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。

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。