被用来识别在终端区域空间轨迹模式。利用数据的一个子集用于减少计算工作量。纽约大都会区机场使用16天。香港和圣保罗大都市的机场,因为他们很少的操作,使用一组三十天。为了增加空间聚类质量,每个机场的每种类型的操作分开(到达或离开)轨迹进行了聚类分析。本节重点是相关的到达轨迹,但同样对离开进行了类似的分析。表1显示了DBSCAN聚类过程中使用的参数设定的轨迹到达每个机场和由此产生的聚类输出的数量的集群识别和百分比噪音(结构化数据)。作为一个例子,图5, 图6, 图7显示到达集群标识在每个大都市的主要机场的分布观察在集群。例如,可以看出香港和格勒乌都有一个占主导地位的轨迹模式,集中30%以上的观察,而肯尼迪低浓度的轨迹在一个特定的模式。也观察到肯尼迪机场噪声观测的百分比低于香港和格勒乌。
怎么做飞行轨迹密度聚类
最新推荐文章于 2023-06-09 14:20:28 发布