当我们想要利用智能手机或智能手环等个人设备生成的GPS数据时,G PS轨迹聚类是一种常见的分析。
在本文中,我们将介绍一种在Python中执行GPS轨迹聚类的快速简便方法。这里的主要目标是创建包含“相似”轨迹的聚类。例如,我们希望将每天从工作到家的路径放在同一个聚类中。
本文分为两个主要部分。首先,我们将描述聚类算法。在第二部分中,我们将展示如何在Python中使用和自定义算法。
神经图像算法与GPS轨迹聚类
在本文中,我们使用了一种用于neuromaging的聚类算法,而不是像K-Means或DBSCAN那样使用经典的聚类算法。
QuickBundles (QB)是一种简单的聚类算法,用于磁共振成像中对应用tractography算法得到的白质纤维进行聚类。
只需查看下图,我们就可以看到大脑中的白质纤维看起来像GPS轨迹。
应用tractography算法获得的白质纤维的实例
主要思想是将每个GPS轨迹视为白质纤维,然后在同一个聚类中合并“相似”轨迹。在本文的其余部分,我们将假设GPS Trajectory = White Matter Fiber。
有了这个假设,我们就可以使用原始论文中提供的算法描述:
算法如下进行。在算法的任何一步,我们都有 M个clusters。选择第一个streamline s1并将其放在第一个cluster c1 ←({1},s1,1); 此时M = 1。对于