基于GPS轨迹数据驻留点集散地识别

聚类算法的GPS静态单点定位方法

为有效提高GPS静态单点定位的精度,提出了一种基于模糊聚类算法和卡尔曼滤波算法的组合优化方法.该方法首先对GPS实测数据进行卡尔曼滤波,消除波动较大的数据,然后应用模糊C-均值聚类算法寻求聚类中心,以该聚类中心为最终定位坐标.实验结果表明,该组合优化定位方法在降低定位成本的同时,可以有效提升GPS静态单点定位精度,采用该方法得到的定位坐标更接近于真实的地理坐标.

基于时空聚类算法的轨迹停驻点识别研究

利用手机等智能移动终端获取个体出行GPS轨迹数据,提出了一种新的时空聚类算法AT-DBSCAN识别轨迹中的停驻点.该方法以固定长度的滑窗搜索核心点,以时空邻近条件定义簇间距离,以簇密度大小规定合并次序.提出了出行次数一致性、出行起止时刻误差、停驻点时长误差、停驻点中心偏移距离4个算法验证指标,弥补了传统查全率、查准率等忽略停驻点时空信息准确性的不足.结果表明,识别的停驻点有98%的位置误差在30m以内,100%的时长误差在5min以内,98%的出行起止时刻误差在5min以内.此外,算法对于室内活动、定位飘移、路径重合程度高等复杂轨迹具有较好的泛化能力。