[发明专利]一种相似演化模式聚类及动态时区划分的交通流分区模型

权利要求书

1.一种相似演化模式聚类及动态时区划分的交通流时间序列分区方法，其特征在于：

(1)交通流时间序列数据特征表示：各路段单日内的交通流时间序列数据呈现出一条时变曲线，对各路段所有采集时间的交通流数据以天为单位进行均值计算，获取交通流平均时间序列，表示该路段在统计时间内的日内平均演化交模式，作为亲和力传播聚类算法的交通流数据特征；

(2)亲和力传播聚类算法APC算法对路网所有交通流数据特征序列进行聚类，该聚类过程特征在于：对时空K近邻建模过程的4个关键步骤进行优化，具体的：使用APC算法识别交通流相似演化模式包括如下5个步骤：一将每个路段的交通流量时间序列数据进行特征表示；二将路段交通特征映射为数据点；三迭代计算责任性信息r_i,j和可用性信息a_i,j；四通过全局函数判断信息传递网络是否收敛；五信息传递网络收敛，得到各聚类中心及各交通流演化模式序列，APC算法是将路段i的交通流平均时间序列数据映射为N维空间的1个数据点，路网内所有路段的交通流平均时间序列数据的数据点表示为{1,2,…,M}，所有数据点组成了一个信息传递网络，每一个数据点都是这个信息传递网络中的一个节点，APC算法将这些数据点都视为潜在的聚类中心，并沿着信息传递网络边缘，递归地计算并传递两种类型的实值消息r_i,j和a_i,j，直至信息传递网络收敛，全局函数取得最大值，得到最佳的聚类中心点集；

(3)构建动态时空加权欧氏距离：曲度K-Means算法的输入是通过APC算法得到的交通流演化模式时间序列集合P，对P中每个交通流演化模式序列分别进行时区划，通过迭代计算，WKMS算法得到离散分布的同质类，其特征在于：在算法初始阶段，设置聚类边界点，由于引入了强制序列限制，在每一个迭代计算过程，时间序列的前一半元素只能向左移动到边界前面数据点；通过这种限制，对整个交通流时间序列数据进行时区划分，现经过APC算法，任意第p种交通流演化模式的时间序列特征数据为WKMS的目标在于将划分为k^p个不同的数据类1k^p＜＜288，每一个数据类代表着一个时间分区的交通流数据，k^p是WKMS对第m种演化模式交通流的时间分区数目，在每一次迭代计算中，每一种演化模式中的每一个聚类数目的轮廓系数都会被计算，当轮廓系数值取得最大值时，该时刻的聚类数目即为最佳时区划分数目，即此时第m种交通流演化模式的分区数目k^p，便完成了对相似交通流演化模式的动态时区划分。