[发明专利]一种出租车载客轨迹聚类算法Tr‑OPTICS

权利要求书

1.一种出租车载客轨迹聚类算法Tr-OPTICS，其特征在于：具体包括如下步骤：

第一步：

一、指定载客轨迹数据集D，并且设置聚类参数ε和最小包含轨迹数目MinPts的阈值；

二、建立两个集合：有序队列集合S，用来临时存储核心载客轨迹对象及其邻域内直接密度可达轨迹对象；结果队列集合O，用来存储样本轨迹及处理次序的结果；

第二步：

如果集合D中的数据全部处理完，则算法结束；

如果未全部处理完，则从D中选择一个核心轨迹对象，为该核心轨迹对象建立邻接表，并且将该核心轨迹对象放入结果队列集合O中，其直接密度可达轨迹放入有序队列集合S中，并按可达距离升序排列；

第三步：

如果有序队列集合S为空，则回到第二步；

如果有序队列集合S不为空，则从有序队列集合中取出第一个轨迹对象TR₁：

一、如果TR₁不是核心轨迹，则回到第二步；

二、如果TR₁是核心轨迹，则将TR₁放入结果队列集合O中，并且找到其所有的直接密度可达轨迹对象TR₁-TR_n，将这些轨迹放入有序队列S集合中按照可达距离重新排序；

如果TR₁-TR_n有已经在有序队列集合中且新的可达距离比原来的值小，则更新该轨迹的可达距离；

三、重复第三步，直至有序队列集合S为空；

第四步：算法结束，输出结果队列集合O。

2.根据权利要求1所述的一种出租车载客轨迹聚类算法Tr-OPTICS，其特征在于：所述算法采用轨迹的外包矩形作为核心轨迹对象的搜索邻域，在聚类过程中，可达距离越小代表空间密度越大，算法中用一个可达距离升序排列的种子序列来储存待扩张的子轨迹，通过搜索邻域依次向空间稠密的方向扩张。

3.根据权利要求1所述的一种出租车载客轨迹聚类算法Tr-OPTICS，其特征在于：所述算法研究对象为载客轨迹，核心距离与可达距离是载客轨迹线段之间的轨迹距离；

设定Tr₁和Tr₂分别为参与距离计算的两条载客子轨迹；点P_i1'与点P_i2'分别是点P_i1和点P_i2在子轨迹Tr₂上的投影点，θ是两条子轨迹之间的夹角；

子轨迹Tr₁和Tr₂之间的轨迹距离为：d(Tr₁,Tr₂)＝d_水平+d_垂直+d_角度；其中水平距离、垂直距离、角度距离的定义如下：

水平距离：是指P_j1和P_j2分别到点P_i1和点P_i2在子轨迹Tr₂上的投影点的距离的平均值；

垂直距离：是指点P_i1和点P_i2分别到子轨迹Tr₂的垂直距离的平均值；

角度距离：θ为子轨迹Tr₁和Tr₂之间的夹角，|Tr₁|为子轨迹Tr₁的长度；当角度大于0小于90度时，角度距离为较短子轨迹长度乘以夹角的正弦值；当角度大于90度小于180度时，角度距离即为较长子轨迹的长度；

聚类算法中轨迹的核心距离与可达距离概念定义为：

轨迹核心距离：对于一条载客轨迹Tr₁，其轨迹核心距离就是使Tr₁成为核心轨迹的最小邻域值ε；若Tr₁不是核心轨迹，则轨迹核心距离为空；

轨迹可达距离：一条载客轨迹Tr₁关于另一条载客轨迹Tr₂的轨迹可达距离为Tr₁的轨迹核心距离ε与Tr₁和Tr₂间轨迹距离d(Tr₁,Tr₂)之间的较大值。