比较/聚类轨迹（(x,y)点的GPS数据）及数据挖掘
我有两个关于分析GPS数据集的问题。
1) 提取轨迹 我有一个庞大的数据库，里面记录了GPS坐标，格式是(纬度, 经度, 日期-时间)。根据连续记录的日期和时间，我想提取出这个人走过的所有轨迹。比如说，从时间M开始，(x,y)的值一直在变化，直到时间N。在N之后，(x,y)的变化就减少了，这时候我就可以认为从M到N的这段时间走的路径可以称为一条轨迹。这样提取轨迹的方法可以吗？有没有什么比较常见的方法、技巧或者算法可以推荐？还有没有什么数据结构或者格式可以让我更高效地存储这些点？也许对于每条轨迹，计算一下速度和加速度会有帮助？
2) 挖掘轨迹 一旦我得到了所有的轨迹/路径，我该如何比较或聚类它们呢？我想知道如果起点或终点相似，那么中间的路径又该如何比较？
我该如何比较两条路径，得出它们是否相似的结论？另外，我该如何把相似的路径聚在一起呢？
如果你能给我推荐一些相关的研究或者类似的资料，我将非常感激。
开发工作会用Python进行，但任何库的建议都欢迎。
谢谢！
2 个回答
1) 提取轨迹 我觉得你走在正确的方向上。GPS数据可能会有一些噪音和随机的移动，所以你应该使用一些平滑的方法，比如样条曲线，来解决这个问题。
2) 挖掘轨迹 类似的轨迹有没有商业价值呢？（这会帮助你建立距离度量，然后你可以使用一些聚类算法） 1. 我认为人们停留的地方更有趣，这样你可以生成这些地方受欢迎程度的统计数据。 2. 如果你需要找出不同路径的相似性，以便从同一个起点到达终点，你需要先对起点和终点的位置进行聚类，然后再根据（最大距离、积分距离等一些常用的功能度量）来聚类相似的曲线。
看看苏黎世大学地理系的研究，特别是Patrick Laube和Somayeh Dodge的工作。
可以看看这篇论文：
个人移动与地理数据挖掘。用于突出个人导航路线热点的聚类算法
(链接, 演示文稿)。这篇论文展示了如何在GPS数据上使用DBSCAN核密度估计方法。
此外，诺基亚的2012年移动数据挑战研讨会的论文也很有帮助，特别是：
MobReduce：减少移动轨迹的状态复杂性（链接）
作者是Fabian Hartmann、Christoph P. Mayer、Ingmar Baumgart。
轨迹清理框架用于轨迹聚类（链接）
作者是Agzam Idrissov、Mario A. Nascimento，来自阿尔伯塔大学。