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
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。