26、实时轨迹聚类与知识子图构建技术解析

实时轨迹聚类与知识子图构建技术解析

实时轨迹聚类：Lunatory框架

在轨迹数据处理领域，实时轨迹聚类是一项重要的任务。由于枢轴轨迹具有方向和长度，会形成任意形状的聚类，因此采用基于密度的聚类方法是一个不错的选择。受DBSCAN思想的启发，Lee等人提出了线段聚类算法，这里将线段聚类应用于当前时间窗口内的枢轴轨迹。

相关概念

• 核心轨迹段 ：利用轨迹距离定义，计算与轨迹段 $l_i$ 距离小于等于阈值 $\varepsilon$ 的轨迹段数量 $N$。当 $N$ 大于 $\rho$ 时，称 $l_i$ 为核心轨迹段，并定义 $N_{\varepsilon}(l_i) = {l_i \in L | dist(l_i, l_j) \leq \varepsilon}$。
• 直接密度可达 ：对于两个轨迹段 $l_i, l_j \in L$，若 $l_j$ 是核心段且 $l_i \in N_{\varepsilon}(l_j)$，则称 $l_i$ 从 $l_j$ 直接密度可达。
• 密度可达 ：给定一系列轨迹段 $l_j, l_{j+1}, \cdots, l_{i-1}, l_i \in L$，若 $l_k$ 从 $l_{k+1}$ 直接密度可达，则称 $l_i$ 到 $l_j$ 密度可达。
• 密度相连 ：对于两个轨迹段 $l_i, l_j \in L$，若存在轨迹段 $l_k \in L$，使得 $l_i$ 和 $l_j$ 都从 $l_k$ 密度可达，则称