[发明专利]一种基于Canopy+Kmeans聚类的路网子区划分及其评估方法

权利要求书

1.一种基于Canopy+Kmeans聚类的路网子区划分方法，其特征在于，路网子区划分方法以实时采集路段中心经纬度、路段平均速度、路段平均密度为样本数据，具体步骤如下：

(1)进行数据预处理；采用基于“最小最大原则”的Canopy算法，确定若干个Canopy及Canopy中心点；

(2)在步骤(1)之后，进行Kmeans的二次聚类；采集步骤(1)中的Canopy中心点，以各Canopy中心点为K个聚类中心点；

(3)在步骤(2)之后，分别计算各数据点到K个聚类中心点的欧氏距离，并将其划分到距离最小的聚类中，形成新的聚类；

(4)在步骤(3)之后，计算K个新聚类中各数据点的均值，并将该值作为新的聚类中心u_k，其公式如下：

式中，r_nk——是否属于第K类的系数，若x_n属于在第K类的范围内，则r_nk＝1，否则r_nk＝0，r_nk的公式如下：

(5)在步骤(4)之后，然后循环步骤(3)到(4)，直到聚类中心不再变化；

(6)在步骤(5)之后，输出结果，得到K个聚类，根据K个聚类完成路网子区的划分。

2.根据权利要求1所述的基于Canopy+Kmeans聚类的路网子区划分方法，其特征在于，在步骤(1)中，确定若干个Canopy形成Canopy集合，具体步骤如下：

采集路网数据，形成路网数据集合X＝{x_i|i＝1,2,…,n}，其中x_i为路网中第i条路段的子区划分参数，x_i＝{路段中心经度x_i1，路段中心纬度x_i2，路段平均速度x_i3，路段平均密度x_i4}；对于若其满足如下公式：

则，称x_i为Canopy集合，C_j为Canopy中心点且假设已知前m个Canopy中心点，则Dist_min(i)表示第i个候选数据点x_i与前m个Canopy中心点之间最小距离的最大者，其公式如下：

式中，——待确定的第i个Canopy中心点与前m个已确定的Canopy中心点的所有间距中最小距离。

3.根据权利要求1所述的基于Canopy+Kmeans聚类的路网子区划分方法，其特征在于，在步骤(1)中，确定Canopy中心点，具体步骤如下：

采集路网数据，形成路网数据集合X＝{x_i|i＝1,2,…,n}，对于若其满足如下公式：

则称C_m为非Canopy候选中心点集合。

4.一种对权利要求1至3任一项所述的基于Canopy+Kmeans聚类的路网子区划分方法的评估方法，其特征在于，采用浮动车数据FCD，估测路网的宏观基本图MFD，对路网子区划分方法的划分结果的合理性进行测试评估。

5.根据权利要求4所述的基于Canopy+Kmeans聚类的路网子区划分方法的评估方法，其特征在于，采用浮动车数据FCD，估测路网MFD的公式如下：

式中：k^w——利用浮动车数据估算的路网交通密度(veh/km)；

q^w——利用浮动车数据估算的路网交通流量(veh/h)；

ρ——浮动车在路网中的覆盖率；

m′——采集周期T内记录的浮动车数；

n——路网中路段总数；

t′_j——采集周期T内第j浮动车的行驶时间(s)；

l_i——第i路段的长度(m)；

T——采集周期(s)；

d′_j——采集周期T内第j辆车的行驶距离(m)。