GM(1，1)模型在軌跡聚類中的應用

江藝羨，張岐山

(福州大學經濟與管理學院，福建福州 350116)

0 引言

目前，移動對象軌跡數據的分析與研究應用在許多重要領域，如交通管理、氣候監控等．移動對象軌跡聚類是移動對象軌跡分析的典型應用技術之一，其目標是尋找具有相同運動模式的軌跡，將相似度高的軌跡聚為一類［1］．

目前大多數軌跡聚類算法主要針對路網以及非路網形式的的移動對象．路網主要為受限的道路網絡空間，分析移動對象的運行軌跡，有利于城市智能交通控制與決策［2］．非路網主要是自由空間，如進行臺風監測與預報，或了解動物生活習性，遷徙特點等［3－5］．

到目前為止，基于移動對象軌跡的特殊性，為便于分析軌跡的局部信息，數據需要進行分割的預處理．自然界的大多數移動對象所產生的軌跡是相對平滑的曲線軌跡，因此，軌跡利用曲線表示更能符合實際意義．但由于曲線的函數表現形式比較復雜，因此現有軌跡分割方法主要采用基于線段的軌跡模型．軌跡數據在收集中出現的信息缺失或錯誤，使得到的數據為不確定數據，借鑒灰色GM(1，1)模型在‘貧數據’、‘小樣本’數據中的優勢，以及模型為平滑曲線的優越性，提出一種基于GM(1，1)模型的軌跡分段表示方法，實驗結果表明本算法可以取得比線性擬合更好的結果．

1 GM(1，1)模型

灰色系統理論自建立以來，在生產、工程與科學等眾多領域得到廣泛的應用［6］．作為灰色預測理論的基本模型，GM(1，1)模型的應用也十分廣泛．

定……