轨迹聚类

摘要： 中尺度涡旋在世界各大洋中广泛存在,对海洋物质能量的输送以及海洋与大气间的能量交换起着重要作用。南大洋区域中尺度涡旋的活动受海底地形、流场、风场等多重因素的影响,呈现出一些独特的移动规律。为了高效、准确地得到南大洋区域中尺度涡旋的移动特征,本文提出基于方向的轨迹时空聚类算法。首先,采用最小描述原则将涡旋轨迹按照特征点划分为多条线段;其次,在时空聚类的基础上提出阈值确定原则和方向距离的度量方法,对涡旋线段进行聚类;最后,根据聚类结果提取涡旋迁移通道。实验结果表明,45°S以北均为西向的涡旋迁移通道,45°S以南均为东向的涡旋迁移通道,这与大洋环流的流向基本一致;从涡旋迁移通道的统计特征来看,西向所包含的涡旋在南半球的夏季达到峰值,东向所包含的涡旋在冬季达到峰值,东向所包含涡旋的涡旋动能比西向高;从涡旋的性质来看,在南大洋区域,暖涡(Anticyclonic Eddy,AE)和冷涡(Cyclonic Eddy,CE)的涡旋迁移通道在统计特征、地理位置和移动方向上都极其相似。

摘要： 随着航运业的快速发展,船舶轨迹挖掘与分析技术变得愈发重要,轨迹聚类在船舶领域有很多实际应用,如异常检测、位置预测、船舶避碰等。传统的轨迹相似度计算方法在精确度和效率上都较为低下,而现有的基于深度学习的方法大多数只提取静态特征,忽视了静态与动态的多特征的综合提取。为了解决这一问题,提出了一种基于卷积自编码器的静态-动态特征融合模型,用于提取更完善的船舶轨迹特征,弥补了多特征融合技术在船舶轨迹聚类应用方面的不足。在真实数据集上的实验结果表明,相比LCSS,DTW等传统方法以及基于深度学习的多特征提取模型,所提模型在精确率、准确率等指标上均至少有5%~10%的提升。

摘要： 为准确分析对流天气对终端区进场交通流的影响,提出了一种面向对流天气场景的基于轨迹聚类的进场交通流分析方法。利用卷积神经网络与K means++算法对对流天气进行特征提取和聚类;采用均匀化参数方法对进场飞行轨迹进行重采样;进而采用具有噪声的基于密度的聚类算法对进场轨迹进行聚类,采用K means算法识别交通流的中心轨迹。对广州终端区历史运行数据进行实例分析,结果表明所提方法能准确识别进场轨迹与对流天气的关联性,验证了方法的有效性。

摘要： 基于密度的聚类算法(DBSCAN)是最有效的轨迹数据挖掘方法之一,但基于密度的聚类算法往往受到输入参数选择的限制。在轨迹数据挖掘中,聚类结果不仅受到类内距离和类间距离的影响,还受到聚类中坐标点个数的影响。因此,提出了一种新的基于内外占空比的集群有效性指标来平衡这三个因素,该指标可以自动选择密度聚类的输入参数,并在不同的数据集上形成有效的聚类,优化后的聚类方法可应用于出行者行为轨迹的深度分析和挖掘。实验结果证明,与传统的有效性指标相比,提出的基于占空比的评价指标能够优化输入参数,获得较好的出行者位置信息聚类结果。

摘要： 人及其活动是城市公共空间活力的核心,聚焦人及其活动的公共空间活力测度一直是人本尺度城市研究的难点。针对公共空间活力表征问题,提出了基于人群轨迹聚类的空间活力表征新方法。该方法采用基于视频的多目标跟踪技术提取人群运动轨迹,并对轨迹聚类分组处理;根据轨迹类别的多样性和结构的差异性,提出了新的"空间轨迹熵"来反映公共空间人群行为模式的丰富度和混合度,从新颖而简洁的角度来测度人群活动复杂状态,以表征公共空间活力。以成都市武侯区3个公共空间为研究对象,用本方法计算出分时段的空间轨迹熵,结合人工检视探讨了3个场景的空间活力时序变化及成因并给出了空间优化建议。研究结果显示:该空间活力表征方法可以客观描摹人群时空运动状态,精准测度时空活力,有效解决传统活力表征方法时空精细度低等问题,反映空间中的城市运维现实,辅助建立人本尺度的空间活力动态评价机制,为公共空间活力评估、品质优化、场地微更新等城市治理课题提供精准的技术支持。

