روشی جدید برای خوشه بندی داده های فضایی زمانی

تحلیل داده های خط سیر اشیاء متحرک و استخراج الگوهای حرکتی آنها با استفاده از روش های داده کاوی، در سال های اخیر مورد توجه محققان قرار گرفته است. در بسیاری از برنامه های مدیریت اشیاء متحرک، تحلیل خوشه بندی داده ها، به یکی از نیازهای اساسی تبدیل شده است. خوشه بندی یکی از مهمترین روش های تحلیل است که داده های مشابه را برای تهیه خلاصه ای از الگوهای توزیع داده در یک مجموعه داده، گروه بندی می کند. در این مقاله پس از بررسی الگوریتم های موجود برای خوشه بندی خط سیرها در فضایی که اشیاء متحرک آزادی حرکت دارند، یکی از شاخص ترین الگوریتم ها در این زمینه با نام Traclus انتخاب شد. این الگوریتم مبتنی بر چارچوب پارتیشن و گروه بندی است. در این الگوریتم برای خوشه بندی زیرخط سیرها تنها طول و عرض جغرافیایی نقاط خط سیرها مدنظر قرار داده می شود. بنابراین اینالگوریتم تنها می تواند نقاط پرتراکم را شناسایی کندمستقل از اینکه آن مناطق در چه زمان هایی پرتراکم بوده اند. این در حالیست که در بسیاری از کاربردها نیاز است مشخص شود چه مناطقی در چه زمان هایی پرتراکم بوده اند. از این رو با درنظر گرفتن ویزگی زمان نقاط خط سیرها، این الگوریتم را توسعه داده و الگوریتم خود را با نام T-Traclus ارائه کرده ایم. مزیت این روش نسبت به روش موجود قابلیت تشخیص مناطق پرتراکم در زمان های مشابه است.

Keywords:

پایگاه داده های فضایی- زمانی , خط سیر اشیاء متحرک , خوشه بندی , خوشه بندی خط سیرها