AIS数据集轨迹聚类代码

以下是一个基于Python的AIS数据集轨迹聚类代码示例：

import pandas as pd
from sklearn.cluster import DBSCAN
from geopy.distance import great_circle
from shapely.geometry import MultiPoint

# 读取AIS数据集
ais_data = pd.read_csv('ais_data.csv')

# 将经纬度数据转换为点
coords = ais_data[['latitude', 'longitude']].values
points = [tuple(x) for x in coords]

# 计算聚类半径
kms_per_radian = 6371.0088
epsilon = 0.5 / kms_per_radian

# 使用DBSCAN算法进行聚类
db = DBSCAN(eps=epsilon, min_samples=3, algorithm='ball_tree', metric='haversine').fit(np.radians(points))
cluster_labels = db.labels_

# 将聚类结果添加到数据集中
ais_data['cluster'] = cluster_labels

# 获取每个簇的中心点
cluster_centers = pd.DataFrame(columns=['latitude', 'longitude'])
for cluster in set(cluster_labels):
    if cluster == -1:
        continue
    # 获取簇中所有点的经纬度坐标
    cluster_points = coords[cluster_labels == cluster]
    # 计算这些点的中心点
    centermost_point = MultiPoint(cluster_points).centroid
    # 添加中心点到cluster_centers
    cluster_centers.loc[cluster] = [centermost_point.x, centermost_point.y]

# 将聚类结果写入文件
ais_data.to_csv('ais_data_clustered.csv', index=False)
cluster_centers.to_csv('ais_data_cluster_centers.csv', index=False)

这个代码使用了DBSCAN算法对AIS数据集中的轨迹进行聚类，并将聚类结果写入文件。聚类半径通过计算每个点之间的距离来确定，聚类结果使用簇的中心点表示。