[发明专利]一种基于K-means聚类的车队出行诱导方法

说明书

技术领域

本发明涉及到一种基于K-means聚类的车队出行诱导方法。

技术背景

目前，全球定位系统（Global Positioning System，GPS）在交通方面的应用越来越多，车载定位设备通过接收GPS卫星的数据信息，并结合相应软件的电子地图，可将车辆较为精确的位置显示在电子地图上。

在人们日常生活中，车队常有集体出行的情况，如团体自驾游、行业车辆进行运输任务等。在车队出行过程中，不同的司机对路况和行驶路线了解也不同，因此车队成员需要在行驶过程中保持通信以便清楚地了解车队中其他成员的情况。当前车队间完成通讯的手段主要依靠对讲机，这种做法的缺陷在于十分不直观，各成员间无法了解相互之间具体的位置，一旦有人掉队，需要花费较长时间沟通才能使掉队成员重新返回队伍，大大影响了车队行驶进度。

发明内容

为了克服现有的车队出行过程中的无法有效提醒掉队现象、出行诱导性能较差的不足，本发明提供一种能否有效地提醒掉队信息、出行诱导性能良好的基于K-means聚类的车队出行诱导方法。

本发明所采用的技术方案是：

一种基于K-means聚类的车队出行诱导方法，包括以下步骤：

步骤1、从数据库中筛选，将车队中所有车辆最新上传的位置提取出来，形成一个GPS位置集合（L₁,L₂,L₃.....L_n），n为车辆总数；

步骤2、从GPS位置集合中选择3个点L_a、L_b与L_c，1≤a,b,c≤n，将以上3点作为初始中心点，通过K-means聚类算法将该集合中的数据聚类成3组，即对应当前车队中行驶在前方的车辆、中间的车辆以及后方的车辆，即将车队分成前中后3个梯队；

所述K-means聚类算法的实现过程为：

（2.1）设定聚簇收敛阈值Delta和最大迭代次数M；

（2.2）将3个初始中心点作为初始值，对集合中其他点L_i逐一进行遍历，1≤i≤n并且i≠a,b,c，计算出各点到3个初始中心点的距离d_ia，d_ib，d_ic，并根据最小的距离将该点归类到3个初始中心点中的一个，GPS位置集合（L₁,L₂,L₃.....L_n）最终将并产生3个聚簇；

（2.3）更新3个聚簇的聚簇中心点，计算3个簇中每个点到簇中其他点的距离均值，距离均值最小的点被判定为该簇新的中心点；

（2.4）根据3个新的聚簇中心点重新聚类，过程与（2.1）中相同，计算出其余各分别点到3个中心点的距离，将各点归类到距离最短的中心点所属的簇中，依次类推，将集合重新聚类产生3个新的簇；

（2.5）各自比较上一次的3个聚簇中心与本次的3个聚簇中心的距离是否都小于收敛阈值Delta，若3个距离差均小于Delta，则判定整个K-means聚类过程收敛；反之，再查看迭代次数是否超过最大迭代次数M，若迭代次数超过M，算法结束，否则返回（2.2）；

步骤3、查看GPS位置集合分组后的3个梯队，获取数据最多的一个梯队中的中心点，依次计算与其他两个梯队中各个点的距离，得到该中心点与其他分组中各个点的距离，其距离公式如公式1所示：

d＝arccos(sin(y₀)sin(y_e)+cos(y₀)cos(y_e)cos(x₀-x_e))*R_e   (1)

其中，R_e为地球半径，(x₀,y₀)和(x_e,y_e)分别为两个位置点的经纬度坐标；之后，将距离d与系统设定的车队掉队距离阈值进行比较，若距离超过阈值，则找到该记录对应的车辆并通过后台消息发送向其发出掉队提醒；若没有超过阈值，则检查另外两个位置分组中下一个数据，直到检查完毕。

进一步，所述诱导方法还包括以下步骤：步骤4、通过计时检查完成以上任务所花时间，若没有超过设定的掉队查询时间，后台中掉队检查线程暂停；当本次检查周期时间超过了设定的掉队查询时间，则返回步骤1进行下一轮的车辆掉队检查；