1. 标题

· A mathematical morphology based method for hierarchical clustering analysis of spatial points on street networks

· 基于数学形态学的网络空间点层次聚类方法研究

2. 成果信息

· Wenhao Yu*. A mathematical morphology based method for hierarchical clustering analysis of spatial points on street networks. Applied Soft Computing, 2019, 85, 105785.

3. 成果团队成员

· 禹文豪，博士，中国地质大学（武汉）地理与信息工程学院，副教授，主要从事地图综合、空间数据挖掘和智慧城市应用等研究。（联系邮箱：ywh_whu@126.com；个人网站：http://grzy.cug.edu.cn/yuwenhao/zh_CN/index.htm）

4. 成果介绍

聚类分析旨在将对象集合分组为由类似对象组成的多个类，其中一个关键是定义对象间的相似关系即距离。传统空间聚类研究主要基于欧氏距离，认为对象间可直线到达，然而城市环境下诸多现象或目标依赖于交通网络，需由最短路径约束其空间关系。此外，比较一般事务型数据，空间对象本质上具有尺度特征，相关应用较难从单一尺度描述群组的分类模式。为解决上述问题，本研究开展基于网络距离的层次聚类分析，识别不同尺度下的空间群组模式与分类特征。考虑到网络最短路径搜索的时间复杂度问题，本研究提出一种基于数学形态学算子的凝聚式聚类算法，该算法可有效提高网络空间点聚类效率，其具体过程如下：

（1）每一个点投影至街道网络弧段，并视为一个簇；

（2）从投影位置出发，采用网络约束的数学形态算子（即膨胀），扩展离散簇在网络上的覆盖范围；

（3）当不同簇的膨胀边界重叠时，将其融合为一个整体；

（4）重复以上过程，直至仅存一簇。

（a）                             （b）

（c）                             （d）

Fig. 1. The network hierarchical spatial clustering process by morphological operator (The color corresponds to a spatial cluster): (a) the 13th-level clustering (260 m); (b) the 38th-level clustering (760 m); (c) the 64th-level clustering (1280 m); (d) the 90th-level clustering (1800 m).