[发明专利]一种基于时间聚合的公交运营时段划分及单程点推荐方法

权利要求书

1.基于时间聚合的公交运营时段划分及单程点推荐方法，其特征在于，包括以下步骤：

1)公交车全球卫星定位数据预处理，包括公交车单程时间提取，公交车全球卫星定位数据标准化处理，线路公交车单程时间数据筛选与剔除；

2)运营时间段初步分析与时段数n的确定；

3)改进的时间聚合算法分析，依据得到的运营时段划分、聚类中心、极值点和案例数，推荐各个运营时段的单程时间。

2.根据权利要求1所述的基于时间聚合的公交运营时段划分及单程点推荐方法，其特征在于所述步骤1)中，公交车单程时间进行提取的计算公式为：

其中：为公交线路i第j辆车从始发站到终点站的单程时间，为公交线路i第j辆车到达终点站的时刻，为公交线路i第j辆车从始发站出发的时刻。

3.根据权利要求1所述的基于时间聚合的公交运营时段划分及单程点推荐方法，其特征在于所述步骤1)中，剔除错误数据和筛选有效数据的规则如下：

a)筛选出线路方向同为“0”或“1”的数据记录；b)剔除运营时段研究范围之外的记录数据；c)剔除由于数据传输、网络设备问题导致出现的单程点不合理值。

4.根据权利要求1所述的基于时间聚合的公交运营时段划分及单程点推荐方法，其特征在于所述步骤2)中，轮廓系数的计算方法及其判断方法为：

计算方法：a)计算样本i到同簇内其他样本的平均距离a_i，平均距离a_i越小，说明样本i越应该被聚类到该簇中，将a_i称作样本的簇内不相似度；b)簇C中所有样本的a_i均值被称作是簇C的簇不相似度；计算样本i到其他簇C_j中所有样本的平均距离称作是样本i与簇C_j的不相似度；定义样本i的簇间不相似度为：b_i＝min(b_i1，b_i2…b_ik)；c)b_i越大说明样本i越不属于其他簇；根据样本i的簇内不相似度a_i和簇间不相似度b_i，定义样本i的轮廓系数：

判断方法：a)s(i)越接近1，则说明样本i聚类合理；b)s(i)越接近-1，说明样本i更适合聚到其他类；c)s(i)越接近0，则说明样本i在两个簇的边界上d)根据轮廓系数选择n；可以在固定的n值上多次执行，求取轮廓系数的均值，再依据上述判断准则选出合理的n值。

5.根据权利要求1所述的基于时间聚合的公交运营时段划分及单程点推荐方法，其特征在于所述步骤3)中，时间聚合算法步骤如下：

a)通过计算轮廓系数s(i)值确定聚类类别数n；b)从n个对象作为每个簇的初始簇中心；c)对每个单程点对象p∈P，计算其与各个簇中心的距离将p赋予最类似即对应最小的簇；d)更新簇中心m_i，i＝1，2，......，k，e)根据d)中的公式计算标准测度E，如果相邻两次迭代的E的差值的绝对值小于给定限定值，则算法终止，否则重复步骤b)；f)输出各个簇的簇中心值和边界点，以及各个簇的单程点个数；g)输出运用边界点划分时段的聚类分析结果图；由边界点划分运营时段，各个簇中心确定各个运营时段的单程点推荐值。

6.根据权利要求1所述的基于时间聚合的公交运营时段划分及单程点推荐方法，其特征在于所述步骤3)中，时间聚合算法改进方法如下：

基于三角形不等式原理来避免冗余的距离计算；第一个原理是对于一个样本点x和两个质心u_j1，u_j2；如果预先计算出这两个质心之间的距离D(j1，j2)，则如果计算发现2D(x，j1)≤D(j1，j2)，立即就知道D(x，j1)≤D(x，j2)；此时不需要再计算D(x，j2)，这样下来就可以减少一步的计算；

第二个原理是对于一个样本点x和两个质心u_j1，u_j2，得到D(x，j2)≥max{0，D(x，j1)-D(j1，j2)}。