基于聚类中心修正的定制公交合乘站点生成方法与流程

本发明涉及智能公共交通技术领域，尤其涉及一种基于聚类中心修正的定制公交合乘站点生成方法。

背景技术

随着我国城市化进程的加快以及城市公交系统的局限性，定制公交逐渐进入人们的视野。到目前为止，国内许多城市已开设了定制公交线路，如北京、青岛、济南等，定制公交因其区别于传统公交的优质服务特性，已经成为部分城市居民出行的首要选择。而我国定制公交的发展仍处于初步探索阶段，对于定制公交的站点布设、线路设计、车辆调度等还未形成统一的方法论。因此，如何基于实际路网环境，根据乘客预约数据合理地对定制公交合乘站点进行布设是当前交通研究者值得深思的重要问题。

目前，随着定制公交的开通和兴起，国内少部分学者开始着眼于定制公交站点布设理论研究，其中较为突出的学者包括胡列格、马继辉等，但由于研究时间较短，成果相对较少。当前研究所运用的方法多基于k-means聚类、层次聚类等方法，大部分成果采取其中一种聚类方法对本问题进行研究，并未考虑到所使用的单一方法本身的局限性，同时也并未将站点布设方法同实际路网匹配起来，即使考虑实际路网，也多为根据实际情况和站点生成位置人为主观调整，缺乏科学性和有效性。而国外人口密度较低，其需求响应型公交的定位主要为服务交通出行需求低密度区域的“门到门”运输，大部分相关研究均未考虑合乘站点设置问题，而是将每个乘客需求点作为一个站点进行研究，并不适合中国国情。

因此，有必要设计一种定制公交合乘站点的生成方法，对定制公交合乘站点进行合理地布设，为当前阶段定制公交站点选址提供相应的参考。

技术实现要素：

本发明的实施例提供了一种基于聚类中心修正的定制公交合乘站点生成方法，以解决上述背景技术中的问题。

为了实现上述目的，本发明采取了如下技术方案：

本发明的实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法，其特征在于，包括：

步骤1：利用层次聚类法对乘客预约需求点进行分类，确定定制公交最佳站点的个数；

步骤2：根据所述最佳站点个数及需求点的空间坐标，构造乘客需求集合和样本特征向量集合，并获取初始聚类合乘站点集；

步骤3：对所述初始聚类合乘站点集中不与备选合乘站点重合的初始聚类中心，进行修正及聚类操作，使聚类中心落在路网上，得到聚类合乘站点；

步骤4：通过更新的价值函数值，对所述聚类合乘站点的生成结果进行判断。

优选地，所述的利用层次聚类法对乘客预约需求点进行分类，确定定制公交最佳站点的个数，包括：

步骤1.1：采集乘客预约需求点的空间位置坐标数据，所述乘客预约需求包括：上车点和下车点；

步骤1.2：计算所有需求点间的欧式距离；

步骤1.3：将所有需求点根据所述欧式距离，按照最大距离度量准则进行层次聚类，生成聚类树；

步骤1.4：确定最大距离的取值，根据所述聚类树，以最大距离取值为分类标准，确定出定制公交的最佳站点个数c。

优选地，所述的确定最大距离的取值，根据所述聚类树，以最大距离取值为分类标准，确定出定制公交的最佳站点个数c，包括：

对最大距离的取值如下：确定站点服务半径r，所述站点服务半径r为乘客的最大走行距离，取值为：500～1000m，站点的覆盖范围为以该站点为圆心、以r为半径向外辐射的圆形范围，将两站点间的最大距离取值为：4r；

根据所述聚类树，以所述最大距离取值4r为分类标准，确定出定制公交的最佳站点个数c。

优选地，所述的根据最佳站点个数及需求点的空间坐标，构造乘客需求集合和样本特征向量集合，并获取初始聚类合乘站点集，包括：

步骤2.1：构造乘客需求集合x为：

x＝{x1,x2,...,xn}，(1)

其中，n为需求个数；

所述乘客需求集合中的每一个需求xi的样本特征向量为：

(xi1,xi2,...,xim)^t，(2)

其中，m为分类研究的指标个数，在需求点空间上进行聚集，取m＝2；

步骤2.2：利用模糊c均值聚类法，获取初始聚类合乘站点集。

优选地，所述的利用模糊c均值聚类法，获取初始聚类合乘站点集，包括：

步骤2.2.1：定义模糊c空间，得到c×n的矩阵u，用值在[0,1]间的随机数初始化隶属矩阵u，使其满足下式：

步骤2.2.2：构造聚类合乘站点坐标集合y：

y＝{(x,y)|(x,y)∈s}，(4)

其中，s表示路网中的备选合乘站点集，s为路网节点及路段中能够作为站点的中间点的总和；

初始化y，令

步骤2.2.3：将所述矩阵u代入下式：

其中，p为一个加权指数，且p∈(1,∞)；

得出c个合乘站点的初始聚类中心，同时构造临时聚类合乘站点为：

cl＝{ci|i＝1,...,c}，card(cl)＝c，(6)

