室内位置轨迹的聚类与可视化

doi:10.13474/j.cnki.11-2246.2019.0142

测绘通报 ›› 2019, Vol. 0 ›› Issue (5): 21-24.doi: 10.13474/j.cnki.11-2246.2019.0142

室内位置轨迹的聚类与可视化

袁德宝, 王炳灵, 闫瑜, 周士强, 梁晨

中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083

收稿日期:2018-11-22 出版日期:2019-05-25 发布日期:2019-06-04
作者简介:袁德宝(1976-),男,博士,副教授,研究方向为卫星导航与定位。E-mail:yuandb@cumtb.edu.cn
基金资助:
国家自然科学基金（50974122）

Clustering and visualization of indoor position trajectory

YUAN Debao, WANG Bingling, YAN Yu, ZHOU Shiqiang, LIANG Chen

College of Geoscience and Surveying Engineering, China University of Mining and Technology, Beijing, Beijing 100083, China

Received:2018-11-22 Online:2019-05-25 Published:2019-06-04

摘要/Abstract

摘要： 室内移动对象轨迹数据分析是商铺促销、室内空间规划、广告竞价等具有重要商业价值的应用基础，在公共安全、应急方案中也是必不可少的部分，近年来越来越受到研究者的重视。为了实现室内移动对象轨迹聚类分析，本文提出了一种将DBSCAN聚类算法与可视化相结合的综合分析方法。首先利用DBSCAN算法对某商场大厦内采集的基于手机WiFi信息的室内轨迹数据进行聚类处理；然后对得到的聚类成果和信息进行分析，为该商场的布局规划和店铺调整等提供一定的参考信息；最后，对该商场大厦的室内轨迹数据进行热度图可视化展示，并将展示效果与聚类结果进行对比，相互验证。

关键词: 聚类分析, DBSCAN算法, 热度图, 可视化

Abstract: The analysis of indoor mobile object trajectory data is an application foundation with important commercial value such as retail promotion, indoor space planning, and advertising bidding. It is also an indispensable part in public safety and emergency solutions. In recent years, it has received more and more attention from researchers. In order to realize the cluster analysis of indoor moving object trajectory, this paper proposes a comprehensive analysis method combining DBSCAN clustering algorithm with visualization.This paper uses DBSCAN algorithm to cluster the indoor trajectory data based on mobile phone wifi information collected in a shopping mall building, analyzes the obtained clustering results and information, and provides certain reference information for the layout planning and store adjustment of the mall.Finally, the indoor trajectory data of the mall building is visualized and displayed, and the display effect is compared with the clustering result to verify each other.

Key words: cluster analysis, DBSCAN algorithm, heat map, visualization

中图分类号:

P228

袁德宝, 王炳灵, 闫瑜, 周士强, 梁晨. 室内位置轨迹的聚类与可视化[J]. 测绘通报, 2019, 0(5): 21-24.

YUAN Debao, WANG Bingling, YAN Yu, ZHOU Shiqiang, LIANG Chen. Clustering and visualization of indoor position trajectory[J]. 测绘通报, 2019, 0(5): 21-24.

参考文献

[1] 黄川林. 室内移动对象轨迹分析研究[D]. 合肥:中国科学技术大学,2014.
[2] 牟乃夏,徐玉静,张恒才,等.移动轨迹聚类方法研究综述[J].测绘通报,2018(1):1-7.
[3] 袁冠. 移动对象轨迹数据挖掘方法研究[D]. 徐州:中国矿业大学,2012.
[4] LEE J G,HAN J W,WHANG K Y. Trajectory clustering:apartition-and-group framework[C]//Proceedings of the ACM SIGMOD International Conference on Management of Data. Beijing:[s.n.], 2007:593-604.
[5] KREVELD MV,LUO J. The definition and computation of trajectory and sub-trajectory similarity[C]//Proceedings of the 15th Annual ACM International Symposium on Advances in Geographic Information Systems. Seattle, Washington:[s.n.],2007:324-327.
[6] DYKES J A, MOUNTAIN D M. Seeking structure in records of spatio-temporal behaviour:visualization issues,efforts and applications[J]. Computational Statistics & Data Analysis, 2003,43(4):581-603.
[7] CAMARGO S J, ROBERTSONA, GAFFNEY S, et al. Cluster analysis of western North Pacific tropical cyclone tracks[C]//Proceedings of the 26th Conference on Hurricanes and Tropical Meteorology.[S.l.]:American Geophysical Union, 2004:250-251.
[8] CHEN Ping,HUO Qiuyan,XU Xuezhou.Clustering network-constrained uncertain trajectories[C]//Proceedings of the 8th International Conference on Fuzzy Systems and Knowledge Discovery.[S.l.]:IEEE, 2011:1657-1662.
[9] 冯锦海,杨连贺,蒋鑫龙. 基于多模式的室内兴趣点推荐系统设计与实现[J]. 计算机工程,2015,41(8):273-278,285.
[10] 杨国清,祝国瑞,喻国荣.可视化与现代地图学的发展[J].测绘通报,2004(6):40-42.
[11] 杨名. 室内定位数据可视化技术研究与实现[D]. 上海:上海交通大学, 2012.
[12] 权宇澄,吴健平.基于改进DBSCAN方法的移动对象轨迹停留分析[J].测绘与空间地理信息,2016,39(10):140-143,146.
[13] 王芳. 传统聚类方法的分析及改进[D].长沙:中南大学,2007.

