轨迹聚类之分段聚类方法总结

现有的轨迹聚类算法可分为两类：

• 一种是基于整体的轨迹聚类，即将一条轨迹视为一个整体而对其不做分段，通过定义轨迹的相似度函数将其聚类，这样一条轨迹只能属于一个簇；
• 另一种是基于分段的轨迹聚类，即将一条轨迹分为多段，分段的轨迹之和可以是原轨迹，也可以是原轨迹特征的抽取。之后再进行轨迹聚类，这样同一条轨迹可能分属于多个簇，可视的结果会出现分流与聚流的效果。

基于不同的应用场景会运用不同的算法，如果只从准确度上评价而不考虑其它因素，基于分段的轨迹聚类相对更好一此。因为它研究的粒度更细，而基于整体的轨迹聚类会丢失一些细节信息，举一个例子：
————————————————

如上图，有五条轨迹$T</$