Tra-DBScan: A Algorithm of Clustering Trajectories

Abstract

Accompany with fast development of location technology, more and more trajectories datasets are collected on the real applications. So it is something of value in the theory and applied research to mine the clusters from these datasets. In this paper, a trajectory clustering algorithm, called Density-Based Spatial Clustering of Application with noise (Tra-DBSCAN for short), based on DBSCAN that is a classic clustering algorithm. In this framework, each trajectory firstly partitions into sub-trajectories as clustering object, and then line hausdorff distance is used to measure the distance between two sub-trajectories. Next, DBSCAN is introduced to cluster sub-trajectory to form cluster area, and then connecting different moments of clustering area is regarded as trajectory movement patterns. Finally, the experimental results show our framework’s effective.

Identificación de patrones de congestionamiento vehicular utilizando algoritmos de agrupamiento de trayectorias basados en densidad

“…Luego, las sub trayectorias son agrupadas por DBSCAN de acuerdo a su tiempo de separación, su patrón de trayectoria es definida como la conexión de sub trayectorias agrupadas durante todo el tiempo de separación (Liu et al, 2011). Liu et al (2011) explica que la implementación de TRADBSCAN empieza con un conjunto de trayectorias, las cuales son particionadas en segmentos de líneas, y luego, se le aplica el algoritmo DBSCAN para agrupar los segmentos de línea que compartan una marca de tiempo; luego se forman patrones de grupos de trayectorias al conectar los clústeres que tengan la mayor cantidad de elementos parecidos y líneas de tiempo continuas. Liu et al Recalca que la razón de utilizar DBSCAN es que es capaz de encontrar grupos irregulares, su forma y número de incertidumbre, no sensible al ruido.…”

Proposal for a Pivot-Based Vehicle Trajectory Clustering Method

“…Additionally, it combines two consecutive stops with the same geographic location and a short time interval, using the method developed by Yuan and Raubal ( 34 ). The Tra-DBScan algorithm ( 38 ), based on the DBScan algorithm ( 31 ), adds a trajectory segmentation phase and partitions the trajectories into sections using the Hausdorff distance as the similarity measure. This metric considers the perpendicular, angular, and parallel distances of the different GPS points that are part of the trajectory segments.…”