術、傳感器網(wǎng)絡以及電子移動設備等科技的不斷進步，基于位置的應用在人們的生活中越來越普遍。實時交通路況監(jiān)測系統(tǒng)，移動對象實時位置定位系統(tǒng)的應用也越來越廣泛。隨之而來的是蓬勃發(fā)展的基于位置的服務和移動社交網(wǎng)絡的普及。移動對象隨著時間的變化產(chǎn)生的實時位置信息不斷積累，構(gòu)成了該移動對象在一定時間內(nèi)的一條運動軌跡。這些由各種不同的移動終端每日產(chǎn)生的巨大數(shù)量的軌跡數(shù)據(jù)，已經(jīng)成為為不同類型的應用領域進行知識探索的源泉。

2、這些海量軌跡數(shù)據(jù)中往往隱藏著非常重要的信息。然而，想從這些爆炸式增長的軌跡數(shù)據(jù)中準確迅速地發(fā)掘出對人類有用的信息也絕非易事。加之時空數(shù)據(jù)處理更為復雜，如何高效管理和利用這些軌跡數(shù)據(jù)，如何從中挖掘出對不同應用有價值的潛在信息，對當前該領域的研究者和使用者提出了巨大的挑戰(zhàn)。在眾多數(shù)據(jù)分析方法當中，聚類作為數(shù)據(jù)挖掘領域的一種非常重要的數(shù)據(jù)分析方法，越來越多地被研究人員應用到軌跡數(shù)據(jù)挖掘的過程當中。
　　針對這一背景，本文主要圍繞軌跡數(shù)據(jù)

3、處理中軌跡劃分、子軌跡間距離度量、子軌跡聚類以及移動對象軌跡簇在線實時更新等重要問題展開研究，在此基礎上，提出了改進的子軌跡劃分算法、新的軌跡距離度量方法和移動對象軌跡簇在線實時更新算法?？紤]到移動對象軌跡數(shù)據(jù)包含新的屬性維度，包括位置、時間、速率和方向等，相應的軌跡數(shù)據(jù)分析應采用新的方法。對于軌跡數(shù)據(jù)的處理問題，本文摒棄已有方法中所存在的缺陷，不把物體軌跡作為一個整體來處理，而是全面考慮時空數(shù)據(jù)的多維信息，首先把一條軌跡劃分成若干子軌

4、跡，并把子軌跡作為聚類的基本單元;對于子軌跡間距離的度量問題，本文提出了一種多維距離度量方法，綜合考慮了時空數(shù)據(jù)的時間、空間及速率等多維屬性，該方法能夠根據(jù)不同的應用場景更加真實有效地度量不同子軌跡之間的相似程度，從而提高軌跡數(shù)據(jù)處理的準確性;對于移動對象軌跡簇在線實時更新問題，本文提出了一個新的軌跡簇存儲結(jié)構(gòu)實時更新算法，該結(jié)構(gòu)記錄了移動對象最新的子軌跡聚類結(jié)果，實現(xiàn)了實時在線更新，為軌跡數(shù)據(jù)的實時應用提供了便利。本文通過在真實出租車