Question

我有超过40万辆汽车GPS位置，如：

[ 25.41452217,  37.94879532],
[ 25.33231735,  37.93455887],
[ 25.44327736,  37.96868896],
...

我需要进行空间聚类，点之间的距离<= 3米我尝试使用DBSCAN，但它似乎不适用于geo(longitude, latitude)。

另外，我不知道群集的数量。

Answer 1

您可以使用pairwise_distances计算纬度/经度的Geo距离，然后通过指定metric ='precomputed'将距离矩阵传递到DBSCAN。

计算距离矩阵：

from sklearn.metrics.pairwise import pairwise_distances
from sklearn.cluster import DBSCAN
from geopy.distance import vincenty

def distance_in_meters(x, y):
    return vincenty((x[0], x[1]), (y[0], y[1])).m

distance_matrix = pairwise_distances(sample, metric=distance_in_meters)

使用矩阵运行DBSCAN：

dbscan = DBSCAN(metric='precomputed', eps=3, min_samples=10)
dbscan.fit(distance_matrix)

希望这有帮助。

Gengyu

Answer 2

DBSCAN是一个合理的选择，但使用分层聚类算法（如OPTICS和HDBSCAN *）可能会获得更好的结果。

我前段时间做了一篇关于聚集2300万个推文位置的博客文章：

http://www.vitavonni.de/blog/201410/2014102301-clustering-23-mio-tweet-locations.html

这里还有一个用于聚类GPS点的博客。她使用了一种非常相似的方法，并提供了更多细节：

https://doublebyteblog.wordpress.com/

从本质上讲，OPTICS适用于此类数据，您实际上需要在ELKI中使用索引，例如R * -tree或Cover树。两者都与Haversine距离一起工作并且非常快。

聚类经度和纬度gps数据

2 个答案: