简介：面向轨迹数据在线分类与聚类需求的TRACLUS-master源码包，基于密度聚类思想完整实现了TRACLUS算法，支持在线输入位置点、轨迹分段、距离度量与聚类结果可视化，适合地理信息、交通分析及数据挖掘领域的研究者、工程师及高校学生使用。资源压缩包共38个文件，以26个MATLAB脚本（.m）为核心，覆盖数据预处理、算法主流程、绘图展示等模块；另含8个.mat数据文件（模拟轨迹与实测数据）、3个.asv自动备份文件及1个README说明文件，整体大小400KB，小巧清晰。已有506人学习下载。借助源码包，读者可深入理解轨迹聚类的核心步骤，直接复用或改造代码，也可结合附带数据快速验证，适用于人群流动规律挖掘、交通热点识别、物流路线优化等实际任务。
1. 轨迹聚类不是点聚类：TRACLUS 把整条轨迹当作聚类对象
手头有一批出租车 GPS 轨迹，每一条是时间顺序排列的坐标序列，想找出主干通勤流。用 DBSCAN 直接对坐标点聚类，得到的是“热点”，却看不出“从哪个方向来、往哪个方向去”的整体运动模式。原因在于点聚类丢失了轨迹的序列信息。TRACLUS 在这一步做了一个关键转换：先把轨迹切成分段，再把段当成最小单元做基于密度的聚类，最后用每个簇里的段合成一条代表轨迹。这个 MATLAB 源码包把整套流程落成了模块——traclus.m 是主流程，segment.m 负责分段，cal_LH.m 和 cal_LDH.m 算 MDL 成本，m_plot_seg.m、m_plot_clus.m 负责可视化。适合要快速验证轨迹聚类效果、跑对比实验，或者把算法移植到自己数据集上的工程师和数据研究人员。
2. 两阶段框架与 MDL 分段：为什么先切段而不是直接聚类整条轨迹
2.1 整条轨迹做相似度计算的三个问题
直接用整条轨迹做聚类，先碰到的就是长度不一致。一条从望京到中关村的轨迹有 120 个 GPS 点，另一条绕五环的轨迹有 400 个点，算相似度时，长轨迹里的大量点会把短轨迹“淹没”。第二个问题是起点终点漂移，同一条路上反向行驶的两条轨迹，空间上重叠但运动方向相反，若只算几何距离，会把它们归到一起。第三个问题是中间绕路，车辆等红灯、送乘客拐进小区，这些局部偏移在整条轨迹尺度上会变成噪声，却会让相似度计算失真。
TRACLUS 的两阶段框架用“分区-聚合”绕开了这些问题。第一阶段用 MDL（最小描述长度）原则把所有轨迹切成轨迹段；第二阶段把这些段当作带方向的线段，用基于密度的聚类算法聚合，最后从每个簇中生成代表轨迹。切段是整套方法的地基，本小节先讲清楚分段这一层的原理。
2.2 MDL 分段的成本构成：cal_LH.m 与 cal_LDH.m
MDL 的思想是：在给定数据的前提下，一组假设如果能用最短的编码长度解释数据，就是好的假设。放在轨迹分段里，假设是“用若干条直线段表示这条轨迹”，编码长度分两部分：
- L(H)：描述这些段本身需要的成本。段数少、总长度短，成本就低。
- L(D|H)：用这些段代替原始轨迹后产生的误差。段数少、误差大，成本就高。
两个成本互相拉扯，最小化 L(H) + L(D|H) 的那个分段点集合，就是 MDL 选出的最优分段。
源码里 cal_LH.m 在计算这个组合成本，cal_LDH.m 在其基础上多了方向差成本，两者的输入输出都是分段候选集。需要说明的是，纯 MDL 分段一般不跨轨迹，只对单条轨迹内部做决策，所以它并不考虑相邻轨迹之间的空间关系，这是它和后面聚类阶段的职责边界。
分段点选择的最小化过程
MDL 选择是贪心扫过的。对一条轨迹，从第 1 个点开始，不断尝试把当前段延长到更远的点；每次延长都算一次 LH 或 LDH 成本，当延长带来的误差成本增量大于节省的段描述成本时，就在当前点切一刀。常见做法是枚举所有可能的切分组合再选最小，但那是 O(n²)，在 GPS 高频采样下会卡住，所以 TRACLUS 源码里配套了 gen_segment_set.m 来生成候选段集合，把搜索范围限制在有意义的分段点上。
核心代码长的样子（分段循环的核心判断）：