摘要： 基于汾渭平原吕梁市2017~2019年颗粒物浓度监测数据和地面气象观测数据,利用后向轨迹聚类分析法以及潜在源贡献函数(PSCF)等方法研究了吕梁市冬季PM_(10)和PM_(2.5)大气污染特征及其潜在源区,最后结合轨迹密度分析法(TDA)、轨迹停留时间分析法(RTA)对轨迹聚类分析得到污染输送通道进行补充分类,并分析了不同输送通道的输送特征.研究发现,吕梁市2017~2019年颗粒物年均浓度逐年下降,其中PM_(10)下降了28μg/m^(3),PM_(2.5)下降了17μg/m^(3),冬季下降幅度最大.3a冬季风向风速和浓度的统计分析表明吕梁市颗粒物浓度受东北和西南风影响最为显著,其原因是受当地三川河河谷地形的影响.影响吕梁市PM_(10)污染的潜在源区主要位于西南方向,PM_(2.5)污染的潜在源区主要分布在西南、东和东南方向,颗粒物污染输送通道可概括为:西北、西南和偏东(东+东南)通道.西北通道气流移动速度快,途经新疆、内蒙、甘肃和陕西北部等区域;西南通道气流移动速度慢,主要途经陕西中南部渭河平原等污染严重的区域;偏东通道的气流移动速度慢,气流先沿太行山东麓南下,在经过太行山的横断山谷(太行陉、井陉等)时转向进入山西.PM_(10)污染时西北通道贡献最大,偏东通道贡献最小,且两个通道下绝大多数发生的均是轻度污染,占比都在90%左右;PM_(2.5)污染时三类通道下发生轻度污染的比重较PM_(10)均下降,西南和偏东通道下发生中度污染以上的比重在50%左右,且西南和偏东通道途经的区域恰好是PSCF计算得到的潜在源区位置,说明了西南和偏东气流容易将细颗粒物输送至吕梁.WRF(天气预报模式)的风场模拟较为直观的解释了三类污染输送通道,且复杂地形是形成污染输送通道的一个重要因素.西北和西南污染输送通道主要受吕梁山脉的影响,偏东污染输送通道主要受太行山及其横谷的影响.

摘要： 智能网联汽车的高维轨迹数据被广泛用于从车辆的行驶轨迹中发现不同运动模式,从而降低交通风险、提高通行效率.然而,数据利用过程中的隐私问题日益受到关注,如何在隐私保护的前提下进行算法的研究和应用是当前面临的一大挑战.针对车辆轨迹数据分散在不同持有方且出于隐私保护无法共享数据的背景,利用差分隐私联邦学习框架来构建序列自编码网络提取轨迹序列的低维表示,并进一步利用轨迹的低维空间向量来发现不同时段下车辆的频繁路线.提出的框架既通过本地训练避免了用户隐私数据的分享,又能通过高斯差分隐私机制防止模型信息的泄露.该框架在真实的轨迹数据集上进行了验证,利用LSTM自编码作为嵌入学习网络,与非联邦、非差分加密的模型进行了对比分析,最后对三种得到的轨迹嵌入通过聚类分析发现该框架下学习的模型在充分尊重了隐私保护的前提下,仍然能够找出有效的频繁轨迹.

