农机轨迹田路分类的局部方向中心性度量聚类算法

利用海量轨迹数据中蕴藏的时空信息分析农机的行为模式,将轨迹点分割成一系列田间路段和道路路段,并分配相应的语义标签,是后续有关农业机械轨迹研究的重要前置任务。已有基于密度的聚类算法难以有效分离弱连接簇,在聚类时易将弱连接的不同簇识别为同一簇。为克服上述缺陷,设计了一种面向农机轨迹田路分类的局部方向中心性度量和空间距离特征的聚类算法。该算法采用一种基于局部方向中心性度量的分簇机制,用于分离弱连接簇;为进一步提高算法的准确率,提出一种基于空间距离特征的簇边界重置策略,其根据元素点间的空间距离和邻域内其他点的数量分布情况对簇边界处的点进行重置,从而提高算法在簇边界处的识别性能。为验证所提方法的有效性,在农业农村部农机作业监测与大数据应用重点实验室提供的470条真实农机轨迹样本上展开了实验。结果表明所提方法的F1-score比已有聚类算法在田路分类中应用的SOTA方法在玉米、小麦、水稻收割机轨迹数据集上的F1-score分别平均提高了12.82、24.09、14.38个百分点。