吐尔逊·买买提，谢建华

(新疆农业大学 机械交通学院，乌鲁木齐 830052)



基于DBSCAN的农机作业轨迹聚类研究

吐尔逊·买买提，谢建华

(新疆农业大学 机械交通学院，乌鲁木齐 830052)

农业机械在田间作业过程中，时间和空间维度上产生大量的作业数据，对农业机械作业轨迹数据进行聚类分析在农机作业状态分析和效率研究中具有重要意义。为此，应用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对模拟农业机械作业轨迹进行分析，设计了基于密度聚类的农机作业状态分类算法。对模拟数据的聚类结果表明：该方法正确分类农机作业班次内的有效作业轨迹、空行转移轨迹和停歇轨迹的精度达到98.33%、70%和100%。聚类作业轨迹反映的农机利用率为95.35%，为农机田间作业轨迹研究提供了依据。

农业机械；作业轨迹；密度聚类；轨迹识别

0 引言

数据挖掘技术提供了从海量数据中挖掘发展趋势、剖析其中隐藏的知识和模式的手段。针对农业机械在农业生产中产生的作业轨迹数据特征，挖掘其中隐含的知识并对其进行分析，在此基础上，设计相应预测、聚类、关联模型，为设计农机管理决策服务模型提供了基础，对促进农业机械化、提高生产效率、提高决策水平、健全调控和基层服务能力、促进农业机械化进入信息化领域的步伐有很大的推进作用[1-2]。

目前，生产要素轨迹特征研究主要有2种方法：①首先从空间维度出发，获取对象在不同时隙中的聚类模式，然后按时间顺序对获取的簇进行排序，从而获得研究对象的完整的轨迹聚类模式[3-5]；……