[发明专利]一种基于F-DBSCAN迭代聚类的机场巴士候选站点筛选方法

摘要

本发明涉及一种基于F‑DBSCAN迭代聚类的机场巴士候选站点筛选方法，通过应用F‑DBSCAN算法，有效地降低了聚类算法的时间复杂度，提升了数据量级，提高了数据挖掘的准确性，从而成功地从大量OD数据中挖掘出了乘客的最终去向聚集区域，为机场定制巴士候选站点的选取提供了准确的出行信息。

主权项

1.一种基于F‑DBSCAN迭代聚类的机场巴士候选站点筛选方法，其特征在于：包括，对各种出行的交通工具获得的数据进行预处理，根据预处理后的数据确定乘客的出行轨迹，得到乘客去向的离散终点的经纬度集；对乘客去向的离散终点的经纬度集进行密度聚类，在密度聚类过程中，采用快速DBSCAN聚类方法得出乘客的去向聚集区域，再对乘客的去向聚集区域的聚类结果，进一步进行迭代处理，得到迭代处理后乘客去向的聚集区域，即聚类结果，针对所述聚类结果，依据预设的规则匹配POI站点，最终确定出所需要的机场巴士候选站点；所述根据预处理后的数据确定乘客的出行轨迹，得到乘客去向的离散终点的经纬度；对乘客去向的离散终点的经纬度进行密度聚类，在密度聚类过程中，采用快速DBSCAN聚类方法得出乘客的去向聚集区域的过程如下：(11)针对乘客去向的离散终点的经纬度集，遍历其中每一个离散的终点，对于其中每一个终点，通过该终点的经纬度坐标计算该终点与其余所有终点的距离，若距离小于设定的半径且满足该条件的终点达到规定的密度，则称这是一个簇，这个簇则被称为密度可达区域，并为该密度可达区域设置唯一的簇号；若距离小于设定的半径的终点个数没有达到规定的密度将该终点设置为噪声点；(12)若已经聚类为一个簇，则在该簇内选取四个代表点进行密度可达区域的扩张，即再次聚类，四个代表点分别为：簇内与簇中心点经度相同，纬度分别为簇内最大、最小的两个点，以及簇内与簇中心点纬度相同，经度分别为簇内最大、最小的两个点，对这四个代表点聚类的过程中，若距离这些代表点小于设定的半径的终点的个数达到规定的密度，则形成新的密度可达区域，将该密度可达区域与原簇的密度可达区域相接，并将这些新的密度可达区域内的终点的簇号设置与原簇一致；(13)直到输入的数据集中的每个点都被遍历了一次，完成聚类，此时输出对应的数据结果，输出结果包括所有终点的经纬度，是否为噪声点的标记信息，以及相应的簇号，其中未被归入任何一个簇的簇号默认为0；(14)去除簇号为0、噪声点为1的数据，它们是未被归入任一簇内的噪声点数据，最终得到的结果即是乘客的去向聚集区域；对所述对于乘客的去向聚集区域的聚类结果，进一步迭代处理的具体处理步骤如下：(21)对于聚类之后的结果，生成csv文件，然后根据不同簇号统计相应的数据量，若某个簇内的数据量超过别的簇的平均数据量2倍以上，则该某个簇需要二次聚类，即迭代处理，从上述csv文件中抽取出对应簇号的数据，存入到新的csv文件，将上述新的csv文件中的相同数据剔除；(22)将步骤(21)中抽取出来对应簇号的数据进行二次聚类，去掉数据中的簇号和噪声点标记信息，重新调整传入的参数：即半径和聚类密度，再次进行聚类；(23)将步骤(22)中二次聚类的文件剔除掉簇号为0、噪声点为1的数据，与第一次聚类的结果进行合并；两次聚类产生的簇号可有重复，实际指向的并不是同一块区域，对簇号重新编号，然后合并两个csv文件并输出，输出结果即为迭代处理后的乘客去向的聚集区域；所述针对所述聚类结果依据预设的规则匹配POI站点，最终确定出所需要的机场巴士候选站点的具体方法为：(31)将大厦、酒店、住宅小区及地铁站分别设置为第一、第二、第三和第四优先级；(32)根据聚类结果，获取每个簇的中心点坐标，具体步骤为：分别连接每个簇内的所有经纬度点构造出相应的空间区域，然后提取出中心点的坐标并输出；(33)通过步骤(32)得到的与簇号相应个数的中心点坐标，对于这些坐标，首先对设定范围以内的区域进行POI的匹配，如果选取到符合要求的停靠站点，而且为第一、第二级别的POI，则将最终结果输出；如果没有匹配到合适的站点，则需要进一步扩大匹配范围进行匹配；如果扩大匹配范围后，仍然没有匹配到第一、第二优先级的站点，则进行第三、第四优先级的POI进行匹配；(34)通过动态匹配POI的方法，得到每个簇对应的可选站点；(35)综合考虑乘客消费能力、出行意愿偏好，设立试运营站点作为机场巴士候选站点。