均值漂移聚类、dbscan、Bisecting K-Means对于时空轨迹数据的适用性

均值漂移聚类、DBSCAN和Bisecting K-Means都是适用于时空轨迹数据的聚类算法。

均值漂移聚类可以自动确定参考点的数量和位置，从而更好地适应密度变化的数据集。因此，它适用于具有噪声和密度变化的数据集。

DBSCAN是通过计算每个点周围的密度来确定簇的形状和数量的。它能够处理任意形状的簇，并且能够很好地处理噪声。

Bisecting K-Means则通过递归的方式将数据集分割成二叉树形状，将最相似的数据点划分到同一个簇中。它能够很好地处理大规模数据集，适用于高维数据集。

总之，这些算法都是适用于处理时空轨迹数据的聚类算法。具体采用哪个算法要根据数据集的特性来选择。