孟祥泽， 胡啸峰*， 沈 兵

(1.中国人民公安大学信息网络安全学院， 北京 100038；2.中国人民公安大学公共安全行为科学实验室， 北京 100038)

老年人在社区室外行动中面临突发疾病(如心脏病)、走失(如阿尔兹海默症患者)等常见风险。调研发现，在大量老年人猝死事故案例中，如果在事故发生后的特定时间内能够快速发现并及时抢救，可以极大地降低死亡概率。当前，社区视频监控普遍存在死角，社区网格员及各类管理服务人员数量有限、工作繁重，难以全天候对社区老年人活动进行安全监控与服务，因此，基于定位装置与轨迹研判的监控方式逐渐受到重视。

目前，中外空间轨迹数据分析研究中，多采用聚类算法挖掘人员行为模式与轨迹序列特征。常用的轨迹聚类算法主要包括：①划分方法，如K均值聚类算法(K-means clustering algorithm，K-means)、最大期望算法(expectation-maximization，EM)，该类算法处理大数据集效果较好，但无法识别球形轨迹，赵玉明等[1]将基于Kullback-Leibler散度(Kullback-Leibler divergence)的相似性尺度与聚类方法相结合以提高聚类准确度；②层次方法，如BIRCH(balanced iterative reducing and clustering using hierarchies)[2]、CURE(clustering using representative)[3]算法，优点在于能够适应任意形状的轨迹和不同属性的数据，但计算时间较长；③基于密度的方法，如DBSCAN(density-based spatial clustering of applications with noise)算法[4,5]、OPTICS(ordering point to identify the cluster structure)算法[6]，CFSFDP(clustering by fast search and find of density peaks)算法[7-8]，优点是能够形成任意形状的簇，但是需要自定义参数，且最佳参数设定需要多次尝试；④基于网格的方法[9]，如STING(statistical information grid-based method)[10]、CLIQUE(clustering in QUEst)算法[11]，优点是可以处理任意类型的数据，但聚类效果依赖划分的网格单元。由于基于密度的算法可以形成任意形状的簇，并且无需预定义簇的个数，因此在轨迹分析研究中使用的频率较高。……