% 输入: traj 是 N x 2 的坐标序列, cal_fun 指向 cal_LH 或 cal_LDH % 输出: seg_idx 记录每个分段起止点的下标 seg_idx = []; start = 1; k = 2; while k <= size(traj, 1) cur_cost = cal_fun(traj(start:k, :)); nxt_cost = cal_fun(traj(start:k+1, :)); if nxt_cost > cur_cost * (1 + alpha) % alpha 是松弛系数 seg_idx = [seg_idx; start, k]; start = k; end k = k + 1; end seg_idx = [seg_idx; start, size(traj, 1)];这段代码的作用是逐个点尝试把当前段向后延伸，若延伸后的 MDL 成本超过当前段成本的一定比例，就认定再延下去误差收益不划算，在 k 处落刀。alpha 用来给“误差容忍”留余量，源码包不显式暴露它，但实际复现时取 0.1～0.3 效果更贴近原论文。参数说明：traj 必须是按时间顺序排列的坐标矩阵，seg_idx 每行是一个分段的起止下标，后续送入 traclus.m 时直接用它索引原始点即可。需要注意如果采样率不固定，应先按时间戳重采样，否则 k 和 k+1 之间的物理距离不均匀，判断会失真。
2.3 包内分段相关文件的功能分工
| 文件名 | 作用 | 输入 | 输出 |
|---|---|---|---|
| segment.m | 单条轨迹分段的入口 | 原始轨迹矩阵 | 分段起止索引 |
| gen_segment_set.m | 生成候选分段集合 | 轨迹点集 | 候选段的起止对 |
| cal_LH.m / cal_LDH.m | 计算 MDL 分段成本 | 一段坐标 | 成本标量 |
| struct_traj_segs_set.mat | 分段结果的数据结构样例 | 无 | 保存分段集合 |
这里面 struct_traj_segs_set.mat 是已经跑过的分段结果，想对比算法参数影响时，先用它作为 baseline 再跑自己的数据，比直接对原始数据调试更快，原因在于它隔离了分段环节的变量，只暴露聚类环节的调试空间。
3. 距离度量与 DBSCAN 变体：traclus.m 里 eps 与 minLns 怎么设
3.1 轨迹段之间的距离到底怎么算
分段产出的是一堆有向线段。聚类时判断两个段是否靠近，TRACLUS 用的不是欧氏距离，而是三个分量的组合：垂直距离 d_perp、水平距离 d_paral、角度距离 d_angle。垂直距离衡量一条段的端点到另一条段的垂直投影偏移，水平距离衡量两条段在彼此方向上的重叠长度差，角度距离是两者方向的夹角差。
源码里 mbr_distance.m 用最小包围矩形来加速这两个几何量的计算，th_distance.m 处理的是阈值化距离，min_st_distance.m 在计算段起点到参照点的最小距离，这些工具函数最后都汇聚到 traclus.m 的邻域查询里。需要指出的是，TRACLUS 原文里距离公式对两条段是对称的，但包装成代码时如果直接对坐标反复调 atan2 和投影，会在段数量大时变成性能瓶颈，所以包里的实现大多先求段的几何参数（起点、终点、方向角、长度），再套距离公式。
3.2 traclus.m 的主流程与核心参数
traclus.m 是把分段集合变成簇的枢纽，流程上就是 DBSCAN 的轨迹版：先对每个段找 eps 邻域内的邻居段，再根据邻域大小判断它是不是核心段，最后从核心段出发做密度可达的扩展。
% 输入: seg_list 为分段结构体数组, 每个元素有 start_point, end_point, angle % 参数: eps, minLns 由外部传入 clusters = {}; visited = false(length(seg_list), 1); for i = 1:length(seg_list) if visited(i), continue, end visited(i) = true; neighbors = find_neighbors(seg_list, i, eps); % 调 mbr_distance 加速 if length(neighbors) < minLns continue; % 噪声段, 不参与扩展 end % 扩展簇 cluster = expand_cluster(seg_list, i, neighbors, eps, minLns); clusters{end+1} = cluster; end逻辑说明：find_neighbors 查询时工程质量差别最大的是“要不要先画格网”。段数量过万时，最朴素的两两计算是 O(n²)，即使有 mbr_distance 的包围盒裁剪也撑不住。可以参照 set2map.m 的做法，把段的包围盒映射到二维网格，只在目标段所在网格及相邻网格里找邻居，这能把邻域查询从全表扫描降到局部扫描。参数说明：eps 的单位和坐标一致，lat/lon 坐标下应先把经纬度投影到平面坐标系，否则距离单位不统一，eps 会失效；minLns 默认取 2～5，代表至少要有这么多条段才能构成一个簇，调大它会让小簇消失，调小则噪声段也会被拉进簇里。
