随着城市化交通的发展,感知计算在智慧城市起着重要的作用。针对传统密度聚类算法无法适配海量出租车GPS轨迹数据及可视化的问题,提出了BCS-DBSCAN(Big-Data Cluster Center Statistics Density-Based Spatial Clustering of Applicatio...随着城市化交通的发展,感知计算在智慧城市起着重要的作用。针对传统密度聚类算法无法适配海量出租车GPS轨迹数据及可视化的问题,提出了BCS-DBSCAN(Big-Data Cluster Center Statistics Density-Based Spatial Clustering of Applications with Noise)聚类算法。该算法可以对轨迹数据切分及并行化聚类且能够提取最大密度簇心,并将结果适配可视化模型。实验结果表明,与其它流行的方法相比,在海量数据下提取城市载客热点区域的聚类速度、精确化及可视化方面具有十分显著的优势,对进一步提升城市规划、提高交通效率提供了重要的决策信息。展开更多
文摘随着城市化交通的发展,感知计算在智慧城市起着重要的作用。针对传统密度聚类算法无法适配海量出租车GPS轨迹数据及可视化的问题,提出了BCS-DBSCAN(Big-Data Cluster Center Statistics Density-Based Spatial Clustering of Applications with Noise)聚类算法。该算法可以对轨迹数据切分及并行化聚类且能够提取最大密度簇心,并将结果适配可视化模型。实验结果表明,与其它流行的方法相比,在海量数据下提取城市载客热点区域的聚类速度、精确化及可视化方面具有十分显著的优势,对进一步提升城市规划、提高交通效率提供了重要的决策信息。
