一種基于多視角融合的交通小區(qū)劃分方法
【專利摘要】一種基于多視角融合的交通小區(qū)劃分方法，包括以下步驟：(1)讀取浮動(dòng)車數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理，整理浮動(dòng)車數(shù)據(jù)，并在其中提取浮動(dòng)車經(jīng)緯度數(shù)據(jù)并存儲(chǔ)為X1；(2)讀取卡口數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理，提取卡口經(jīng)緯度數(shù)據(jù)并存儲(chǔ)為X2；(3)結(jié)合交通小區(qū)劃分原則，采集自然約束信息，存儲(chǔ)為X3；(4)計(jì)算約束矩陣，(5)基于可伸縮的約束譜聚類的聚類分析；(6)根據(jù)聚類結(jié)果，獲得最終交通小區(qū)劃分方案。本發(fā)明提供了一種融合多源數(shù)據(jù)，在定量化的影響因素的約束下進(jìn)行聚類分析，全面地反映交通出行情況的基于多視角融合的交通小區(qū)劃分方法。
【專利說明】一種基于多視角融合的交通小區(qū)劃分方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能交通領(lǐng)域，涉及一種交通小區(qū)劃分方法。

【背景技術(shù)】
[0002] 交通小區(qū)一般指具有一定交通關(guān)聯(lián)度和交通相似程度的節(jié)點(diǎn)或連線的組合，將一 個(gè)城市的交通網(wǎng)絡(luò)覆蓋區(qū)域劃分為若干個(gè)交通小區(qū)，便于從中觀層次上理解交通出行規(guī) 律，從而有助于制定合理的交通管理措施。交通小區(qū)劃分能夠有效降低城市交通系統(tǒng)控制 與管理的復(fù)雜性，并且能夠直接影響到交通調(diào)查、分析、預(yù)測的工作量及精度和整個(gè)交通規(guī) 劃的成功。因此合適的交通小區(qū)劃分方法具有重要的研究與應(yīng)用意義。
[0003] 目前已有的交通小區(qū)劃分方法可以概括為以下幾類：
[0004] 1、基于聚類分析的交通小區(qū)劃分方法。該類方法根據(jù)交通小區(qū)內(nèi)的用地性質(zhì)、土 地利用以及出行情況等要素，運(yùn)用系統(tǒng)聚類的方法，選取科學(xué)的指標(biāo)，將性質(zhì)相近的歸為一 類，從而實(shí)現(xiàn)交通小區(qū)劃分?；诰垲惙治龅慕煌ㄐ^(qū)劃分方法優(yōu)點(diǎn)在于使交通調(diào)查、分析 與預(yù)測的工作量和成本都大大減少，同時(shí)也能滿足一定的精度要求。缺點(diǎn)是計(jì)算復(fù)雜，使得 數(shù)據(jù)的統(tǒng)計(jì)工作量較大，且不同的方法產(chǎn)生的效果也有好壞之分。
[0005] 2、面向控制的交通小區(qū)劃分。該類方法主要是在交通路網(wǎng)拖布結(jié)構(gòu)特點(diǎn)的分析基 礎(chǔ)上，采取動(dòng)態(tài)劃分與靜態(tài)劃分相結(jié)合的交通小區(qū)劃分策略，已形成交通小區(qū)劃分方法。其 優(yōu)點(diǎn)是充分考慮了交叉口之間的物理關(guān)聯(lián)和交通流的路徑關(guān)聯(lián)，結(jié)合路網(wǎng)的拓補(bǔ)結(jié)構(gòu)進(jìn)行 交通小區(qū)劃分。缺點(diǎn)是對于交通小區(qū)影響因素分析上有缺陷。
