聚类经纬度 gps 数据答案

【问题标题】：Clustering longitude and latitude gps data聚类经纬度 gps 数据
【发布时间】：2016-08-17 09:33:56
【问题描述】：

我有超过 40 万个汽车 GPS 位置，例如：

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

我需要对点之间的距离我尝试使用DBSCAN，但它似乎不适用于geo(longitude, latitude)。

另外，我不知道集群的数量。

【问题讨论】：

请显示您目前尝试过的代码：minimal reproducible example
DBSCAN 适用于纬度、经度 - 只需选择适当的距离函数（并确保您知道它是否使用米、码……）

标签： python scikit-learn cluster-analysis

【解决方案1】：

您可以使用 pairwise_distances 从纬度/经度计算地理距离，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)

希望这会有所帮助。

耿宇

【讨论】：

【解决方案2】：

DBSCAN 是一个合理的选择，但使用 OPTICS 和 HDBSCAN* 等层次聚类算法可能会获得更好的结果。

我前段时间写了一篇关于集群 2300 万条推文位置的博文：

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

这里也是一个聚类 GPS 点的博客。她使用了非常相似的方法并提供了更多细节：

https://doublebyteblog.wordpress.com/

本质上，OPTICS 可以很好地处理此类数据，而您确实需要使用 ELKI 中的 R*-tree 或 Cover 树等索引。两者都适用于Haversine距离并且非常快。

【讨论】：