被用来识别在终端区域空间轨迹模式。利用数据的一个子集用于减少计算工作量。纽约大都会区机场使用16天。香港和圣保罗大都市的机场,因为他们很少的操作,使用一组三十天。为了增加空间聚类质量,每个机场的每种类型的操作分开(到达或离开)轨迹进行了聚类分析。本节重点是相关的到达轨迹,但同样对离开进行了类似的分析。表1显示了DBSCAN聚类过程中使用的参数设定的轨迹到达每个机场和由此产生的聚类输出的数量的集群识别和百分比噪音(结构化数据)。作为一个例子,图5, 图6, 图7显示到达集群标识在每个大都市的主要机场的分布观察在集群。例如,可以看出香港和格勒乌都有一个占主导地位的轨迹模式,集中30%以上的观察,而肯尼迪低浓度的轨迹在一个特定的模式。也观察到肯尼迪机场噪声观测的百分比低于香港和格勒乌。
表1. 用于DBSCAN参数设置轨迹 聚类和相应的输出为每个大都市机场。
|
机场 |
数量的观察 |
MinPts |
ε |
数量的集群 |
比例的噪音 |
|
肯尼迪 |
6917 |
6 |
1.4 |
20. |
14.0 |
|
英文文宣写作研习营 |
7136 |
6 |
1.4 |
14 |
13.8 |
|
达到 |
6709 |
6 |
1.2 |
16 |
13.5 |
|
香港 |
11023 |
6 |
1.4 |
15 |
20.8 |
|
SZX |
8686 |
6 |
1.4 |
8 |
10.4 |
|
MFM |
1718 |
6 |
1.6 |
6 |
29.1 |
|
格勒乌 |
7816 |
6 |
1.4 |
10 |
22.9 |
|
全息 |
5082 |
6 |
1.4 |
6 |
12.9 |
|
VCP |
2239 |
6 |
1.4 |
8 |
16.1 |
图5. 的结果轨迹 聚类分析肯尼迪到达。 (一)轨迹簇; 每一种颜色代表一个集群。 (b)轨迹贴上噪音。 (c)轨迹集群重心。 (d)集群分布的轨迹。
引自：Flight trajectory data analytics for characterization of air trafficflows: A comparative analysis of terminal area operations betweenNew York, Hong Kong and Sao Paulo☆