一种基于固定站点的交通网络的凝聚聚类算法.docVIP

  一种基于固定站点的交通网络的凝聚聚类 算法 李攀* 5 10 15 20 25 30 35 40 （北京邮电大学网络技术研究院，北京 100876） 摘要：随着智能手机和移动互联网的发展，出现了越来越多的基于地理位置的服务(LBS), 而在这些服务中对实时位置数据的分析显得十分重要。在本文中，针对拥有固定站点的交通 网络的特点，基于用户汇报 GPS 数据，提出一种基于固定站点的交通网络的凝聚聚类算法。 在本算法中，引入可能的线路列表作为用户状态，并根据车辆是否临近站点来判断是否更新 用户状态，引入三个聚合因子作为对象相似标准。实验证明，本算法可实现在固定站点的交 通网络中用户 GPS 数据高效的聚类及线路识别。 关键词：凝聚聚类；固定站点的交通网络；LBS；GPS 中图分类号：TP391 An Agglomeration Clustering Algorithm in the Tranffic Network with Stops LI Pan (Beijing University of Posts and Telecommunications, State Key Lab of Switching Networking Technology, Beijing 100876) Abstract: With the development of smart phone and mobile Internet, there appears more and more location-based services(LBS), in which real-time location analysis is very important. In this paper, we proposed an agglomeration clustering algorithm in the tranffic network with stops, in view of the characteristics of the tranffic network, based on the GPS data reported by users. In the algorithm, we introduce possible lines list as the state of user, and according to whether the vehicle is near stop to judge whether updating the state of user. And we introduce three agglomeration factors as the similarity between objects. Experiments show that this algorithm can achieve efficient clustering and line recognition with GPS data reported by users. Keywords: agglomeration clustering; tranffic network with stops; LBS; GPS 0 引言 近年来，随着智能手机的普及，移动互联网以及定位技术（如:GPS）的日渐成熟，对 于位置数据的实时分析逐渐成为研究的热点。现有的聚类算法的研究中，针对不同的需求提 出了许多的聚类算法，非常经典的如 K-medoids、K-means[1]等，是一种基于质心的聚类技 术，其基本原理是首先选择 k 个对象作为初始的聚类点，然后根据簇中对象的平均值，将每 个对象赋给最类似的簇，并更新簇的平均值，然后重复这一过程，直到簇的划分不再发生变 化。但是这种算法需要在初始预估聚类簇的个数，然后进行迭代计算。在拥有固定站点的交 通网络中，当前运行的车辆无法预估，所以该算法不适用，那么我们必须选择一种可以在计 算过程中自然决定聚类簇个数的聚类算法，而适用于这种情况的典型的聚类算法就是层次聚 类算法，它又可以分为两类,即自底向上的凝聚层次聚类和自顶向下的分解层次聚类。凝聚 聚类的策略是先将每个对象各自作为一个原子聚类,然后对这些原子聚类逐层进行聚合,直至 满足一定的终止条件;后者则与前者相反。 在拥有固定站点的交通网络中，用户通过智能手机，将其 GPS 位置上报到统一的服务 器中，在服务器中通过对用户 GPS 数据的实时分析和聚类，希望获得两种信息：第一，当 作者简介：李攀，（1986-），男，硕士，无线移动通信网络和宽带网络。 E-mail: lipangood@163.com -1-   前交通网络中运行的所有车量的位置；