汪 鹏，刘泽玲，王利琴,3+，董永峰

(1.河北工业大学 人工智能与数据科学学院，天津 300401；2.河北工业大学 河北省大数据计算重点实验室，天津 300401；3.河北工业大学 河北省数据驱动工业智能工程研究中心，天津 300401)

0 引 言

在公交车载GPS设备定位过程中，GPS数据的误差来源分为GPS定位系统的内部原因和外部原因，内部原因包括信号传播途径问题、GPS卫星相关问题和用户接受设备问题。外部原因主要包括公交车自身行驶特性、城市道路路况和诸多随机因素(天气状况、网络延迟、行驶速度等)。这些误差是GPS数据产生大量噪声点的主要原因，降低了由GPS数据生成公交行驶路线的准确度和可靠性，为减小噪声点对生成路线的影响，提高生成路线的准确度，需要剔除异常的GPS数据。

在数据点噪声处理领域，相关学者在基于聚类算法过滤噪声点等方向提出大量的算法。Yang L等提出了基于自然近邻的ENaN算法[1]，根据样本点近邻，寻找各数据点的反向最近邻。ENaN根据样本点是否具有反向最近邻来判断该点是否为噪声点，虽然通过这种方法实现了聚类效果，但对于噪声量较大的数据集聚类效果往往较差甚至无法完成聚类过程；Hao SX等提出了一种基于噪声的应用空间密度聚类(DBSCAN)和支持向量数据描述(SVDD)的噪声数据检测方法[2]；张靖等提出一种基于空间和时间密度的抗噪声聚合算法(DBS&TCAN)[3]；李强等通过过滤低密度区域的方法优化了DBSCAN算法[4]，在处理海量GPS轨迹数据时有效得到了稠密样本点；Bryant A等提出的RNN-DBSCAN算法通过K最近邻点的选择实现了单个参数聚类[5]，从而降低了聚类的复杂度，并且提升了簇分布不均匀的数据集的聚类效果；……