[發明專利]一種基于ACO-FCM聚類算法的路網分區及其評估方法

在審

• 申請號: 201910335511.1
• 申請日: 2019-04-24
• 公開（公告）號: CN110610186A
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 林曉輝;曹成濤;黃良
• 申請（專利權）人: 廣東交通職業技術學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G08G1/01
• 代理公司: 44102 廣州粵高專利商標代理有限公司
• 代理人: 林麗明

本發明涉及神經網絡技術方法領域，更具體地，涉及一種基于ACO?FCM聚類算法的路網分區及其評估方法，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聚類算法進行二次聚類；(3)在步驟(2)之后，最終確定路網子區。本發明提供一種基于ACO?FCM聚類算法的路網分區方法，彌補FCM算法的不足，并搭建的車聯網仿真模型，分別采用FCM、ACO?FCM等2種聚類算法對路網進行分區，最后對路網分區結果進行基于MFD的定量評價。

技術領域

本發明涉及神經網絡技術方法領域，更具體地，涉及一種基于ACO-FCM聚類算法的路網分區及其評估方法。

背景技術

城市交通信號控制系統負責管理與控制整個城市路網，為了提高城市路網的交通控制效果，有必要進行路網分區。路網分區最初使用靜態劃分方法，即根據路網歷史數據(如交通流量、交通密度、路網結構、路網大小)對路網進行分區。靜態劃分方法易于實現，對交通流變化不大的路網是可行的，但一旦交通流隨機變化較大時，需要投入大量的人力物力重新獲取交通數據。部分學者研究了動態路網分區方法。如基于樹生長算法的路網動態分區方法，基于交通分配均衡的路網分區模型，基于交通堵塞的路網分區路徑選擇模型，基于關聯度的路網動態分區方法，歸一化分割算法(Ncut法)，基于蛇集的路網動態劃分方法，基于路段連通性和區域生長技術的路網分區算法。路網分區其實是將密度接近的路段劃分在一起，因此，部分學者采用聚類算法進行路網動態分區。如基于空間統計聚類算法的路網子區自動劃分方法，基于加權模糊聚類的路網分區方法，基于譜聚類的路網動態分區方法，基于加權平均距離聚類方法的路網分區方法，基于二維圖論聚類算法的路網子區合并模型，基于改進的Newman聚類算法的路網分區方法，基于改進FCM算法的路網分區方法。其中FCM聚類方法依賴于初始聚類中心或隸屬度矩陣，所得的結果容易陷入局部最優解。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于ACO-FCM聚類算法的路網分區及其評估方法，彌補FCM算法的不足，并搭建的車聯網仿真模型，分別采用FCM、ACO-FCM等2種聚類算法對路網進行分區，最后對路網分區結果進行基于MFD的定量評價。

為解決上述技術問題，本發明采用的技術方案是：

提供一種基于ACO-FCM聚類算法的路網分區方法，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聚類算法進行二次聚類；

(3)在步驟(2)之后，最終確定路網子區。

優選地，在步驟(1)中，確定初始聚類中心的具體的步驟如下：

(a)初始化相關參數：在車聯網環境下實時采集路段中心經緯度、路段平均速度、路段平均密度等樣本數據，形成路網數據集合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}，每個路段可以當做單個螞蟻；

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

式中，P——權重因子，可根據路段參數對路網分區的影響程度而設定；

(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：