一种支持轨迹大数据潜在语义相关性挖掘的谱聚类方法

silenced · 发表于 2021-2-18 11:21

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

摘要：针对交通管理优化和轨迹大数据挖掘的实际应用需求，本文提出了一种支持交通轨迹大数据潜在语义相关性挖掘的交通路网谱聚类方法（ＴＳＳＣ）．首先研究了交通轨迹数据的向量空间建模方法，其次通过随机投影法快速提取大规模轨迹数据矩阵的特征信息并构建其低维语义子空间，然后基于语义子空间挖掘轨迹数据的潜在语义相关特性，在此基础上通过谱聚类方法实现了交通路网的快速聚类．通过本文提出的方法对总里程１４００多万公里的实际交通轨迹数据进行实验分析表明，本方法可根据交通轨迹大数据的潜在语义相关性对交通路网进行快速的谱聚类处理，从而在复杂的交通路网间快速挖掘其潜在特性，为交通规划及其管理优化提供决策支持信息，同时也为时空大数据的聚类挖掘提供了一种新的解决方案．

关键词：交通轨迹；大数据；数据挖掘；语义空间；谱聚类

随着卫星定位技术与基于位置服务（ＬＢＳ）的迅速发展，已有越来越多的车辆安装了ＧＰＳ／北斗等具备定位功能的装置，这些车辆周期性上报其位置、方向及速度等信息，形成海量的行车轨迹数据．以福州市为例，目前仅用于行业监管的浮动车数据每天就超过了２０００万条，行车轨迹的总里程达到３５０万公里以上．

附件下载：

一种支持轨迹大数据潜在语义相关性挖掘的谱聚类方法.pdf (3.15 MB, 下载次数: 0)