发明名称 |
一种基于DBSCAN聚类算法的出行与活动模式识别方法 |
摘要 |
本发明公开了一种基于DBSCAN聚类算法的出行与活动模式识别方法,包括如下步骤:对持续采集的出行者时空轨迹数据集进行清洗;计算清洗后的数据集坐标点的平均速度,将平均速度高于设定阈值的位置坐标点归类为出行模式;基于DBSCAN聚类算法对清洗后的数据集进行聚类分析,根据聚类结果判别活动起点和终点;根据识别出的出行模式和活动模式的数据点坐标和时间,生成出行时刻表。本发明方法基于采集到的出行者时空轨迹序列集合,通过基于密度的聚类算法(DBSCAN),将出行者的行为模式分为出行模式和活动模式。本发明方法便于计算与实际操作,实用性强,可以比较准确地判定出行者的行为模式,为后续的研究提供便捷,具有重要的现实意义。 |
申请公布号 |
CN105740904A |
申请公布日期 |
2016.07.06 |
申请号 |
CN201610066709.0 |
申请日期 |
2016.01.29 |
申请人 |
东南大学 |
发明人 |
叶智锐;施晓蒙;汤斗南;赵鑫玮;陆加健;吴运腾;吴丽霞 |
分类号 |
G06K9/62(2006.01)I;G08G1/01(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
南京苏高专利商标事务所(普通合伙) 32204 |
代理人 |
孟红梅 |
主权项 |
一种基于DBSCAN聚类算法的出行与活动模式识别方法,其特征在于,该方法包括如下步骤:(1)数据清洗:对持续采集的出行者时空轨迹数据集进行清洗;(2)出行模式识别:计算清洗后的数据集坐标点的平均速度,将平均速度高于设定阈值的位置坐标点归类为出行模式;(3)活动模式识别,包括活动起点识别和活动终点识别,具体为:基于DBSCAN聚类算法对清洗后的数据集进行聚类分析,根据聚类结果判别活动起点和终点,在指定的时间间隔T1内的有大于指定的最小包含点数N1的数据点与数据点A的距离均小于指定的距离D1,则数据点A判别为活动的起点;若存在在指定的时间间隔T2内且不属于半径为D2的临界区域中的一个连续的数据点集,则该数据点集的第一个点判别为活动的终点;(4)生成出行时刻表:根据识别出的出行模式和活动模式的数据点坐标和时间,生成出行时刻表。 |
地址 |
210096 江苏省南京市四牌楼2号 |