我正在使用一个包含纬度、经度和日期时间的数据集，每天有500万个点。我没有一个预期的集群数量，这取决于它应该改变的日期。
我在编码 Python ，带有 clickhouse database 存储源数据。
==>有没有办法 spatiotemporal clustering 包括3个功能？
到目前为止，我已经对这3个特性进行了缩放/规范化，并使用了minibatchkmeans（当前使用的解决方案），或者 Euclidian distance ，但我已经不知道点之间的物理距离了。 DBSCAN 或者 HDBSCAN 与 Havresine 只接受2个特征（以弧度表示的纬度）。
另外，卷排除了不可扩展的非优化解决方案（我在github上尝试了st dbscan，在仅运行2小时数据的15小时后停止了它）。
我希望我的数据点集群在位置和时间上重新组合最近的点。