融合KMeans++与DBSCAN算法的工程车辆轨迹聚类研究

摘要：

针对城市扬尘治理中工程车辆运输建筑垃圾倾倒撒漏产生的环境问题,分析车辆行驶数据(定位、时间、速度等),提出一种适合车辆轨迹大规模数据集快速自适应参数的改进DBSCAN聚类算法,采用KMeans++算法划分网格区域,优化聚类运算效率,减轻DBSCAN在大数据场景下过多冗余距离计算,平衡海量数据分析的准确性与效率,实现大规模轨迹运动的有效识别.南宁市扬尘治理场景应用结果表明:改进算法可快速有效分析聚类疑似非法源头,为扬尘治理提供可靠决策信息.

关键词：DBSCAN、KMeans++、车辆轨迹、聚类、Python

分类号：P208(一般性问题)

资助基金：南宁市智慧城市建设项目2020-23

在线出版日期：2023-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：27-30