基于距离积分的交通轨迹聚类算法

    为了做好城市规划和交通管理工作，对车辆运动轨迹的分析和研究是必不可少的一项工作。然而，现实中每时每刻都有成千上万的车辆在城市中，短时间内的车辆轨迹采集即可形成大量数据。数据的极度庞大和错综复杂使得人们难以直接通过所采集的轨迹数据获取任何有效信息。而对交通轨迹数据的聚类则可以有效地将数据约简，并从中挖掘出轨迹信息潜藏的规律，为进一步的决策工作提供有价值的参考。为此，本文提出一种实现轨迹聚类的方法，主要包括了轨迹数据清洗，轨迹相似度计算，轨迹聚类以及数据可视化等四个部分。文中通过计算两条不同轨迹在任意相同时刻的平均空间距离求得轨迹相似度，相比于经典的Frechet distance算法，该方法同时考虑了空间和时间因素对轨迹相似度的影响，能够更加客观地反映交通的真实情况。

    文本采用法国克雷泰伊的一个环形道路上晚上车流高峰时期（17.00-19.00）的车辆行驶数据作为实验数据（下载地址：http://vehicular-mobility-trace.github.io/）。数据集的采样频率为每秒1次，包含了车辆名称，采集时刻，车辆坐标等信息。

     更多信息，参见作者个人主页Jianping Cai's Research Page。