[1]	贺彪, 郭仁忠, 张琛, 马丁, 王伟玺, 洪武扬, 陈业滨. 面向数字孪生城市的自然场景构造方法[J]. 测绘通报, 2022, 0(7): 87-92.
[2]	孟秋宇, 宋子昂, 王金, 葛志金. 利用浮动车GPS轨迹识别与提取城市道路交叉口[J]. 测绘通报, 2021, 0(9): 59-63.
[3]	陈换新, 马超, 张吉才, 陈长林, 秦志强, 马京振, 汪亚群. 多源矢量空间数据可用性评估的可视分析[J]. 测绘通报, 2021, 0(9): 74-78.
[4]	蓝贵文, 唐宇龙, 杜永良, 潘柱光, 莫栩琪. 排水管网多尺度几何语义建模[J]. 测绘通报, 2021, 0(3): 123-127.
[5]	任立夫. 基于BIM技术的地下管线建模应用分析[J]. 测绘通报, 2021, 0(2): 149-152.
[6]	翁敏, 窦晓越, 尹向军, 杜清运, 苏世亮, 亢孟军, 余斌. 城市特色电子地图设计——以南京市为例[J]. 测绘通报, 2021, 0(12): 54-59.
[7]	张英栋, 耿增涛, 王海银, 乔新, 周圣川. 面向大范围实时数据的动态船舶矢量标绘方法[J]. 测绘通报, 2021, 0(12): 140-144.
[8]	张昊, 张健钦, 郭小刚, 卢剑, 陆浩. 轨迹大数据云存储与热力图生成方法[J]. 测绘通报, 2021, 0(10): 146-149.
[9]	白洋, 康会涛, 张文超, 贾玉娜, 郑浩. 无人机在露天矿山监测中的应用[J]. 测绘通报, 2020, 0(9): 85-88.
[10]	罗勇, 付红云. 空间和时间维度地震目录展示系统设计[J]. 测绘通报, 2020, 0(6): 141-144.
[11]	高智文, 张学东, 徐志洁, 张健钦, 申兆慕, 郭小刚, 杨铭. 一种城市公共自行车接驳地铁出行的时空可视化分析方法[J]. 测绘通报, 2020, 0(3): 48-55.
[12]	刘涛, 张晓辉, 胡添, 刘永强. 加色法同位规则挖掘支持下的兰州市居民区生活便利度分析[J]. 测绘通报, 2020, 0(2): 137-141,146.
[13]	任东宇, 董先敏, 周启, 罗浩, 杨浚. 一种面向河长制应用的河网关系构建方法[J]. 测绘通报, 2020, 0(12): 122-127.
[14]	徐佳沅, 文薪荐, 王思敏, 彭晖儿. 一站式地理大数据智能化平台构建[J]. 测绘通报, 2020, 0(12): 132-137.
[15]	郝怀旭, 万太礼, 罗年学. 利用OpenStreetMap数据进行高空间分辨率遥感影像分类[J]. 测绘通报, 2019, 0(7): 69-72,126.

室内位置轨迹的聚类与可视化

Clustering and visualization of indoor position trajectory

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价