[0006] 3、基于區(qū)內(nèi)出行比例的交通小區(qū)劃分方法。該類方法以區(qū)內(nèi)居民出行距離分布和 出行比例為約束條件來確定交通小區(qū)半徑。其優(yōu)點(diǎn)是能夠有效反映交通源的流向狀況。不 足之處是沒有考慮到實(shí)際交通小區(qū)劃分中行政區(qū)劃、自然屏障等因素的影響。
[0007] 4、扇形分割方法。該類方法以找出可以利用的城市道路節(jié)點(diǎn)，然后為每個(gè)節(jié)點(diǎn)劃 分扇形勢力圈來完成交通小區(qū)劃分。目前較少用到。
[0008] 從現(xiàn)有的方法來看，主要集中于對單一來源的道路交通數(shù)據(jù)進(jìn)行分析，然后采用 人工的方式根據(jù)交通小區(qū)劃分原則對分析結(jié)果進(jìn)行修正，例如專利《基于空間聚類分析的 城市路網(wǎng)交通小區(qū)動(dòng)態(tài)劃分方法》、專利《一種交通小區(qū)劃分方法及裝置》，以及文獻(xiàn)《基于 出租車GPS數(shù)據(jù)的南京市交通小區(qū)的劃分》、《基于模糊聚類的交通小區(qū)劃分方法研究》等。 考慮到城市交通的復(fù)雜性和交通小區(qū)劃分特點(diǎn)，單一來源的交通數(shù)據(jù)無法全面地反映交通 小區(qū)的內(nèi)在聯(lián)系，人工方式對交通小區(qū)劃分進(jìn)行過多修正，會(huì)影響劃分結(jié)果的客觀性。如何 利用多源數(shù)據(jù)，在多源數(shù)據(jù)的共同影響下來更加客觀全面地反映交通出行情況，研究人員 關(guān)注的較少；此外，將交通小區(qū)劃分原則以數(shù)據(jù)形式進(jìn)行量化，并在聚類分析中作為約束條 件來制約區(qū)域劃分，目前也還未有方法涉及。


【發(fā)明內(nèi)容】

[0009] 為了解決已有的基于聚類方法的交通小區(qū)劃分技術(shù)的數(shù)據(jù)源單一、不能全面地反 映交通出行情況的不足，本發(fā)明提供了一種融合多源數(shù)據(jù)，在定量化的影響因素的約束下 進(jìn)行聚類分析，全面地反映交通出行情況的基于多視角融合的交通小區(qū)劃分方法。
[0010] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0011] 一種基于多視角融合的交通小區(qū)劃分方法，包括以下步驟：
[0012] (1)讀取浮動(dòng)車數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理，步驟如下：
[0013] (1. 1)讀取浮動(dòng)車數(shù)據(jù)，并判斷浮動(dòng)車數(shù)據(jù)中的經(jīng)緯度數(shù)據(jù)是否為空值或者為0， 如果是空值（null)或者為0,則刪除該條數(shù)據(jù)；如果不是，則保留這條數(shù)據(jù)；
[0014] (1. 2)判斷浮動(dòng)車數(shù)據(jù)的空載狀態(tài)，0表示空車，1表示載客，保留車輛狀態(tài)從0變 化到1和車輛狀態(tài)從1變化到0的數(shù)據(jù)，刪除其他數(shù)據(jù)；
[0015] (1. 3)判斷浮動(dòng)車載客狀態(tài)持續(xù)時(shí)間，刪除不正常載客時(shí)間的浮動(dòng)車數(shù)據(jù)，所述不 正常載客時(shí)間即超過預(yù)設(shè)時(shí)間閾值；
[0016] (1. 4)完成數(shù)據(jù)預(yù)處理，整理浮動(dòng)車數(shù)據(jù)，并在其中提取浮動(dòng)車經(jīng)緯度數(shù)據(jù)并存儲(chǔ) 為X1 ;
