[发明专利]一种基于改进高斯混合模型聚类的车辆匹配方法

说明书

本发明提出了一种基于改进高斯混合模型聚类的车辆匹配方法，包括以下步骤：S1，根据高斯混合模型，在地图上对大量用户订单坐标进行多次聚类；S2，求出多次聚类的轮廓系数，选择平均轮廓系数最大所对应的聚类数k，并记为R，数据分为R类；S3，根据每一个聚类簇，选择聚类簇的中心进行车辆配送。本发明能够快速最优匹配好车辆装载订单运输货物，减少高峰期订单数的堆积。

技术领域

本发明涉及物流调度领域，尤其涉及一种基于改进高斯混合模型聚类的车辆匹配方法。

背景技术

在城市物流配送中，如果遇到短时间内订单数量剧增的情况(订单高峰期)，同时由于目前复杂的配送需求，为了保证订单处理的时效性以及能够快速选择配送车辆进行货物配送，需要快速分单并选择配送车辆进行配载，通过建立一种改进的高斯混合模型聚类算法，按区域聚集安排车辆配送任务，完成订单与车辆的快速最优匹配。对订单快速处理，并及时安排车辆配送任务，可以减少订单的大量堆积，同时保证司机能够尽快地将货物送达。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于改进高斯混合模型聚类的车辆匹配方法，更加快速完成货运车辆的最优匹配。

为了实现本发明的上述目的，本发明提供了一种基于改进高斯混合模型聚类的车辆匹配方法，包括以下步骤：

S1，根据高斯混合模型，在地图上对大量用户订单坐标进行多次聚类；

S2，求出多次聚类的轮廓系数，选择平均轮廓系数最大所对应的聚类数k，并记为R，数据分为R类；

S3，根据每一个聚类簇，选择聚类簇的中心进行车辆配送。

在本发明的一种优选实施方式中，步骤S1包括：

将由订单产生的二维物流数据抽象为高斯混合分布：

其中，β_i为第i个分模型生成的概率，且将订单数据分为k类；p(x|μ_i,C_i)为二维高斯分布概率密度函数，定义如下：

其中，n表示随机变量x的维度；

C_i为协方差矩阵；

x为二维随机变量，定义为x＝[x₁,x₂]^T，

x₁表示二维随机变量x的第一个随机变量；

x₂表示二维随机变量x的第二个随机变量；

T表示转置；

μ_i为均值向量；

表示协方差矩阵C_i的逆矩阵；

二维高斯分布完全由协方差矩阵和均值向量确定；引入隐变量p(z_j＝i)，其含义为第i个分模型生成的概率，即为β_i；样本x_j为第i个分模型生成的后验概率为p_M(z_j＝i|x_j)，根据贝叶斯公式，有：

p_M(x_j)表示x_j的高斯混合分布；

p_M(x_j|z_j＝i)为第i个分模型生成x_j的先验概率，完全由C_i和μ_i决定，即为：