[发明专利]一种基于物联网大数据的交通资源动态优化方法

摘要

本发明涉及一种基于物联网大数据的交通资源动态优化方法，包括：利用GIS和多媒体技术获取实时物联网数据；采用DBN网络模型对所有实时物联网数据进行预处理并归一化，将n个训练样本划分为K个类别，初步输出K个初始类作为初始聚类中心；根据地理信息系统计算各供应点与K个聚类中心的距离，对每个供应商点选择最小距离和相应的聚类中心，将供应商点分组到这个聚类中；在聚类过程中，每一轮寻找各现有聚类中心对应的新质心时，使用以运输为权重因子的改进K‑means聚类算法。

主权项

1.一种基于物联网大数据的交通资源动态优化方法，包括下列步骤：第一步：利用地理信息系统GIS和多媒体技术获取实时物联网数据，以保证数据的实时性和全面性，所述的实时物联网数据包括交通状况，供应商能力，位置数据，交通要求，车辆规格，单位运输成本，沿特定路线的指定费用，供应商的区域信息，基础中心的运营成本；第二步：将实时数据分为训练集和测试集，采用DBN网络模型对所有实时物联网数据进行预处理并归一化，用训练集数据训练DBN模型，将n个训练样本划分为K个类别，初步输出K个初始类作为初始聚类中心，即将整个区域划分成了小尺度的几个区域，然后，使用学习好的DBN模型对测试集数据进行测试；第三步：在DBN模型初步分类的基础上，将第二步得到的K个初始类作为K‑means的初始聚类中心，根据地理信息系统计算各供应点与K个聚类中心的距离，对每个供应商点选择最小距离和相应的聚类中心，将供应商点分组到这个聚类中；第四步：在聚类过程中，每一轮寻找各现有聚类中心对应的新质心时，使用以运输为权重因子的改进K‑means聚类算法，方法如下：通过车辆运输相关系数和各供应商点的运输请求计算运输成本，然后将每个供应商点到其相应聚类中心的运输成本作为权重因子进行下一步的迭代计算，最后得到各区域内的最优交通网络配置成本MinTC：其中，TC表示总成本，包括运输成本和运行成本，S是所有供应商点的集合，Gi是标号为i的区域，δij是根据该供应商点的制造计划和能力获得的参数，λij是从根据GIS提取的可以反映各供应商到相应聚类中心通过不同路段的平均通行费成本的参数，Dij指的是各供应商点与聚类中心之间的距离，Ci表示第i个加工中心的运行成本。