[发明专利]基于谱聚类算法的多细节交通小区划分方法及系统

说明书

本发明公开了基于谱聚类算法的多细节交通小区划分方法及系统，该方法包括：S1：构建目标区域路网的无向带权图；S2：分别计算各车辆出行轨迹所贡献的路网相似度矩阵；S3：对所有车辆出行轨迹所贡献的路网相似度矩阵求和，得相似矩阵；S4：计算无向带权图中各路段的度并构建度矩阵；S5：基于度矩阵和相似矩阵构建拉普拉斯矩阵，计算拉普拉斯矩阵的特征值，取特征值对应的特征向量构成特征矩阵；S6：以特征矩阵为样本，利用K‑means法进行聚类。本发明将居民日常出行中相关性较高的路段归为一类，划分更科学合理；另本发明充分考虑了交通调查地域的层级性，能针对不同地域对路网的影响程度进行划分，可解决划分过粗或过细的问题。

技术领域

本发明属于智能交通技术领域，具体涉及基于谱聚类算法的多细节交通小区划分方法及系统。

背景技术

随着我国经济建设的快速发展和人民生活水平的不断提高，城市私家车的数量与日俱增，已有的道路交通基础设施已不能满足人民群众出行的需要，进而产生了一系列诸如交通拥挤、交通秩序混乱、尾气和噪声污染等交通问题。为了缓解城市道路拥堵的现状，不少政府部门不惜巨资进行了大规模的交通调查研究和城市交通的规划工作，其目的就是为了更好地了解城市当前的交通需求状况，掌握城市交通系统中交通的发生规律和发展趋势，建立交通信息数据库，为实施交通需求预测提供有效的依据。与此同时，随着GPS定位技术和无线通讯技术的日趋成熟与完善，实时获取城市路网的交通状态信息已经成为了可能，这就为城市机动车出行的调查提供了更全面和可靠的技术手段，同时也更好的方便了研究学者对大规模城市机动车的运行状态进行模拟和分析。

交通小区的概念源于交通调查，传统的交通小区是指交通特性有联系并且交通相似性较高的节点或路段所构成的集合。它与时间参数、联系度和相似性指数等信息密切关联，体现了城市交通道路网的时空变化状况。交通小区是结构内涵相似和关联性较强，且在一定范围内保持相对平衡的社团群体，是城市发展中人口、经济等要素的反映。近年来，交通小区的划分理论及方法随着交通运输的发展而逐步得到完善，并在交通规划领域得到广泛的应用，成为进行交通需求量预测的基础。通过划分所形成的分析交通特性的基本单元并不一定是实际存在的界限，而是为了方便研究和分析出行现象背后的规律而人为划定的空间范围。通过划分相似的区域，将城市道路环境相近的区域联系起来，直观的表现出城市交通集中情况，进行统一管控，从而降低管理成本。交通小区之间流通量的分析也反应了城市的活跃程度和特定区域的经济发达程度。通过分析各小区间的通行流量，掌握人口流动情况，从而合理的分配交通流资源。

交通小区划分面积的大小将对实际的应用产生一定的影响，划分面积过小将导致调查、分析、预测的工作量增加以及资金浪费；面积划分过大则可能导致调查数据无法满足交通规划对现状调查的精度要求，影响规划的科学性和合理性。适宜的交通小区划分方案能有效把握区域交通现状，合理预测交通需求，科学编制交通发展规划，同时也可以减少交通控制和管理系统的复杂性，提高该系统的可靠性。

有关交通小区划分的常规方法主要是根据行政区域、同质性、分区人口及其他划分原则进行划分，目前已有大量的学者对交通小区的划分进行了深入的研究，但是传统的交通小区划分方法对交通小区的划分个数、大小和功能性质方面进行了约束。因此，难以准确的掌握交通小区间的潜在联系，在精度和工作量上较难平衡。

发明内容

本发明的目的是引入车辆出行轨迹所折射出的路段之间的相似度，提供了基于谱聚类算法的多细节交通小区划分方法及系统。

本发明提供的基于谱聚类算法的多细节交通小区划分方法，包括：

S1：将目标区域的路段数据集X中每一路段x_i视为空间中一点，构建路网的无向带权图G(X,W_N×N)，相似矩阵W_N×N中元素W_ij表示路段i、j间的相似度，i＝1,2,...,N，j＝1,2,...,N，N为路段数据集中路段数量；