朱瑜亮

(中国电科集团第十研究所，四川 成都 610036)

0 引言

航迹聚类是航迹数据分析中的一个重点，通过对记录或实时的航迹数据的聚类分析，可以获得不同空中目标的飞行路径、飞行范围、飞行特征等信息，帮助指挥人员了解空中目标态势，对空情进行指挥或事后研究分析。

以往传统航迹聚类方法，有可以对空间中K 个点为中心进行聚类，对最靠近中心点的对象归类，并迭代中心点位置的K-means 算法。K-means 算法可对圆形或球状的聚类数据进行处理，但无法处理任意形状的数据簇聚类，且需要事先人工设置聚类类别数K，聚类结果也受起始中心点设置的影响。

也有基于网格的移动对象处理算法，将时空域划分为网格，把航迹数据点划分到不同网格内可解决航迹点本身的定位误差，再将邻域密度高于门限的网格连接成簇进行聚类。但对密度不均匀、密度差异大的数据集聚类效果不好，门限参数不好选取，且不能处理空域数据的聚类。

还有基于空间密度的聚类算法DBSCAN，通过统计点迹数据集内任意点邻域内邻近点的数量，不断向邻域扩张聚合为簇，直到遍历所有点完成聚类。同样可发现任意形状的数据聚类，但对密度不均匀、密度差异大的数据集聚类效果不好，且不能处理时空域数据的聚类。

本文使用基于ST DBSCAN 的航迹聚类，既符合DBSCAN 聚类算法的特点和优点又增加了从时间域对目标数据集的扫描。

1 ST DBSCAN 算法

ST DBSCAN 算法的航迹提取实现是在时间域和空间域上对目标点迹进行扫描，以目标航迹点的密度为依据进行聚类。……