摘要： 军事交通场景中军用车辆目标的高效分割及其行为分析至关重要。提出一种基于特征点轨迹刚性运动约束及3D空间轨迹聚类的车辆行为分析算法。算法通过提取每条特征点轨迹的3D属性特征,构造每条轨迹信息的属性特征向量;之后结合提出的相似性度量方法,实现军用车辆特征点轨迹在3D空间中的聚类,进而对军用车辆的运动行为进行分析。实验结果表明,该算法在聚类精度及军事交通参数检测方面具有较好的分析效果,对进一步分析军事交通流行为及评价其交通状态具有一定的应用价值。

摘要： 港口复杂化加重了船舶的管理难度,为了提高引航安全性,深度挖掘AIS轨迹数据,对AIS数据进行解析和处理,剔除错误信息,再利用轨迹聚类模型进行聚类分析,找出具有相似船舶运动演化方式的轨迹簇,揭示船舶轨迹内在联系,本文对传统DBSCAN算法进行改进,加入AIS约束条件,提高聚类精度,最终实现轨迹的聚类,从而利用轨迹指导引航工作,达到安全引航的目的。

摘要： 现有的剩余时间预测方法仅关注对剩余时间预测任务起决定性作用的时间特征信息,并未考虑空间特征信息以及异质事件日志对预测任务的影响,导致预测准确度降低。提出基于轨迹聚类的剩余时间预测方法。将不同轨迹间的相似度作为距离度量,通过对事件日志中不同长度的轨迹进行聚类,以降低事件日志复杂度并细化结构。针对业务流程剩余时间预测任务,结合卷积神经网络与准循环神经网络,同时引入双向机制与注意力机制,设计基于注意力机制的卷积准循环神经网络模型,充分地捕获和增强对剩余时间预测任务有决定性影响的时间和空间特征信息,以提高业务流程中上下文事件之间的关联性,从而识别不同事件对业务流程剩余时间预测任务的重要程度。在BPIC_2012_A、BPIC_2012_O、BPIC_2012_W等事件日志数据集上的实验验证了该方法的有效性和可行性,结果表明,相比传统剩余时间预测方法,该方法的预测准确度平均提高约20%,有助于提升业务流程剩余时间的预测质量。

摘要： 针对轨迹聚类结果的不可靠性，提出一种基于多聚类结果融合的轨迹聚类方法MRMTC，对于多聚类器产生的多个聚类代表轨迹，提出了轨迹合并算法，实现了多个聚类代表轨迹的合并。代表轨迹合并算法以平均扫描线距离函数作为共识函数，通过共识函数对代表轨迹间的相似度进行比较，最后合并相似的代表轨迹。实验表明基于融合的轨迹聚类方法，可以获得比单一聚类更有效更稳定的聚类结果。

摘要： 提出了基于结构相似度的轨迹聚类算法,通过引入轨迹结构的概念并给出结构相似度计算函数来分析轨迹内外部特征。算法根据转角将轨迹划分成若干轨迹段,并通过计算轨迹段的结构相似度来判断轨迹的匹配程度,进而完成轨迹聚类。在真实数据集上的实验结果表明:提出的算法较其他轨迹聚类算法分析轨迹更全面、效率更高；可以通过不同参数灵活调整特征的敏感程度,聚类结果更具有实际意义。

摘要： 珠江三角洲是我国确定的大气污染联防联控工作的重点区域,颗粒物是重点防控的污染物之一.本文利用观测数据与模拟结果相结合的方法研究跨区域输送对广州市颗粒物污染的贡献.利用HYSPLIT轨迹模式计算2006年秋季广州市上空气流的后向轨迹.利用K均值聚类算法将所有轨迹按输送类型分为若干类,并基于常规污染物监测和气象监测数据,计算了每类轨迹对应的广州市PM10平均浓度和气象特征,以分析各种因素对广州市颗粒物污染的影响.轨迹聚类结果表明,源自周边城市的污染输送与广州的颗粒物污染密切相关.这些轨迹的出现往往伴随着较低的风速、较高的温度和较高的相对湿度.典型污染过程的颗粒物浓度变化分析亦证明了区域污染输送对广州市颗粒物污染的影响显著.

