基于聚类算法的车辆轨迹时空相似性研究

海量数据伴随新的通信技术、采集技术等的不断更新换代而不断涌现。在指数膨胀的数据中进行数据的挖掘和分析愈发重要。并且,对指导工业、农业、商业、医疗、人类行为、社会活动具有重要意义。本文中以北京市出租所车载GPS采集的时空轨迹数据为例,以数据挖掘,以及数据挖掘的方法之一——聚类为分析工具,加以数据挖掘提取相关信息。与传统的静态数据分析挖掘不相同的是,本文还加上动态时间的数据挖掘聚类,有效的得到有意义的相似性模式以及语义,再将语义模式的应用于生产生活中。首先,从数据挖掘概念以及理论和相关的聚类算法论述研究入手,掌握数据挖掘的意义及处理方法,深入了解相关算法步骤优缺点,为实际应用的时空轨迹数据的分析和挖掘提供分析技术的支撑。然后,典型的时空轨迹数据——车辆GPS采集的轨迹数据参考数据挖掘的步骤,对其预处理降噪、时间空间并行聚类、提取语义信息应用在实际问题。本课题是对将来大量多维度的数据的分析和挖掘进行探索,以及相关的数据挖掘以及聚类分析理论的概述。