[發明專利]一種基于物聯網大數據的交通資源動態優化方法

有效

• 申請號: 201810317698.8
• 申請日: 2018-04-10
• 公開（公告）號: CN108764518B
• 公開（公告）日: 2021-04-27
• 發明（設計）人: 楊嘉琛;韓煜蓉
• 申請（專利權）人: 天津大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/29;G06K9/62;G06Q50/30
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種基于物聯網大數據的交通資源動態優化方法，包括：利用GIS和多媒體技術獲取實時物聯網數據；采用DBN網絡模型對所有實時物聯網數據進行預處理并歸一化，將n個訓練樣本劃分為K個類別，初步輸出K個初始類作為初始聚類中心；根據地理信息系統計算各供應點與K個聚類中心的距離，對每個供應商點選擇最小距離和相應的聚類中心，將供應商點分組到這個聚類中；在聚類過程中，每一輪尋找各現有聚類中心對應的新質心時，使用以運輸為權重因子的改進K?means聚類算法。

技術領域

本發明屬大數據處理領域，涉及大量數據下的交通資源動態優化方法。

背景技術

隨著信息時代的快速發展，智慧城市逐漸成為城市建設的主流。由于城市道路交通是許多領域的核心問題，如城市擁堵和經濟成本等，物聯網新時代的來臨也引起了專家們對智慧城市建設中動態交通分配的更多關注。然而，智慧城市網絡提供的數據多為大數據流，實時數據與互聯網數據流的不一致問題也很關鍵。

對于高度發展的企業乃至發展中國家來說，政府對于智慧城市的規劃運輸問題日益成為企業擴張的主要關注點。在某些工業領域，一些先進的算法已經實現了，如聚類和模糊聚類混合的快速貪心啟發式算法。大多數情況下，將該問題作為數學問題進行研究，并獲得定量結果。由于城市交通狀況的快速變化，很難設計一個普遍適用的規劃方案。因此，本發明將流量數據的實時性作為主要數據考慮在內，并基于更新數據對動態分配網絡進行優化。

發明內容

本發明的目的是提供一種交通資源動態優化方法，對動態交通規劃中的實時在線數據進行整合，將地理信息系統和K-means方法結合在一起，以深入關注作為關鍵目標的交通狀況和經濟成本指數。此外，考慮到實時在線數據流的大數據特征，建立了DBN模型對數據進行預處理，以提高K-means的聚類效果。技術方案如下：

一種基于物聯網大數據的交通資源動態優化方法，包括下列步驟：

第一步：利用地理信息系統GIS和多媒體技術獲取實時物聯網數據，以保證數據的實時性和全面性，所述的實時物聯網數據包括交通狀況，供應商能力，位置數據，交通要求，車輛規格，單位運輸成本，沿特定路線的指定費用，供應商的區域信息，基礎中心的運營成本；

第二步：將實時數據分為訓練集和測試集，采用DBN網絡模型對所有實時物聯網數據進行預處理并歸一化，用訓練集數據訓練DBN模型，將n個訓練樣本劃分為K個類別，初步輸出K個初始類作為初始聚類中心，即將整個區域劃分成了小尺度的幾個區域，然后，使用學習好的DBN模型對測試集數據進行測試；

第三步：在DBN模型初步分類的基礎上，將第二步得到的K個初始類作為K-means的初始聚類中心，根據地理信息系統計算各供應點與K個聚類中心的距離，對每個供應商點選擇最小距離和相應的聚類中心，將供應商點分組到這個聚類中；

第四步：在聚類過程中，每一輪尋找各現有聚類中心對應的新質心時，使用以運輸為權重因子的改進K-means聚類算法，方法如下：通過車輛運輸相關系數和各供應商點的運輸請求計算運輸成本，然后將每個供應商點到其相應聚類中心的運輸成本作為權重因子進行下一步的迭代計算，最后得到各區域內的最優交通網絡配置成本MinTC：

其中，TC表示總成本，包括運輸成本和運行成本，S是所有供應商點的集合，G_i是標號為i的區域，δ_ij是根據該供應商點的制造計劃和能力獲得的參數，λ_ij是從根據GIS提取的可以反映各供應商到相應聚類中心通過不同路段的平均通行費成本的參數，D_ij指的是各供應商點與聚類中心之間的距離，C_i表示第i個加工中心的運行成本。

第五步：根據聚類分析，獲得具有最佳解決方案，使運輸成本最低。