摘要： 智能车路协同系统作为智能交通系统发展的新阶段在近些年被提出。本文首先从智能车路协同系统的概念出发，介绍了车路协同系统下的数据采集标准及轨迹数据特点，重点研究了轨迹数据处理的若干方法，包括车辆轨迹重构、交通参数提取、轨迹聚类等，为新环境下的交通控制、诱导以及事件检测等提供了方法和思路。

摘要： 本发明公开了一种基于轨迹压缩和聚类的轨迹相似度分析方法。首先，对N条基准轨迹进行轨迹压缩，在一定误差范围内，去除一些轨迹数据，便于后续的处理和分析。其次，通过截取公共轨迹以及角度预判断的方式，减少参与计算的轨迹段范围，对基准轨迹数据离线聚类。其中，在计算相似度矩阵时，在误差范围内，每两条轨迹的相似度只需计算一次以降低复杂度。最后，找出每一簇的代表轨迹，计算待匹配轨迹和每一簇代表轨迹的相似度，判断其是否存在于基准轨迹数据库中；如果存在，则计算该轨迹与对应簇的各基准轨迹的轨迹相似度，从而确定实际轨迹与哪些基准轨迹相似，并得到相似度结果。

摘要： 本发明公开了一种基于AIS轨迹数据的多步聚类的渔船行为模式识别方法，包括轨迹数据处理、提取轨迹特征点、建立相似度距离模型得到计算轨迹点之间的时空距离矩阵、使用Mean Shift聚类算法对渔船的轨迹进行第一步聚类，使得时空距离相近且连续轨迹点聚在一起，对应着同一种捕捞行为、使用K‑means聚类算法对轨迹段的平均速度进行聚类，使得平均速度相似的轨迹段聚在一起，从而对一艘渔船所有的轨迹段按照抛锚，航行和捕捞行为进行分类。本发明方法降低计算开销，提高效率和通用性。

摘要： 本发明公开了一种基于多特征融合与聚类集成的移动对象轨迹聚类方法，首先全面地捕捉目标移动对象轨迹的特征信息；然后使用K‑means聚类算法对选取的四种移动轨迹特征表示进行聚类分析并产生多个初始聚类结果；对多个初始聚类结果的质量进行量化，再通过加权求和的方式得到三个融合聚类结果；进一步把三个融合聚类结果整合在一起生成最终的集成聚类结果。本发明可以全面地捕捉目标移动对象轨迹的特征信息，最大程度上还原了轨迹的动态特性与时间片段的关联，具有较好的抗干扰能力；根据不同的聚类质量评估标准对多个初始聚类结果分配其权值，在融合过程中能够自动识别类数，并有效地捕捉类簇的本征结构。

摘要： 本发明公开了一种基于自适应密度聚类算法的车辆轨迹预测方法，该方法包括：1)选定一个具有N个轨迹点的车辆轨迹数据集；2)基于自适应密度聚类算法对轨迹点进行分簇；3)对每个簇分别进行符号标记，将被标记了的簇按照时间排序后输出符号序列；4)将符号序列输入到变阶马尔可夫模型中，并使用Lempel‑Ziv‑MS预测算法进行预测，即预测概率最大时的符号对应的轨迹点即为最终轨迹预测结果。本发明所提的自适应密度聚类算法提高了算法的执行效率，同时提高了轨迹聚类的准确度；考虑N阶马尔可夫模型的空间复杂度高、零频率等缺点，变阶马尔可夫模型使用LZ‑MS来解决零频率问题，并使用树结构来减少所需的内存量。

摘要： 本发明公开了一种基于曲线长度距离的船舶轨迹聚类方法，涉及船舶航行轨迹分析技术领域，主要包括步骤：获取当前轨迹段中的末端轨迹点与其对应船舶轨迹的首端轨迹点之间曲线长度归一化后的加权长度；根据当前末端轨迹点的加权长度在对应船舶轨迹中的比例，通过线性插值法获取其它船舶轨迹中相同加权长度比例处的轨迹点作为配对轨迹点；根据当前末端轨迹点与相应配对轨迹点处的航行数据计算综合相似度度量；通过DBSCAN聚类方法获取聚类结果；船舶典型航道提取。本发明利用现有船舶AIS中的多维数据挖掘航道所蕴含的物理信息，以船舶轨迹的聚类形成轨迹簇以表征船舶行为特征，据此可以实现差异干扰小、复杂度低的轨迹聚类方法。