3.3 参数标定与可视化迭代
参数不能靠猜，图也不能靠肉眼硬看。常规做法是先跑一遍默认参数，把分段结果画出来，测量一下段长的中位数，再以这个中位数的 0.2～0.5 倍作为 eps 初值，minLns 取 3，然后观察 m_plot_clus.m 输出的簇数变化。簇数骤降，说明 eps 过大，把相邻子区域都粘连了；簇太小太多，则是 eps 或 minLns 过小。调参时用同一份数据多试几次，直到 m_plot_clus.m 里大部分簇的段数落在 20～200 的区间，分布比较稳定，就可以把参数固化成经验值。
下表是调试时常用的参数对照：
| 参数 | 含义 | 影响面板 | 建议初值 |
|---|---|---|---|
| eps | 邻居段距离阈值 | 过大→簇粘连；过小→簇碎片化 | 段长中位数 x 0.3 |
| minLns | 成为核心段的最小邻居数 | 过大→小簇消失；过小→噪声入簇 | 3 |
| alpha | 分段延长松弛系数 | 过大→分段粗，方向信息糙 | 0.15 |
| 坐标投影 | 距离计算基于投影坐标 | 不统一→eps 失真 | UTM 或 Web Mercator |
最后那行坐标投影不是 TRACLUS 源码的参数，但它是实际跑数据最容易翻车的地方。原始 GPS 纬度一度对应的地面距离和经度不同，直接拿经纬度算 eps，高纬度区域会在经度方向被“拉伸”，聚类形状会畸变，所以必须在加载数据后先做投影变换再进入算法。
4. 在线分类与数据接入：load_raw_traj.m 与 RanTraj.m 的批处理方式
4.1 包内置数据与加载函数对照
这个数据集里既有真实形态的轨迹，也有仿真数据生成器。看数据文件名就能判断：TRACK.mat、ASTS.mat、struct_traj.mat 是原始轨迹对象；struct_traj_segs.mat、ASTS_SEG.mat 是分段结果；struct_traj_segs_map.mat、ASTS_SEG_MAP.mat 是构建了空间索引后的分段。配套的加载函数把不同格式统一成 struct 数组，后面接 traclus.m 就不需要关心数据从哪来。
| 数据文件 | 加载函数 | 内容说明 | 典型用途 |
|---|---|---|---|
| TRACK.mat | load_raw_traj.m | 原始轨迹，每行一条 | 跑分段与聚类全流程 |
| ASTS.mat | load_asts_data.m | ASTS 格式轨迹 | 对比不同数据源的兼容性 |
| struct_traj.mat | load_raw_traj.m | 结构体封装的轨迹 | 调 get_segs.m 提取分段 |
| ASTS_SEG.mat | load_asts_data.m + segment.m | 分段缓存 | 跳过分段直接调参 |
| struct_traj_segs_map.mat | load_raw_traj.m + gen_segment_map.m | 带空间索引的分段 | 大数据量邻域查询加速 |
在线分类的需求常见于轨迹流式进入的场景，比如实时交通监控。TRACLUS 原版是批处理算法，把“在线”落到这套代码里时，围绕的是 get_new_data.m 与 set2map.m 的组合：新轨迹到达后，先用 segment.m 切段，再与已有分段集合合并，重新执行 traclus.m 的聚类，只对新增段影响的局部区域做重算，这样能在不全局重跑的前提下完成分类。
4.2 get_new_data.m 的工程化封装
get_new_data.m 承担数据接入的职责，本质是一个带缓冲的读取器，每次调用返回一段新轨迹。用它做在线模拟，核心是维护一个“当前已见轨迹集合”的状态，让聚类器可以增量消费数据。下面的示例展示这种状态如何组织：
% 假设全局状态存储在 appdata 中 % online_state 包含已经处理过的分段与当前索引 state = getappdata(0, 'traclus_online_state'); if isempty(state) state = struct('all_segs', [], 'next_idx', 1); end [raw, next_idx] = get_new_data(state.next_idx); state.next_idx = next_idx; % 对新增轨迹做分段 new_segs = segment(raw); state.all_segs = [state.all_segs; new_segs]; setappdata(0, 'traclus_online_state', state);这段代码把 get_new_data.m 的返回值接到分段器上，并把分段结果追加到全量集合。next_idx 的作用是记录读取游标，保证每条轨迹只处理一次；setappdata 在 MATLAB 的 GUI 环境下可以跨函数共享状态，命令行环境下换成持久变量或返回结构体同样可行。理解这一点对二次开发很重要：在线分类的本质是分段结果随数据到达而累积，聚类过程本身并不需要重跑全部历史，只需针对受影响区域增量展开。
