1.一种基于形状因素调整的交通轨迹聚类相似性计算方法，其特征在于，包括以下步骤：步骤一：数据采集与数据预处理

采集多辆出租车轨迹数据，并进行预处理；

步骤二：时间区域划分

基于出行轨迹时间，将预处理后的轨迹数据集划分为不同集合，得到多个基于时间段的轨迹数据集；

步骤三：计算点—段距离

对基于时间段的轨迹数据集进行计算，得到点—段距离；

步骤四：优化点—段距离；

步骤五：根据优化后的点—段距离，计算段—段距离；

步骤六：根据段—段距离，计算相似性；

步骤三的具体过程如下：

首先通过公式(1)计算坐标rmid1(xmid1,ymid1)与坐标rmid2(xmid2,ymid2)：其中，xmid1为点rmid1的经度，ymid1为点rmid1的纬度；xmid2为点rmid2的经度，ymid2为点rmid2的纬度；

ri‑1，ri，ri+1是轨迹R中连续的3个轨迹点，rmid1、rmid2分别是原子轨迹段ri‑1ri、riri+1的中点；

通过公式(2)计算轨迹点sj到轨迹点ri投影轨迹段的单向点—段距离distst(sj,ri)；

同理计算轨迹点ri到轨迹点sj投影轨迹段的单向点—段距离distst(ri,sj)；最后通过公式(3)将轨迹点ri与轨迹点sj之间的欧式距离经点—段距离转化为两个点之间的总的点—段距离distsd(ri,sj)；

distsd(ri,sj)＝distst(ri,sj)+distst(sj,ri)           (3)；

步骤四的具体过程如下：对点—段距离distsd进行优化，得到优化后的点—段距离distp，如公式(5)所示：

公式(5)中，θ1为轨迹点ri的轨迹点夹角，θ2为轨迹点sj的轨迹点夹角，θ为预先设定的角度预值，min(distsd‑1)为distsd(ri‑1,sj)，distsd(ri,sj‑1)，distsd(ri‑1,sj‑1)三个点到点距离中的最小值，min(distsd+1)为distsd(ri+1,sj)，distsd(ri,sj+1)，distsd(ri+1,sj+1)三个点到点距离中的最小值；

步骤五的具体过程如下：

轨迹序列R＝{r1,r2,...,ri,...,rn}，S＝{s1,s2,...,sj,...,sm}，子轨迹段riri+1与子轨迹段sjsj+1之间的距离为这两条子轨迹段的段—段距离distd(Ri,Sj)，由公式(6)计算；

distd(Ri,Sj)＝distp(ri,sj)+distp(ri+1,sj+1)             (6)distp(ri,sj)为轨迹点ri到轨迹点sj投影轨迹段优化后的点—段距离，distp(ri+1,sj+1)为轨迹点ri+1到轨迹点sj+1投影轨迹段优化后的点—段距离；

两条子轨迹段的夹角ω如公式(7)所示：

ω＝|arctan2(yi+1‑yi,xi+1‑xi)‑arctan2(yj+1‑yj,xj+1‑xj)|          (7)对公式(6)进行优化，得到最终的段—段距离dists(Ri,Sj)，如公式(8)所示；

dists(Ri,Sj)＝f(ω)distd(Ri,Sj)          (8)上式中函数f(ω)由公式(9)给出：

其中，ω是两条子轨迹段的夹角，δ是形状调节因子，lmin为对应的两段子轨迹段中较短的一条，lmax为对应的两段子轨迹段中较长的一条；

步骤六的具体过程如下：根据DTW算法，利用段—段距离，计算轨迹序列R、轨迹序列S的累积距离DTW(R,S)，如公式(10)所示：其中，n是轨迹序列R上的原子轨迹段数目，m是轨迹序列S上的原子轨迹段数目，Head(R)表示轨迹序列R上的第一个原子轨迹段R1，Head(S)表示轨迹S上的第一个原子轨迹段S1，Rest(R)表示轨迹序列R去除了第一个原子轨迹段后的轨迹。