可能有点晚了，但我也在研究相同的问题。我建议您看一下 ，该算法由Jae-Gil Lee，Hanwei Wei和Kyu-Young Wang创建，发布于SIGMOD‘07。http://web.engr.illinois.edu/~hanj/pdf/sigmod07_jglee.pdf
到目前为止，这是我所看到的对轨迹进行聚类的最佳方法，因为：
基本上是两个阶段的方法：
-分区：将轨迹划分为段，这是使用MDL优化（复杂度为O（n））完成的，其中n是给定轨迹中的点数。这里的输入是一组轨迹，输出是一组段。
-组：此阶段使用某些版本的基于密度的集群来发现集群，例如DBSCAN。该阶段的输入是从第一阶段获得的线段集合以及构成邻域的一些参数以及可以构成群集的最小数量的线。输出是一组群集。聚类是在段上完成的。他们定义了自己的距离量度，该量度由3个分量组成：平行距离，垂直距离和角距离。此阶段的复杂度为O（n log n），其中n是段数。
复杂度：O（n log n），其中n是集合D上的段数
最后，他们为每个簇计算一个 ，这 无关。
他们有很酷的例子，论文也得到了很好的解释。再一次，这不是我的算法，因此，如果您要进行研究，请不要忘记引用它们。
PS：我基于他们的工作制作了一些幻灯片，仅用于教育目的：http ://www.slideshare.net/ivansanchez1988/trajectory-clustering-traclus- algorithm
602392714
清零编程群