4.3 仿真数据生成与随机轨迹的边界
想在没有真实轨迹的情况下验证算法，或者是测试算法对噪声的鲁棒性，可以用 RanTraj.m 和 gen_simu_raw_data.m 生成模拟数据。这类生成器的关键参数是段数、噪声点比例、轨迹的随机游走步长。生成数据时需要注意：模拟轨迹的方向分布应尽量贴合真实场景，否则调出来的参数在真实数据上会失效。比如交通流轨迹在早晚高峰有明显的方向集聚特征，随机游走数据则各向同性，后者调参的结果拿到前者数据上，eps 大概率需要成倍调整。
生成器输出的轨迹在喂给 load_raw_traj.m 之前，最好检查时间戳列是否存在，TRACLUS 分段只依赖坐标序列的顺序，过密的采样会拉长 MDL 分段处理时间，建议按固定时间间隔重采样，比如 5 秒一个点，既保留方向变化信息，又降低后续距离计算的开销。数据量级大时，把重采样放在生成器内部做，比在加载后做，能省去不少不必要的内存拷贝。
5. 用 m_plot 系列函数校准聚类，并从代表轨迹反推参数
5.1 三层绘图函数的调用关系
调试 TRACLUS 时，绘图函数价值最高的不是“画得好看”，而是“画完能把问题暴露出来”。m_plot_seg.m 画分段，检查分段点是否切在转弯处；m_plot_clus.m 画聚类，每个簇用不同颜色，观察簇的空间聚集形态；m_plot_rep_traj.m 画代表轨迹，它把簇内所有段的几何平均体现在一条粗线上，用来看簇的中心趋势是否合理。
% 绘制分段结果与聚类结果 figure(1); m_plot_seg(seg_idx, traj, 'color', 'k', 'linewidth', 1); figure(2); m_plot_clus(clusters, 'colormap', 'lines', 'show_noise', true); figure(3); m_plot_rep_traj(clusters, rep_traj, 'color', 'r', 'linewidth', 2);第一行把分段点之间用线段连起来，能直观看到切点是否在方向突变处。如果切点在直道路段上密密麻麻，说明 alpha 太大，分段偏碎；如果转弯处没有被切开，说明 alpha 太小，分段跨过了方向转折。第二行聚类图里噪声段用灰点显示，簇用不同颜色，如果噪声占比超过全部段的 30%，先调 eps 和 minLns，而不是先改分段逻辑。第三行代表轨迹是在簇内段集合上做几何平均得到的，坐标平滑但方向可能略钝，属正常现象。
5.2 从图返回到参数的一个完整判断路径
以一段车辆轨迹为例。m_plot_seg.m 显示分段线在环形交叉口处出现了两条互相交叉的段，说明该区域分段没有在合适的点切开，可以尝试把 alpha 从 0.15 降到 0.10，或者把轨迹先按角度变化率重采样，让转弯处的点密度更高。m_plot_clus.m 显示四条颜色簇，但其中一条横跨了垂直方向和水平方向的长直线，这条簇的段方向角跨度超过 90°，说明 eps 偏大，把两条方向不同的道路段拉进同一个簇。此时将 eps 从段长中位数的 0.4 倍降到 0.25 倍，重新聚类，代表轨迹会明显分开，簇内方向角方差也会下降。这套判断在调试新数据集时大约占整个调参时间的一半，先把图画出来再动参数，比直接改数值要有依据得多。
5.3 代表轨迹的平滑度作为调参信号
代表轨迹是每条簇内所有段的加权平均。如果代表轨迹出现锯齿状折线，而原始轨迹本身是光滑的，说明簇内的段在方向上有冲突，通常是由 eps 过大引起的；如果代表轨迹过短，只覆盖了簇的一小段空间范围，说明 minLns 设得太高，把本应连成一体的轨迹段拆散到了不同簇。可以结合簇内的段长分布一起看，段长中位数偏低，也表明分段阶段偏碎。实际复现时，我会每一步都用 figure 和 hold on 把不同聚类参数的轮廓叠在同一张图上，用透明度比较各参数下的稳定性，再锁定参数范围，这样能避免重复绘图带来的低效，也能在汇报结果时直接展示参数敏感性。
本文还有配套的精品资源，点击获取
