[發明專利]一種基于SOM-PAM聚類算法的路網動態劃分方法

在審

• 申請號: 201910238795.2
• 申請日: 2019-03-27
• 公開（公告）號: CN110111561A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 郭海鋒;黃紀勇;喬洪帥;王奇;劉玉新;楊憲贊
• 申請（專利權）人: 浙江工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

基于SOM?PAM聚類算法的交通子區動態劃分方法，首先對交叉口數據進行預處理并將其用于交叉口交通流狀態矩陣數據集的構建；然后利用SOM神經網絡對交叉口進行路網子區的初劃分；接著根據路網的拓撲結構和交通流特性識別初劃分子區的關鍵交叉口；最后構建相鄰交叉口關聯度模型，將關鍵交叉口的關鍵關聯度作為PAM算法的中心點，利用初劃分的子區數目完成對路網的二次劃分。本發明解決了現有部分方法無法充分挖掘交叉口交通流特性和閾值設置無法界定的缺點，充分利用了交通流狀態中的靜態特性和動態特性，通過SOM神經網絡和PAM算法的二次聚類有效提高了交通流預測的精度和效率。

技術領域

本發明涉及一種基于SOM-PAM聚類算法的交通子區動態劃分方法。

技術背景

在當前社會經濟高速發展的背景下，隨著國民經濟生活水平的提高，汽車保有量以及其夸張的速度增長，加劇了不完善的城市道路設施體系與不斷增長的城市交通需求之間的矛盾，導致城市交通擁堵問題越來越嚴重，不再表現在路網的部分道路，而是擴散成為了一個區域性的交通難題。區域之間的協調控制是緩解交通擁堵問題的重要方式，其中控制子區的劃分是協調控制的基礎，對城市路網的全局控制具有重要意義。

現有的控制子區的劃分方法主要分為靜態和動態兩種方式。靜態劃分主要依據周期原則、距離原則、流量原則等進行劃分，并且在控制期間子區內的交叉口是固定不變的。靜態劃分沒有考慮到交通流動態變化，而且主要依據一些定性的標準屬性，主觀因素對劃分結果有較大影響。動態劃分是不僅考慮到交叉口的固有標準屬性而且還考慮到交通流在時空上的特性，強調子區劃分的實時性。

中國發明專利申請號201610171594.1公開了一種城市交通流過飽和狀態下的交通控制子區劃分方法，該方法利用路網中各個交叉口和路段的檢測器實時數據，自動識別路口和路段擁堵等級，在以交叉口、路段的擁堵等級動態劃分過飽和子區。這種方法是通過交叉口中各相位的主要流向飽和度和主要流向上游路段的排隊比判斷交叉口和路段的擁堵等級。雖然這種方法能夠對路網進行動態劃分子區，但是擁堵等級的閾值還是依靠人工經驗來設定，無法科學確定劃分指標閾值，無法避免人為因素對劃分結果的干擾。

中國發明專利申請號201310478215.X公開了一種基于C-均值模糊聚類分析的控制子區動態劃分方法，該方法對路網進行兩層劃分，通過交叉口類型、流量、相交道路等級確定核心交叉口，以核心交叉口為中心根據周期和距離兩個指標形成多個子區，完成初步劃分。以核心交叉口基于C-均值模糊聚類方法和計算隸屬度矩陣進行聚類中心的更新迭代，最后判斷收斂性完成二次劃分。C-均值模糊聚類方法設計簡單，解決問題范圍廣，但是自身仍存在諸多問題，強烈依賴初始化數據的好壞，無法自主確定聚類數目和容易陷入局部鞍點等，仍然需要進一步的研究。

中國發明專利申請號201810294784.1公開了一種基于譜聚類的城市道路交通子區劃分方法，該方法通過建立路網無向圖，計算路網密度拉普拉斯矩陣提取特征值，獲得子區數目，再通過譜聚類算法原理構建相似度矩陣，經過多重約束條件和相似度的迭代評估，最終完成控制子區的劃分。盡管譜聚類算法對處理稀疏數據和高維數據復雜度有很好的效果，但是聚類效果過于依賴相似矩陣，不同的相似矩陣得到的最終聚類效果不同，仍需要進一步研究。

綜上所述，路網交通子區的劃分目前尚存在著如下若干問題：1)如何減少人工因素對子區劃分結果的影響；2)如何盡可能科學合理的確定聚類數目和聚類中心；3)如何避免數據輸入順序對最終聚類效果的影響。

發明內容

本發明為克服現有技術的上述不足之處，提供一種基于SOM-PAM(自組織映射神經網絡與基于中心點劃分)聚類算法的交通子區動態劃分方法。該方法通過自組織映射神經網絡對交叉口交通流的靜態特性和動態特性進行初次聚類劃分，再通過識別關鍵交叉口確定聚類中心，最后通過相鄰交叉口關聯度模型利用PAM算法基于已經得到的聚類中心和聚類數目進行再次優化劃分子區，充分挖掘交叉口的交通流特性，克服現有方法人為因素的干擾，從而提高子區劃分的速度和精度。