摘要： 本申请涉及一种基于轨迹聚类的游戏工作室用户检测方法，该方法包括：在游戏数据库中获取用户事件记录，对用户事件记录进行编码得到预处理数据；在预处理数据组成的用户事件轨迹中，根据特征点的MDL代价确定关键特征点，并根据关键特征点将预处理数据分段为多个子序列段；根据子序列段之间的相似度，将子序列段聚类为多个类簇，并分别获取类簇的关键子序列；在用户事件轨迹中确定与关键子序列对应的目标范围，通过分析目标范围内的用户事件记录，在游戏数据库中确定工作室用户。通过本申请，解决了相关技术中在游戏前期识别工作室用户人力成本较高的问题，能够缩小核查范围，提升了区分工作室用户的人力和时间成本。

摘要： 本发明公开了一种基于轨迹聚类的异质流程日志采样方法与系统，包括步骤：1)将异质事件日志根据已有的轨迹聚类方法进行聚类处理后得到一组同质子日志；2)对获取的子日志使用已有的事件日志采样技术进行采样得到样本子日志；3)对获得的样本子日志进行合并整合得到最终的样本日志；4)对获得的样本日志通过传统的过程挖掘算法得到过程模型与原始日志作合规性检查，测量拟合度和准确度，计算两者的综合指标F‑measure值，评估通过轨迹聚类方法和采样技术得到的样本日志质量。本发明能够有效地通过轨迹聚类和事件日志采样技术获取高质量的样本日志，极大地提升了采样技术的准确性。

摘要： 本公开涉及一种基于轨迹聚类的边境通道生成方法及装置，其中，方法包括：获取目标用户的历史轨迹数据和边境线经纬度数据，对历史轨迹数据进行预处理，得到候选轨迹数据，基于候选轨迹数据和边境线经纬度数据进行计算，得到目标轨迹数据，对目标轨迹数据进行聚类处理，得到候选轨迹簇，基于预设策略对候选轨迹簇进行筛选，得到目标轨迹簇，提取目标轨迹簇的中心线，按照预设格式将中心线的位置信息进行存储，通过目标用户的历史轨迹数据及边境线经纬度数据进行处理分析，可以监控到目标人员的轨迹信息、异常行为模式中的跨境行为，为人物监控、边境区域管控等领域提供了保障。

摘要： 本发明公开一种基于局部自适应动态时间规整的航空器轨迹聚类方法，首先，获取进离港航迹数据，并对航迹数据进行质量分析；并对航迹数据进行预处理；其次，对跑道进行区分，为每条轨迹分配跑道，并将在同一个跑道起降的轨迹再按照走廊口继续分类；然后构建局部自适应动态时间规整模型，找出最优路径以及该路径的总体距离；最后，基于划分方法对航空器轨迹进行聚类。本发明借鉴直观视觉区分轨迹的思想，通过人为施加较大权重的方式充分放大轨迹中相似度较低的部分，使得相似度较低部分的相似度更低，且不考虑相似部分对整个轨迹相似度的影响，使得聚类结果更加精确、具有解释性及更加具有针对性。

摘要： 本发明涉及数据挖掘领域，具体涉及一种基于深度学习的轨迹序列聚类方法，包括以下步骤：步骤1，预训练层：使用序列到序列的自编码器模型，学习轨迹数据的低维特征表示；步骤2，初始聚类层：对预训练层获得的轨迹特征表示执行多次K‑Means聚类算法，并选择最优聚类结果中的聚类中心作为初始的簇中心。步骤3，联合训练优化层：联合轨迹聚类和深度特征提取方法，提出结合序列到序列自编码器模型重构误差和聚类误差的优化损失函数，将轨迹特征表示映射到更加适合聚类的特征空间。