[0017] (2)讀取卡口數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理，主要步驟如下：
[0018] (2. 1)判斷卡口數(shù)據(jù)中是否有字段缺失，如果有，則刪除該條數(shù)據(jù)；如果沒有，則 保留該條數(shù)據(jù)；
[0019] (2. 2)判斷卡口數(shù)據(jù)中的車牌信息，如果車牌信息為"0"或者僅為字符"車牌"，則 刪除該條數(shù)據(jù)；如果不是，則保留該條數(shù)據(jù)；
[0020] (2. 3)篩選出所需要時(shí)間段之間的卡口數(shù)據(jù)；
[0021] (2. 4)完成數(shù)據(jù)預(yù)處理，整理并存儲(chǔ)卡口數(shù)據(jù)；
[0022] (2. 5)提取卡口經(jīng)緯度數(shù)據(jù)并存儲(chǔ)為X2 ;
[0023] (3)結(jié)合交通小區(qū)劃分原則，采集自然約束信息，步驟如下：
[0024] (3. 1)采集城市各個(gè)行政區(qū)域邊界經(jīng)緯度點(diǎn)；
[0025] (3. 2)采集交通矛盾突出區(qū)域邊界經(jīng)緯度點(diǎn)；
[0026] (3. 3)采集自然障礙物邊界經(jīng)緯度點(diǎn)；
[0027] (3. 4)采集主干道兩側(cè)區(qū)域經(jīng)緯度點(diǎn)；
[0028] (3. 5)采集預(yù)設(shè)所需劃分區(qū)域邊界的經(jīng)緯度點(diǎn)。
[0029] (3. 6)整理步驟（3. 1)?步驟（3. 5)采集的點(diǎn)的經(jīng)緯度數(shù)據(jù)并存儲(chǔ)為X3 ;
[0030] (4)計(jì)算約束矩陣，過程如下：
[0031] (4. 1)讀取步驟（2. 4)整理的卡口數(shù)據(jù)，尋找每輛車的行駛軌跡；
[0032] (4. 2)記錄每輛車行駛軌跡中經(jīng)過的兩兩卡口組合；
[0033] (4. 3)計(jì)算兩兩卡口間通過相同車輛次數(shù)，并生成一個(gè)mXm的卡口關(guān)聯(lián)矩陣。其 中m為卡口數(shù)量；
[0034] (4. 4)根據(jù)步驟⑶中采集的自然約束信息點(diǎn)個(gè)數(shù)，結(jié)合步驟（4. 3)中計(jì)算得到的 卡口關(guān)聯(lián)矩陣，生成一個(gè)（m+n)X(m+n)的約束矩陣Q，并將自然約束信息點(diǎn)所代表的值取 為-1，其中m為卡口數(shù)量，η為采集的自然約束信息點(diǎn)個(gè)數(shù)；
[0035] (4. 5)整理并存儲(chǔ)約束矩陣；
[0036] (5)基于可伸縮的約束譜聚類的聚類分析，步驟如下：
[0037] (5. 1)輸入待聚類數(shù)據(jù)集X e Rdxn，其中R表示實(shí)數(shù)，d表示數(shù)據(jù)集X的維度，η表 示數(shù)據(jù)集X包含數(shù)據(jù)個(gè)數(shù)。X= (?,?,?}，包括步驟（1.4)中整理的浮動(dòng)車經(jīng)緯度數(shù)據(jù)集 X1，步驟（2. 5)中整理的卡口經(jīng)緯度數(shù)據(jù)集X2，以及步驟（3. 5)中整理的自然約束點(diǎn)經(jīng)緯度 數(shù)據(jù)集X3，基向量個(gè)數(shù)P，步驟（4.4)中得到的約束矩陣Q，參數(shù)β，以及期望聚類類簇?cái)?shù)k;
[0038] (5.2)從待聚類數(shù)據(jù)集X中選擇p個(gè)向量作為基向量，并形成基向量矩陣 U e Rdxp ；
