[发明专利]一种基于聚类算法的共享单车停车区布设方法

权利要求书

1.一种基于聚类算法的共享单车停车区布设方法，其特征在于，包括如下步骤：

S1、获取共享单车历史位置数据；

所述步骤S1中，每隔T小时，获取一次城市区域内所有共享单车的历史位置数据，累计采集14天；第一个7天数据为训练集，第二个7天数据为验证集；共享单车的历史位置数据包括每辆车的编号n、经度纬度λ、获取时间t；

S2、对共享单车位置数据进行坐标转换；

所述步骤S2中的坐标转换为聚类数据，将S1中的经度与纬度λ数据，转化为UTM坐标数据(E，N)，转化后的数据为聚类数据库；

S3、初始化DBSCAN算法聚类参数并初步聚类；

所述步骤S3具体包括如下步骤：

S31、初始化DBSCAN聚类模型的参数EPS和minPts，EPS和minPts从可选集Z中无放回的选取；可选集Z由EPS∈{x|0x60,x∈N}与minPts∈{x|0x30,x∈N}的任意两两组合构成；

S32、针对步骤S2的聚类数据库中坐标数据(E，N)，采用步骤S31中的参数值进行DBSCAN聚类，根据聚类结果将每组坐标标记为一级类编号或噪声；

S4、采用k均值聚类算法划分过大类；

所述步骤S4具体步骤为提取步骤S32聚类后的非噪声数据，对具有相同一级类编号的数据进行k均值聚类，k初始值设置为1；若生成的聚类中心到达该类中每个数据点的距离均小于临界值R1，则无需对该类进行细分，二级类编号与一级类编号相同；否则，调整k值为k+1，重新进行k均值聚类，直至每个子类中聚类中心到达该子类中每个数据点的距离均小于临界值R1，二级类编号为一级类编号+子类编号；

S5、评价指标计算与聚类参数遍历情况检验；

所述步骤S5具体包括如下步骤：

S51、评价指标计算：评价指标包含三个，覆盖率、总停车区数量和停车区平均自行车数，三个指标是关于聚类参数EPS和minPts的函数；

S52、聚类参数遍历情况检验：如果当前聚类可选集Z为空集，则表明聚类参数遍历完全，进入步骤S6；否则返回步骤S3继续进行；

S6、提出最优共享单车停车区位置及容量；

所述步骤S6根据优化问题计算选取最优聚类结果，决策变量为EPS和minPts；最优共享单车停车区位置为最优解对应的聚类中心，停车区容量为聚类中心对应的类别中含有的自行车数量；

S7、判别停车区布设效果的稳定性；

所述步骤S7中停车区布设效果的稳定性由训练方案与验证方案的交叉最短邻距离CNND确定；

所述步骤S7中的CNND计算公式如下：

其中，n_Ai为训练方案中第i个自行车停车区的停车容量，n_Bi为验证方案中第i个自行车停车区的停车容量，d_Ai为训练方案中的第i个停车区到验证方案中任一停车区的最短距离；d_Bi为验证方案中的第i个停车区到训练方案中任一停车区的最短距离；m_A和m_B分别为训练方案和验证方案中规划的停车区个数；

当CNND小于或等于临界值R2，则通过稳定性检验，输出步骤S6中的停车区位置与停车区容量，结束所有计算步骤；当CDDN大于临界值R2，则不通过稳定性检验，减少数据获取时间间隔T，即增大数据获取频率，为原来的一半，返回至步骤S1重新获取数据。

2.根据权利要求1所述的一种基于聚类算法的共享单车停车区布设方法，其特征在于，所述S51中评价指标三个，覆盖率、总停车区数量和停车区平均自行车数，具体计算公式如下：

覆盖率

总停车区数量NP(EPS,minPts)＝|Cluster(EPS,minPts)| (2)

停车区平均自行车数

其中，|Noise(EPS,minPts)|为DBSCAN聚类时被认定为噪声的共享单车数量，|D|为共享单车总数，|Cluster(EPS,minPts)|为k均值聚类后形成的所有类别数。