公共子序列轨迹聚类方法有哪些应用场景？

本文共计2828个文字，预计阅读时间需要12分钟。

前言：在当今世界中，想要研究人们出行活动，可以利用智能手机或智能手环等个人设备生成的GPS+数据进行研究。在众多研究方向中，出行热点路线或经常出行路线也备受关注。

前言

如今的世界中，想要研究人们的出行活动，可以利用智能手机或智能手环等个人设备生成的 GPS 数据进行研究。而在众多的研究方向中，出行的热点路线或者说经常出行的路线也比较受欢迎。采用热力图的方式对其进行研究具有许多优点。热力图给使用者的感觉就是特别直观，一眼便看出来哪些路径属于热迹（我们把热点路线，也就是重复度高的路线称为热迹）。如下图所示:

（图片来自网上，侵删）

从图中我们一眼便能够找出两条粗壮的热迹。这表示有某种物体经常沿着两条路线运动。但对于计算机来说，要从图中找出这两条热迹，并加以区分形成两条完整的路线可不是一件容易的事。所以我们只能直接从轨迹上入手。接下来将介绍利用公共子序列进行轨迹聚类的方法。

该聚类方法的核心思想是相似的轨迹在地理空间中占有的位置基本一致，轨迹越相似其共有的位置占原轨迹空间的比重越大，并且随着我们划分轨迹的精度降低而提高。

数据准备

Gps 数据准备

研究轨迹聚类，最基本的要求就是拥有大量的轨迹数据。幸运的，我从网上的项目中找到了公开的 Gps 数据。为什么说是幸运的？在此之前，我曾写过一个 App，以期收集自己的出行轨迹进行研究。该应用的确达到了预期，但困难的是手机要开启 Gps 才能得到比较精准的轨迹数据，这显然提高了手机电量的要求。除此之外，收集众多的轨迹需要大量时间、上班族轨迹相对固定等一系列因素导致收集自己的轨迹计划夭折。而在网上找到的数据完全满足研究要求。