轨迹系列3——经过时间及距离维度进行轨迹聚类平滑的一种方案

文章版权由做者李晓晖和博客园共有，若转载请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/

1.背景

最近项目需求，对轨迹的纠正、信息挖掘、展现等作了一系列的探索性研究。在前面的博客中，写到了基于中值滤波的轨迹纠正（http://www.cnblogs.com/naaoveGIS/p/6492889.html），实际运用中，咱们是把卡尔曼滤波算法与实际场景结合（加上一些性能和各细节优化）来进行的轨迹纠正，在之后的博客中我将和你们一块儿分享。这里我要和你们一块儿探讨的是在前端如何对轨迹进行平滑的展现。

如下是未经处理过的原始轨迹：

 

明显能够看到，当人员在某个地方来回走动时，纠缠在一块儿的轨迹线会特别的多。普通的轨迹平滑，是指将直线链接以bezel曲线进行平滑，可是对于这种打结的现象，则没法单纯以曲线拟合来解决。这里，咱们讨论一种以聚类算法来让局部打结点整合成一个点从而实现平滑的方案。

2.思路详解

2.1通常聚类方法

 

普通聚类通常有网格聚类法、K中值聚类法等，这些聚类方法通常是仅从地理维度出发来进行聚类，可是在咱们轨迹的实际状况中咱们必须将时间这个维度考虑进去才是更合理的，不然整个轨迹图很容易丢失一些重要的节点信息。因此，这里咱们以距离、时间两个维度来进行聚类。

2.2加入时间维度的聚类方法

这里咱们必须考虑这样几个影响因子：

GPS是很容易漂移的，若是某几个点出现畸变，它一样应该概括为聚类点中。

时间维度和空间维度的结合，能够解释为在某个时间段内，连续移动的空间位置与聚类点之间的聚类均没有超过阈值，则概括为同一点。

因而咱们这个聚类方法能够描述为：在规定时间及以上，某物体连续移动的距离没有超过聚类点的距离阈值，期间容许出现某几回阈值距离外的畸变点，那么这样的一些点统一能够聚类为一个点。

具体聚类步骤为：

 

 

3.结果展现

3.1原始数据聚类展现

 

3.2.加上卡尔曼滤波后的结果展现

 

能够看见，卡尔滤波对轨迹的平滑效果很明显。

3.3进一步优化后的展现

              

图中由于有部分轨迹数据有明显信号丢失，致使轨迹的连线出现了穿墙的问题，这里对轨迹信号丢失处进行打断处理，如图：

 

4.优缺点讨论

优势：将没有太大意义的轨迹点聚类成一个点，能够实现很好的平滑效果，而且能够突出逗留位置。

缺点：参数设置的不一样会严重影响展现结果，而且可能会致使某些特征点的丢失。

5.进一步设想

在经过大量轨迹数据实现路网自建后，结合自建路网进行轨迹纠正应该效果会更加逼真。

 

                               

                                                                    -----欢迎转载，但保留版权，请于明显处标明出处：http://www.cnblogs.com/naaoveGIS/

                                                                           若是您以为本文确实帮助了您，能够微信扫一扫，进行小额的打赏和鼓励，谢谢 ^_^