jgsecurity的博客

笔者在之前的研究中，尝试对车辆轨迹数据进行空间聚类，以期望发现车辆在行驶过程中的停留信息。在笔者之前的文章中，笔者使用了DBSCAN算法来做这一件事。然而，对于时序的车辆经纬度数据，DBSCAN有一个很大的问题——没有考虑数据中蕴含的时间信息！时间信息是时间序列数据与其他数据区别的重要特征。举个例子：在使用DBSCAN对车辆的经纬度进行聚类时，它仅仅是把那些空间相近的数据聚成一类，可是同一类中的数据可能相差很大。

空间聚类是基于一定的相似性度量对空间大数据集进行分组的过程。空间聚类分析是一种无监督形式的机器学习。通过空间聚类可以从空间数据集中发现隐含的信息。作者在科研工作中，需要对某些车辆的轨迹数据进行一些空间聚类分析，以期望发现车辆在行驶过程中发生轨迹点”聚集“的行为。当等时间间隔的轨迹点在某片区域分布过于”密“时，我们往往可以在这片区域发现某些信息，例如车辆在这片区域发生驻留或者低速行驶等。在空间聚类算法中，DBSCAN是一种简单且有效的聚类算法，它有着基于密度不需要预先指定聚类数计算效率高的优点。

轨迹数据大多是由GPS设备从原始的嘈杂环境中采样而来，对 GPS 轨迹数据进行平滑滤波处理的主要目的是消除或减少由于信号采集和信号传输的过程中含有的不确定性和波动，从而减少噪声影响和提高精度和可靠性。idlonlat时间车辆标识经度纬度本文提供了两种对时序经纬度的轨迹数据进行平滑滤波的python方法实现。滑动滤波器（Moving Average Filter）是一种常见的信号处理技术，用于平滑时间序列数据或信号。

geopandas的安装方法