[发明专利]基于最大生成树和最优图分割的OD流向聚类方法

权利要求书

1.一种基于最大生成树和最优图分割的OD流向聚类方法，其特征在于，包括以下步骤：

步骤S1:采集待测轨迹数据；

步骤S2:从待测轨迹数据中提取出每条轨迹数据的编号、O点和D点的经纬度坐标信息以及时间信息构成原始流向数据，对所有的流向数据进行预处理后构成OD流向集合F；

步骤S3:计算OD流向集合F中各OD流向间的相似性数值，并构建F的最大权重生成树MST，并对其进行切割，得到若干个互无相似关系的子树CT和噪声流向；

步骤S4:对子树进行自相似性判断，如果子树的自相似性满足预设类簇输出标准，则将子树中的流向组织成OD流向类簇进行输出，否则进行步骤S5；

步骤S5：对不满足类簇输出标准的子树采用迭代的最优二分割方法进行切割，直到切割后的预设子树满足类簇输出标准并组织成OD流向类簇输出。

2.根据权利要求1所述的基于最大生成树和最优图分割的OD流向聚类方法，其特征在于，所述步骤S3具体为：

步骤S31:计算OD流向集合F中各OD流向间的相似性数值；

步骤S32:将流向集合F中的每条流向看作一个顶点，两顶点之间的连线看作边，流向之间的相似性数值作为顶点之间的权重；

步骤S33:构建最大权重生成树MST并将其分割成子树和噪声流向。

3.根据权利要求2所述的基于最大生成树和最优图分割的OD流向聚类方法，其特征在于，所述步骤S31具体为：

OD流向间的相似性数值计算方法如下：

sim(F_i，F_j)＝1-func(ratioO)*func(ratioO)*func(ratioTime)/2³

ratioO＝dist(O_i，O_j)/disLimit

ratioD＝dist(D_i，D_j)/disLimit

ratioTime＝span(time_i，time_j)/timeLimit

其中，dist(O_i,O_j)为流向F_i和F_j在O点处的距离，dist(D_i,D_j)为流向F_i和F_j在D点处的距离，span(time_i,time_j)为流向F_i和F_j的上车时间差或下车时间差，timeLimit为人工输入的时间参数，单位为分钟或者小时，disLimit为空间相似性参数，其计算方法为：

其中len(F_i)为流向F_i的长度，k＝3；为了防止OD流向长度过长，聚类结果的空间特征将会十分模糊，增加了一个限制条件，即当流向长度大于5000m时，disLimit为固定值5000/k，单位：米；

当sim(F_i，F_j)∈[0，0.875]时，流向Fi和Fj时空相似，且sim(F_i，F_j)越大，流向F_i与F_j的时空相似程度越高。

4.根据权利要求2所述的基于最大生成树和最优图分割的OD流向聚类方法，其特征在于，所述步骤S33具体为：

步骤S331:选取任意的顶点作为最大权重生成树MST的构建起点；

步骤S332:选取出最大权重生成树中的顶点与孤立的顶点之间的最大权重的边，将该边和对应的顶点加入到MST中；

步骤S333:重复第2步，直到所有的顶点加入到MST中，完成MST的构建过程；

步骤S334:将MST中权重小于0的边打断，得到若干个无相似关系的子树CT和噪声流向。