面向城市交通应用的移动对象聚类算法比较研究

移动对象聚类方法已被广泛应用于城市交通系统中移动对象的动态聚类模式挖掘,然而,当前对于现有移动对象聚类算法在城市交通中的实际效果尚缺乏客观的分析与评价。为此,该文选取4种具有代表性的移动对象聚类算法(Swarm模式、Convoy模式、Platoon模式、Moving Cluster模式),针对北京市出租车移动数据中的拥堵现象挖掘进行实验分析与比较:1)定义模式数量、模式生存期及模式运动距离等指标定量评价和比较现有算法挖掘拥堵现象的能力;2)采用不同的对象数目阈值和时间阈值等参数阈值进行测试,分析算法阈值对移动对象聚类结果的影响。实验结果表明,4种模式中的Convoy模式挖掘虚假拥堵现象的概率最低,挖掘拥堵现象的能力最强。4种移动对象聚类方法对阈值的设置均比较敏感,时间连续性约束对聚类结果有着显著影响。最后,对现有算法在城市交通应用中的适用性给出了相关建议。