买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波工程学院

摘要：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。

主权项：1.基于谱聚类算法的多细节交通小区划分方法，其特征是，包括：S1：将目标区域的路段数据集X中每一路段xi视为空间中一点，构建路网的无向带权图GX,WN×N，相似矩阵WN×N中元素Wij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；S2：在获取目标区域通行车辆的出行轨迹后，分别计算各车辆出行轨迹所贡献的路网相似度矩阵m＝1,2,...,M，M表示车辆总数，中元素表示第m辆车出行轨迹Tm所贡献的路段i、j间的相似度；的计算为：当出行轨迹Tm中同时包含路段i、j，则令否则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点xi的度将di作为对角元素构建度矩阵；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，对特征值按从小到大排序，取前k1个特征值对应的特征向量构成特征矩阵，k1为预设值；S6：以特征矩阵为样本，利用K-means法进行聚类；还包括多层级划分步骤，包括：S701：取上一层级聚类结果中未满足精度需求的一个或多个交通区域；上一层级聚类结果初始值为第一层级聚类结果；S702：将未满足精度需求的交通区域分别作为新的目标区域，对其实施所述的S1-S6；S703：当本次聚类结果均满足精度需求，则结束划分；否则，对本次聚类结果中仍未满足精度需求的一个或多个交通区域，对其执行S702。

全文数据：

权利要求：

百度查询： 宁波工程学院 基于谱聚类算法的多细节交通小区划分方法及系统