-
公开(公告)号：CN111581325B
公开(公告)日：2021-02-02
申请号：CN202010668005.7
申请日：2020-07-13
Applicant: 重庆大学
Abstract: 本发明涉及一种基于时空影响距离的K‑means站点区域划分方法，S100获取某一城市轨道交通出行数据，并对数据进行预处理；S200将所有站点xi作为聚类数据集Ω，随机选取一个站点作为初始聚类中心，然后依次选出K个聚类中心；S300计算每个站点到各个聚类中心点的时空影响距离，站点到哪个聚类中心点的时空影响距离最小，就将站点划分到该聚类中心的类中；S400针对重新划分后的每个类别，新计算该类别的聚类中心；S500重复S300和S400，直到每个类别的聚类中心位置不再发生变化，输出聚类中心和各个类中的所有站点。本发明的分类方法不但考虑了站点之间的空间位置，而且还考虑了站点之间的实际位置，分类更准确。
-
公开(公告)号：CN111581325A
公开(公告)日：2020-08-25
申请号：CN202010668005.7
申请日：2020-07-13
Applicant: 重庆大学
Abstract: 本发明涉及一种基于时空影响距离的K-means站点区域划分方法，S100获取某一城市轨道交通出行数据，并对数据进行预处理；S200将所有站点xi作为聚类数据集Ω，随机选取一个站点作为初始聚类中心，然后依次选出K个聚类中心；S300计算每个站点到各个聚类中心点的时空影响距离，站点到哪个聚类中心点的时空影响距离最小，就将站点划分到该聚类中心的类中；S400针对重新划分后的每个类别，新计算该类别的聚类中心；S500重复S300和S400，直到每个类别的聚类中心位置不再发生变化，输出聚类中心和各个类中的所有站点。本发明的分类方法不但考虑了站点之间的空间位置，而且还考虑了站点之间的实际位置，分类更准确。
-
公开(公告)号：CN111860699B
公开(公告)日：2021-04-13
申请号：CN202010872239.3
申请日：2020-08-26
Applicant: 重庆大学
Abstract: 本发明涉及一种基于波动率的通勤出行模式识别方法，该方法首先进行城市区域划分，使用K‑means算法进行聚类，随机选择聚类中心，针对聚类数据集中的每个站点，计算每个站点到各个聚类中心点的影响距离，确定站点到哪个聚类中心的影响距离最小，就将站点划分到该聚类中心的类中，输出聚类中心和各个类中的所有站点；然后进行通勤出行模式识别，该步骤中引入客流波动率，计数大于阈值的波动率个数q，若q＝4且四个波动率峰值分别对应早高峰和晚高峰的起止时间点，那么这一对研究对象区域被识别为通勤出行模式。该方法可以准确识别通勤出行模式，从而提高站点客流预测的准确性，进而可有效给予拥堵或异常的预警。
-
公开(公告)号：CN111860699A
公开(公告)日：2020-10-30
申请号：CN202010872239.3
申请日：2020-08-26
Applicant: 重庆大学
Abstract: 本发明涉及一种基于波动率的通勤出行模式识别方法，该方法首先进行城市区域划分，使用K-means算法进行聚类，随机选择聚类中心，针对聚类数据集中的每个站点，计算每个站点到各个聚类中心点的影响距离，确定站点到哪个聚类中心的影响距离最小，就将站点划分到该聚类中心的类中，输出聚类中心和各个类中的所有站点；然后进行通勤出行模式识别，该步骤中引入客流波动率，计数大于阈值的波动率个数q，若q＝4且四个波动率峰值分别对应早高峰和晚高峰的起止时间点，那么这一对研究对象区域被识别为通勤出行模式。该方法可以准确识别通情出行模型，从而提高站点客流预测的准确性，进而可有效给予拥堵或异常的预警。
-
-
-
Search Results
4
records
(took 0.013 seconds)
