[發(fā)明專利]一種基于ACO-FCM聚類算法的路網(wǎng)分區(qū)及其評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910335511.1
• 申請(qǐng)日: 2019-04-24
• 公開（公告）號(hào): CN110610186A
• 公開（公告）日: 2019-12-24
• 發(fā)明（設(shè)計(jì)）人: 林曉輝;曹成濤;黃良
• 申請(qǐng)（專利權(quán)）人: 廣東交通職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G08G1/01
• 代理公司: 44102 廣州粵高專利商標(biāo)代理有限公司
• 代理人: 林麗明

1.一種基于ACO-FCM聚類算法的路網(wǎng)分區(qū)方法，其特征在于，具體步驟如下：

(1)利用基于蟻群覓食行為的ACO算法,確定初始聚類中心；

(2)在步驟(1)之后，利用FCM聚類算法進(jìn)行二次聚類；

(3)在步驟(2)之后，最終確定路網(wǎng)子區(qū)。

2.根據(jù)權(quán)利要求1所述的基于ACO-FCM聚類算法的路網(wǎng)分區(qū)方法，其特征在于，在步驟(1)中，確定初始聚類中心的具體步驟如下：

(a)初始化相關(guān)參數(shù)：在車聯(lián)網(wǎng)環(huán)境下實(shí)時(shí)采集路段中心經(jīng)緯度、路段平均速度、路段平均密度樣本數(shù)據(jù)，形成路網(wǎng)數(shù)據(jù)集合X＝{(x_i1,x_i2,x_i3,x_i4)|i＝1,2,L,n}，其中x_i1表示第i路段的中心經(jīng)度，x_i2表示第i路段的中心緯度，x_i3表示第i路段的平均速度，x_i4表示第i路段的平均密度}，每個(gè)路段可以當(dāng)做單個(gè)螞蟻；

(b)在步驟(a)之后，隨機(jī)選擇c個(gè)路段樣本為初始聚類中心，螞蟻路段需聚類到c個(gè)聚類中心c_j，x_i到c_j的歐氏距離公式如下：

式中，P——權(quán)重因子，可根據(jù)路段參數(shù)對(duì)路網(wǎng)分區(qū)的影響程度而設(shè)定；

(c)在步驟(b)之后，定義r為聚類半徑，螞蟻路段x_i到初始聚類中心c_j路徑上的信息素為：

(d)在步驟(c)之后，螞蟻路段x_i選擇路網(wǎng)子區(qū)聚類中心c_j的概率為:

S∈{x_s|d_sj≤r,s＝1,2,L,N} (4)

式中，s——已分布在聚類中心c_j內(nèi)的螞蟻；

α——螞蟻在聚類過(guò)程信息素，可設(shè)置為α＝1；

β——啟發(fā)引導(dǎo)函數(shù)對(duì)路徑選擇的影響因子，可設(shè)置為β＝2；

η_ij——啟發(fā)式引導(dǎo)函數(shù)，反映路段與聚類中心的相似度，其公式如下：

螞蟻路段在選擇路網(wǎng)子區(qū)聚類中心過(guò)程中，計(jì)算轉(zhuǎn)移概率P_ij，選取轉(zhuǎn)移概率最大的P_max，將x_i并入c_j內(nèi)，并更新信息素π_ij(t+1)，其更新公式如下：

π_ij(t+1)＝(1-ρ)π_ij(t)+ρΔπ_ij(t) (6)

式中，ρ——信息素的衰減系數(shù)；

Δπ_ij(t)——在循環(huán)路徑上信息素的增量；

(e)在步驟(d)之后，更新路網(wǎng)子區(qū)聚類中心為：

式中，J——內(nèi)螞蟻的個(gè)數(shù)；

計(jì)算總體偏離誤差：

(f)在步驟(e)之后，當(dāng)D小于預(yù)先設(shè)置的參數(shù)ε或者達(dá)到最大迭代次數(shù)，則輸出聚類中心和聚類個(gè)數(shù)c，否則繼續(xù)進(jìn)行迭代，進(jìn)入步驟(b)，直至滿足條件。

3.根據(jù)權(quán)利要求2所述的基于ACO-FCM聚類算法的路網(wǎng)分區(qū)方法，其特征在于，在步驟(2)中，利用FCM聚類算法進(jìn)行二次聚類的具體步驟如下：

(A)以聚類中心和聚類個(gè)數(shù)c為初始聚類中心和初始聚類數(shù)；

(B)在步驟(A)之后，給出初始隸屬度矩陣U₀；

(C)在步驟(B)之后，計(jì)算新的聚類中心v_i和新的隸屬度矩陣U；

(D)在步驟(C)之后，對(duì)兩次迭代之間隸屬度矩陣進(jìn)行比較，如果||U(k+1)-U(k)||≤e或達(dá)到迭代次數(shù)，則停止迭代，輸出聚類結(jié)果；否則繼續(xù)迭代。