[发明专利]一种基于并行ST-AGNES算法的车辆轨迹聚类方法

权利要求书

1.一种基于并行ST-AGNES算法的车辆轨迹聚类方法，其特征在于：包括车辆轨迹时空相似性计算方法、面向对象的轨迹数据拆分方法和面向车辆轨迹的并行ST-AGNES算法；

所述车辆轨迹时空相似性计算方法包括以下步骤：

步骤一：从轨迹数据库中依次读取车辆轨迹数据；

步骤二：将连续的车辆轨迹数据离散成一个按照时间排序的点序列，从连续轨迹中选取特征点；

步骤三：采用坐标点和道路结点编号相结合的方式表达车辆轨迹的特征点；

步骤四：使用两条轨迹DTW距离的平均值表示两条轨迹的时间和空间距离；

步骤五：基于平均DTW距离计算方法，计算任意两条轨迹之间的平均DTW距离；

步骤六：基于计算得到的任意两条轨迹之间的平均DTW距离，获取车辆轨迹数据的时间距离矩阵和空间距离矩阵；

所述面向对象的轨迹数据拆分方法包括以下步骤：

步骤一：用轨迹总数N除以计算的进程数K，假设每个进程平均分配的轨迹数为m；

步骤二：将轨迹数据按照标识号进行排序；

步骤三：根据每个进程的轨迹数m，将标识号区间[i*m,(i+1)*m-1](i为进程序号，i＝0,1,2,…,K-1)分配给每个进程，如果存在没有分配完的剩余点号，则全部给最后一个进程；

面向车辆轨迹的并行ST-AGNES算法中，采用最小距离的聚簇连接方法进行时空聚类(式(3))：

Dis(A,B)＝min{d(a,b):a∈A,b∈B,abs(t(a-b))≤tε} (3)

其中，a和b分别是聚簇A和B之间的元素，即轨迹；d(a,b)表示轨迹a和轨迹b的空间距离；

所述面向车辆轨迹的并行ST-AGNES算法包括以下步骤：

步骤一：基于面向对象的轨迹数据拆分方案，将轨迹时间距离矩阵和空间距离矩阵拆分成若干个子矩阵；

步骤二：主进程将子矩阵广播分发给子进程；

步骤三：每一个子进程分别选取在时间阈值tε内的最小距离；

步骤四：每一个子进程将计算得到的最小距离发送给主进程；

步骤五：主进程接收所有子进程返回的最小距离；

步骤六：主进程对所有子进程返回的最小距离进行比较，找出最小值(r,s)；

步骤七：对r和s进行合并形成一个整体，重新计算时空矩阵；

步骤八：对r和s进行合并后，判断是否满足终止条件，如果不满足终止条件，继续将轨迹时间距离矩阵和空间距离矩阵拆分，如果满足终止条件，则输出最终时空聚类结果。

2.根据权利要求1所述的基于并行ST-AGNES算法的车辆轨迹聚类方法，其特征在于：所述采用坐标点和道路结点编号相结合的方式表达车辆轨迹的特征点中，轨迹的特征点用式(1)和式(2)表示：

TP＝{P₁,P₂,P₃,...,P_i,...,P_m}(1≤i≤m) (1)

P_i＝{PID,Tag,NodeID,X,Y,T} (2)

其中，TP表示一条轨迹的特征点集合，P_i表示TP的第i个特征点，PID表示特征点的唯一标识号，Tag为标识域，NodeID为特征点对应的道路结点标识号，X和Y为特征点的空间坐标，T为特征点的时间；如果Tag值为0，表示特征点和道路结点重合；如果Tag值为1，特征点和道路结点不重合，其空间位置用X和Y表示。