[发明专利]一种基于密度聚类的热点路径分析方法

权利要求书

1.一种用于城市道路交通管理的基于密度聚类的热点路径分析方法，其特征在于，包括如下步骤：

步骤1，针对将目标路径表征为由若干路径点构成的路径点集合，构建相似度距离矩阵；

步骤2，比较两两路径点集合之间的相似度，基于相似度距离矩阵、距离门限ε与密度门限MinPts从路径点集合中挖掘出核心路径集，再根据针对核心路径集的直接密度可达关系，采用密度聚类迭代式地生成由核心路径集聚合成的簇；

步骤3，将各簇的路径点集合众数作为目标热点路径输出；

步骤1包括：

步骤1-1，设定基于出租车轨迹信息采集了n条目标路径相对应的n个路径点集合，每个路径点集合对应一条目标路径，而路径点集合中的每个元素为对应目标路径中的一个路径点，则定义第i个路径点集合P_i和第j个路径点集合P_j之间的Jaccard距离JaccardDist(P_i,P_j)为：

步骤1-2，对路径点集合排序：将n个路径点集合首先按集合大小由大到小、其次按索引值由小到大排序，记为P₁、P₂、…、P_n，满足|P₁|≥|P₂|≥…≥|P_n|；

步骤1-3，初始化相似度距离矩阵：设定距离门限ε，初始化相似度距离矩阵DistArray为空，其矩阵大小n×n，即矩阵的行数和列数均为n；

步骤1-3中，距离门限ε取值为所有路径点集合最近邻距离的均值，即：

步骤2包括：

步骤2-1，设置当前集合索引：设置当前路径点集合索引s＝1；

步骤2-2，设置待比较集合索引：设置待比较路径点集合索引t＝s+1；

步骤2-3，判断待比较集合索引：判断待比较路径点集合索引，如果不满足t≤n且|P_t|/|P_s|≥1-ε，继续步骤2-4，如果满足则执行步骤2-6；

步骤2-4，更新当前集合索引：更新当前集合索引值s＝s+1；

步骤2-5，判断当前集合索引：判断当前集合索引，如果满足s≥n，继续步骤2-8，否则，返回步骤2-2；

步骤2-6，计算相似度距离：计算当前集合索引与待比较集合索引对应的两个路径点集合之间的Jaccard距离JaccardDist(P_s,P_t)，如果满足JaccardDist(P_s,P_t)≤ε，更新相似度矩阵中对应矩阵单元值：

DistArray[s,t]＝JaccardDist(P_s,P_t) (3)，

DistArray[s,t]表示相似度距离矩阵DistArray第s行第t列的值；

步骤2-7，更新待比较集合索引：t＝t+1，返回步骤2-3；

步骤2-8，计算路径点邻域大小：给定任意路径点集合P，将与路径点集合P的相似度距离在距离门限ε以内的其他所有路径点集合定义为该路径点集合P的ε邻域，记为N_ε(P)：

N_ε(P)＝{Q|JaccardDist(P,Q)≤εQ≠P} (4)，

其中Q表示任意路径点集合Q，根据公式(4)计算各路径点集合P_i的ε邻域大小，记为|N_ε(P_i)|；

步骤2-9，构建核心路径集：设定密度门限MinPts，将ε邻域大小不小于MinPts的路径点集合定义为核心路径集，即任一核心路径集CoreP满足：

|N_ε(CoreP)|≥MinPts (5)；

步骤2-10，基于密度的迭代聚合：分别以各核心路径集作为初始簇，给定距离门限ε与密度门限MinPts，如果两核心路径集CoreP与CoreQ满足：

CoreQ∈N_ε(CoreP) (6)，

则称核心路径集CoreQ从核心路径集CoreP直接密度可达的，表示为：

CoreP＜CoreQ；

如果存在一个长度非零的核心路径集链，使得核心路径集CoreQ与核心路径集CoreP满足如下条件(a)和(b)：

(a)CoreP＜CoreP₁＜CoreP₂＜……＜CoreP_n＜CoreQ，且

(b)n≥1 (7)，

则称核心路径集CoreQ是从核心路径集CoreP间接密度可达的，表示为：

CoreP＜^ICoreQ；

如果存在一核心路径集CoreO，使得核心路径集CoreP与CoreQ分别从核心路径集CoreO直接或间接密度可达，即满足如下条件(c)和(d)：

(c)CoreO＜^ICoreP或者CoreO＜CoreP，且

(d)CoreO＜^ICoreQ或者CoreO＜CoreQ (8)

则称核心路径集CoreP与CoreQ是密度相连的；

继而，根据距离门限ε与密度门限MinPts，基于密度聚类进行迭代式聚合，聚合直接密度可达、间接密度可达与密度相连的核心路径集后生成的簇数目记为u；

步骤2-11，计算路径集众数：分别针对u个簇C₁，C₂，……,C_u中的各个簇C_k，C_k包含k’个核心路径集：C_k＝{CoreP₁,CoreP₂,……,CoreP_k’}，CoreP_k’表示第k’个核心路径集，计算簇C_k的路径集众数Mode_k，其中1≤k≤u，C_k表示第k个簇；

步骤2-10包括：

给定距离门限ε与密度门限MinPts，从任一核心路径集CoreP开始，首先把所有与核心路径集CoreP直接密度可达的核心路径集聚合在一起，直至所有核心路径集都已经被处理，具体过程包括：

步骤2-10-1，判断是否有未处理的核心路径集，如果有继续步骤2-10-2，如果没有继续步骤2-10-3；

步骤2-10-2，针对未处理的任一核心路径集CoreP，把所有满足与核心路径集CoreP直接密度可达的核心路径集聚合在一起，回到步骤2-10-1；

步骤2-10-3，将所有聚合在一起的核心路径集作为同一个簇，输出形成的簇，簇数目记为u；

步骤2-11中，根据如下公式计算簇C_k的路径集众数Mode_k，

Mode_k＝argmin_P∑_1≤q≤k’JaccardDist(P,CoreP_q) (9)，

其中，P表示路径点集合，CoreP_q表示簇C_k中的第q个核心路径集，而路径集众数Mode_k表示当与簇C_k中所有核心路径集Jaccard距离之和最小时对应的路径点集合；

步骤2-11包括：

步骤2-11-1，计算交集系数和并集系数：给定簇C_k，包含k’个核心路径集：C_k＝{CoreP₁,CoreP₂,……,CoreP_k’}，先计算簇C_k中包含的路径点字典Ω_k：

Ω_k＝∪_1≤q≤k’CoreP_q’

即路径点字典是簇C_k中所有核心路径集的并集，然后针对路径点字典中的各路径点p_r’计算路径点p_r在簇C_k各核心路径集CoreP_q中的交集系数α_rq与并集系数β_rq’如下式所示：

步骤2-11-2，基于交集系数和并集系数计算路径点与核心路径集的Jaccard距离：路径点集合P＝{p_r}与各核心路径集CoreP_q的Jaccard距离简化为：

步骤2-11-3，基于交集系数和并集系数计算路径点集合众数：

在城市道路交通管理中，针对挖掘出的热点路径，加强对应道路、红绿灯，以保障道路畅通、控制车流量。

2.根据权利要求1所述的方法，其特征在于：步骤3包括：将Mode_k作为第k个簇C_k的路径热点输出。