[发明专利]一种基于K-means聚类的车队出行诱导方法

摘要

一种基于K-means聚类的车队出行诱导方法，包括以下步骤：步骤1、从数据库中筛选，将车队中所有车辆最新上传的位置提取出来，形成GPS位置集合；步骤2、从GPS位置集合中选择3个点，将以上3点作为初始中心点，通过K-means聚类算法将该集合中的数据聚类成3组，即前中后3个梯队；步骤3、查看3个梯队，获取数据最多的一个梯队中的中心点，依次计算与其他两个梯队中各个点的距离，得到该中心点与其他分组中各个点的距离，将距离d与车队掉队距离阈值进行比较，若距离超过阈值，则找到该记录对应的车辆并通过后台消息发送向其发出掉队提醒。本方法可解决车队出行过程中通讯不便、指挥难等问题，实现更为智能的出行诱导。

主权项

一种基于K‑means聚类的车队出行诱导方法，其特征在于：所述诱导方法包括以下步骤：步骤1、从数据库中筛选，将车队中所有车辆最新上传的位置提取出来，形成一个GPS位置集合（L₁,L₂,L₃.....L_n），n为车辆总数；步骤2、从GPS位置集合中选择3个点L_a、L_b与L_c，1≤a,b,c≤n，将以上3点作为初始中心点，通过K‑means聚类算法将该集合中的数据聚类成3组，即对应当前车队中行驶在前方的车辆、中间的车辆以及后方的车辆，即将车队分成前中后3个梯队；所述K‑means聚类算法的实现过程为：（2.1）设定聚簇收敛阈值Delta和最大迭代次数M；（2.2）将3个初始中心点作为初始值，对集合中其他点L_i逐一进行遍历，1≤i≤n并且i≠a,b,c，计算出各点到3个初始中心点的距离d_ia，d_ib，d_ic，并根据最小的距离将该点归类到3个初始中心点中的一个，GPS位置集合（L₁,L₂,L₃.....L_n）最终将并产生3个聚簇；（2.3）更新3个聚簇的聚簇中心点，计算3个簇中每个点到簇中其他点的距离均值，距离均值最小的点被判定为该簇新的中心点；（2.4）根据3个新的聚簇中心点重新聚类，过程与（2.1）中相同，计算出其余各分别点到3个中心点的距离，将各点归类到距离最短的中心点所属的簇中，依次类推，将集合重新聚类产生3个新的簇；（2.5）各自比较上一次的3个聚簇中心与本次的3个聚簇中心的距离是否都小于收敛阈值Delta，若3个距离差均小于Delta，则判定整个K‑means聚类过程收敛；反之，再查看迭代次数是否超过最大迭代次数M，若迭代次数超过M，算法结束，否则返回（2.2）；步骤3、查看GPS位置集合分组后的3个梯队，获取数据最多的一个梯队中的中心点，依次计算与其他两个梯队中各个点的距离，得到该中心点与其他分组中各个点的距离，其距离公式如公式（1）所示：d＝arccos(sin(y₀)sin(y_e)+cos(y₀)cos(y_e)cos(x₀‑x_e))*R_e   (1)其中，R_e为地球半径，(x₀,y₀)和(x_e,y_e)分别为两个位置点的经纬度坐标；之后，将距离d与系统设定的车队掉队距离阈值进行比较，若距离超过阈值，则找到该记录对应的车辆并通过后台消息发送向其发出掉队提醒；若没有超过阈值，则检查另外两个位置分组中下一个数据，直到检查完毕。