[0039] (5. 3)對待聚類數(shù)據(jù)集X進(jìn)行稀疏編碼，得到稀疏矩陣Z e RpXn，Z的計(jì)算公式為：
[0040]

【權(quán)利要求】
1. 一種基于多視角融合的交通小區(qū)劃分方法，其特征在于：包括以下步驟： (1) 讀取浮動(dòng)車數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理，步驟如下： (1. 1)讀取浮動(dòng)車數(shù)據(jù)，并判斷浮動(dòng)車數(shù)據(jù)中的經(jīng)緯度數(shù)據(jù)是否為空值或者為0,如果 是空值（null)或者為0,則刪除該條數(shù)據(jù)；如果不是，則保留這條數(shù)據(jù)； (1. 2)判斷浮動(dòng)車數(shù)據(jù)的空載狀態(tài)，0表示空車，1表示載客，保留車輛狀態(tài)從0變化到 1和車輛狀態(tài)從1變化到〇的數(shù)據(jù)，刪除其他數(shù)據(jù)； (1. 3)判斷浮動(dòng)車載客狀態(tài)持續(xù)時(shí)間，刪除不正常載客時(shí)間的浮動(dòng)車數(shù)據(jù)，所述不正常 載客時(shí)間即超過預(yù)設(shè)時(shí)間閾值； (1. 4)完成數(shù)據(jù)預(yù)處理，整理浮動(dòng)車數(shù)據(jù)，并在其中提取浮動(dòng)車經(jīng)緯度數(shù)據(jù)并存儲(chǔ)為Χι； (2) 讀取卡口數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理，步驟如下： (2. 1)判斷卡口數(shù)據(jù)中是否有字段缺失，如果有，則刪除該條數(shù)據(jù)；如果沒有，則保留 該條數(shù)據(jù)； (2. 2)判斷卡口數(shù)據(jù)中的車牌信息，如果車牌信息為"0"或者僅為字符"車牌"，則刪除 該條數(shù)據(jù)；如果不是，則保留該條數(shù)據(jù)； (2. 3)篩選出所需要時(shí)間段之間的卡口數(shù)據(jù)； (2.4)完成數(shù)據(jù)預(yù)處理，整理并存儲(chǔ)卡口數(shù)據(jù)； (2. 5)提取卡口經(jīng)緯度數(shù)據(jù)并存儲(chǔ)為X2 ; (3) 結(jié)合交通小區(qū)劃分原則，采集自然約束信息，步驟如下： (3. 1)采集城市各個(gè)行政區(qū)域邊界經(jīng)緯度點(diǎn)； (3. 2)采集交通矛盾突出區(qū)域邊界經(jīng)緯度點(diǎn)； (3. 3)采集自然障礙物邊界經(jīng)緯度點(diǎn)； (3. 4)采集主干道兩側(cè)區(qū)域經(jīng)緯度點(diǎn)； (3. 5)采集預(yù)設(shè)所需劃分區(qū)域邊界的經(jīng)緯度點(diǎn)； (3. 6)整理步驟（3. 1)?步驟（3. 5)采集的點(diǎn)的經(jīng)緯度數(shù)據(jù)并存儲(chǔ)為X3 ; (4) 計(jì)算約束矩陣，過程如下： (4. 1)讀取步驟（2.4)整理的卡口數(shù)據(jù)，尋找每輛車的行駛軌跡； (4. 2)記錄每輛車行駛軌跡中經(jīng)過的兩兩卡口組合； (4. 3)計(jì)算兩兩卡口間通過相同車輛次數(shù)，并生成一個(gè)mXm的卡口關(guān)聯(lián)矩陣，其中m為 卡口數(shù)量； (4. 4)根據(jù)步驟（3)中采集的自然約束信息點(diǎn)個(gè)數(shù)，結(jié)合步驟（4. 