聚类分析在GPS数据处理方面有很大的研究价值。聚类分析是把数据集分解或划分成多个类或组,使同一组中的数据比较相似,不同组的数据差别较大。通过聚类,可以识别数据之间的相似度,从而发现数据的分布模式和数据属性之间的相互关系。本文以GPS定位系统的应用为背景,以提高GPS绝对定位和相对定位精度及抗干扰能力为目的,重点探讨了公共交通GPS接收设备接收的GPS原始数据质量对定位精度的影响,提出了一种基于加权聚类的新型抑漂算法-CVK抑漂算法。目前一般处理车辆GPS静态漂移的方法是利用车载惯性传感器辅助GPS定位,但是惯性器件组成结构复杂、成本高昂、可移植性差,不适用于公共交通领域。本文所提算法不依赖任何硬件设备,成本低廉,具有创新性以及良好的稳定性、可移植性。CVK算法选用的聚类方法是K-means划分聚类算法,针对K-means算法聚类中心选择难和不易确定分类数的特点,CVK算法对此进行了改进,引进了点集均匀度指数和BWP新指标来对聚类中心进行预估以及确定最佳分类数,在此基础上还采用了基于启发式算法进行加权计算来提升其聚类效果。CVK算法已经在贵州省贵阳公交大数据调度平台运行,经公交公司反馈,该算法表现良好,定位精度及各项指标完全满足贵阳公交公司的需求。