3)中計(jì)算得到的卡口 關(guān)聯(lián)矩陣，生成一個(gè)（m+n)X(m+n)的約束矩陣Q，并將自然約束信息點(diǎn)所代表的值取為-1， 其中m為卡口數(shù)量，η為采集的自然約束信息點(diǎn)個(gè)數(shù)； (4. 5)整理并存儲(chǔ)約束矩陣； (5) 基于可伸縮的約束譜聚類的聚類分析，步驟如下： (5. 1)輸入待聚類數(shù)據(jù)集XeRdxn，其中R表示實(shí)數(shù)，d表示數(shù)據(jù)集X的維度，η表示數(shù) 據(jù)集X包含數(shù)據(jù)個(gè)數(shù)，X= (XpX2,Χ3}，包括步驟（1.4)中整理的浮動(dòng)車經(jīng)緯度數(shù)據(jù)集X1，步 驟（2. 5)中整理的卡口經(jīng)緯度數(shù)據(jù)集X2，以及步驟（3. 5)中整理的自然約束點(diǎn)經(jīng)緯度數(shù)據(jù) 集X3，基向量個(gè)數(shù)Ρ，步驟（4.4)中得到的約束矩陣Q，參數(shù)β，以及期望聚類類簇?cái)?shù)k; (5. 2)從待聚類數(shù)據(jù)集X中選擇p個(gè)向量作為基向量，并形成基向量矩陣UeRdxp ; (5. 3)對待聚類數(shù)據(jù)集X進(jìn)行稀疏編碼，得到稀疏矩陣ZeRpXn，Z的計(jì)算公式為：
然后計(jì)算之=D12Z，其中Xj，Ui分別表示矩陣X和U中第j個(gè)和第i個(gè)向量，K。（.，.） 為高斯核函數(shù)，ierNB(j)表示基向量Ui是Xj中r個(gè)最近的基向量，Dii =SjZij ; (5· 4)計(jì)算矩陣§ = ,以及矩陣$ = ; (5. 5)利用= 求最大特征值Ymax ; (5.6)如果β彡Ymax，則返回{ν*} =Φ;如果β<Ymax，則進(jìn)行后續(xù)計(jì)算，利用公式Au=又七-/:?§)u求得所有的特征向量IuJ，其中ui表示第i個(gè)特征向量，并且1彡i彡P(guān); (5. 7)找到{Ui}中為正的特征值，以及對應(yīng)的特征向量{Ui}+; (5. 8)將特征向量集{Ui}+中的每個(gè)特征向量Ui乘以，以進(jìn)行歸一化； VusuZ (5. 9)去除特征向量集{uj+中與ll不正交的向量； (5. 10)在特征向量集{uj+中尋找m個(gè)能使Ui1Aui最小的特征向量，其中m=min{k-1，IIuJ+}，并將它們存入矩陣V中； (5. 11)計(jì)算V"V(I-VrAV); (5. 12)歸一化矩陣Vw的行，然后導(dǎo)入到k-means聚類算法中進(jìn)行聚類； (5. 13)得到聚類結(jié)果； (6)根據(jù)聚類結(jié)果，獲得最終交通小區(qū)劃分方案。
2.如權(quán)利要求1所述的一種基于多視角融合的交通小區(qū)劃分方法，其特征在于：所述 步驟￠)中，包括以下過程： (6. 1)對部分浮動(dòng)車聚類結(jié)果進(jìn)行小幅修正，小幅修正包括：對兩個(gè)或多個(gè)相鄰類簇 進(jìn)行合并，將其劃入同一個(gè)交通小區(qū)內(nèi)； (6. 2)劃分交通小區(qū)，并命名該交通小區(qū)，完成對交通小區(qū)的劃分。
【文檔編號(hào)】G08G1/01GK104240507SQ201410476845
【公開日】2014年12月24日 申請日期:2014年9月18日 優(yōu)先權(quán)日:2014年9月18日
【發(fā)明者】李建元, 陳濤, 吳越, 張書漿, 王興武, 薛益趙 申請人:銀江股份有限公司