其中，cl即所述初始聚类合乘站点集。

优选地，所述的对初始聚类合乘站点集中不与备选合乘站点重合的初始聚类中心，进行修正及聚类操作，使聚类中心落在路网上，得到聚类合乘站点，包括：

步骤3.1：重复判断操作，直至

步骤3.2：所述判断操作为：

若ci∈y，则重新获取所述初始聚类合乘站点集，若不成立，则判断聚类中心ci的位置，生成对应的备选聚类站点集合ci；

步骤3.3：令cl＝cl\{ci}，并对所述备选聚类站点集合ci进行判断，若ci为空集，将ci存入y中，返回步骤3.1进行所述重复判断操作；若返回步骤2.2，利用模糊c均值聚类法获取所述初始聚类合乘站点；否则，将ci中的元素依次取出并记作a，则当前聚类合乘站点集y'为：

y'＝{y,a,cl}，(7)

计算价值函数值的公式如下：

其中，dij表示聚类中心i与需求点j的欧式距离；

若选择所述ci中使价值函数值最小的点作为聚类站点存入y，否则，令ci'＝ci-ci∩y，选择ci'中使价值函数值最小的点作为聚类站点存入y，并记对应的价值函数值为f；

步骤3.4：按照式(10)、(11)更新u矩阵的i+1至c行，返回步骤3.1；

优选地，所述的生成对应的备选聚类站点集合ci，包括：

设unit为路网节点能构成的最小封闭多边形，为最小路网单元；

步骤3.2.1：若生成的聚类中心ci位于路网单元unit内，则ci为该单元各边所覆盖的所有s中的点构成的集合，所有s中的点包括顶点；

步骤3.2.2：若生成的聚类中心ci位于路网上，则分别选择该路段上两侧距离ci最近的s中的点作为ci点的备选聚类站点，此时ci为所选择的两个站点构成集合；

步骤3.2.3：若生成的聚类中心ci与路网单元unit各边所覆盖的s中的点重合，则s中的点包括顶点。

优选地，所述的通过更新的价值函数值，对所述聚类合乘站点的生成结果进行判断，包括：

计算最终更新得到的价值函数值f相对上次价值函数值的改变量；

若所述改变量大于或等于预设阈值ε，则令初始化的u矩阵为步骤3所述的乘客聚类中心的修正操作方法最终更新得到的u矩阵，并返回步骤2.2重新获取初始聚类合乘站点集，继续迭代；

若所述改变量小于预设阈值ε，则停止计算，y即为所求的定制公交聚类合乘站点集合。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例通过提出一种基于聚类中心修正的定制公交合乘站点生成方法，通过确定定制公交最佳站点个数，构造初始聚类合乘站点集，对乘客聚类中心进行修正操作以及对聚类合乘站点生成结果进行判断，从而实现对定制公交合乘站点的合理布设。本发明适用于任意真实路网的网络拓扑结构，能克服当前定制公交站点布设研究未基于实际路网环境的缺点，可确保合乘站点布设的科学性、准确性、合理性和有效性，为当前阶段定制公交站点选址提供相应的参考，为定制公交的开通和实施提供方法支撑。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的处理流程图；

图2为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的定制公交最佳站点个数确定方法流程图；

图3为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的初始聚类合乘站点集构造方法流程图；

图4为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的乘客聚类中心修正操作方法流程图；

图5为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的乘客聚类中心修正操作示意图；

图6为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的初始聚类合乘站点集生成结果图；

图7为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的修正后的定制公交合乘站点生成结果图；

图8为本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的需求样本分类效果分析图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

实施例一

本发明实施例提供了一种基于聚类中心修正的定制公交合乘站点生成方法，基于乘客预约数据对定制公交合乘站点进行合理布设。

本发明实施例提供的一种基于聚类中心修正的定制公交合乘站点生成方法的处理流程图如图1所示，具体包括如下步骤：

s110：利用层次聚类法对乘客预约需求点进行分类，确定定制公交最佳站点的个数。

步骤1.1：采集乘客预约需求点的空间位置坐标数据，所述乘客预约需求包括：上车点和下车点。

步骤1.2：计算所有需求点间的欧式距离。

步骤1.3：将所有需求点根据所述欧式距离，按照最大距离度量准则进行层次聚类，生成聚类树。

步骤1.4：确定最大距离的取值，根据所述聚类树，以最大距离取值为分类标准，确定出定制公交的最佳站点个数c。

对最大距离的取值如下：确定站点服务半径r，所述站点服务半径r为乘客的最大走行距离，取值为：500～1000m，站点的覆盖范围为以该站点为圆心、以r为半径向外辐射的圆形范围，将两站点间的最大距离取值为：4r。

根据所述聚类树，以所述最大距离取值4r为分类标准，确定出定制公交的最佳站点个数c。

s120：根据最佳站点个数及需求点的空间坐标，构造乘客需求集合和样本特征向量集合，并获取初始聚类合乘站点集。

步骤2.1：构造乘客需求集合x为：

x＝{x1,x2,...,xn}，(1)

其中，n为需求个数。

所述乘客需求集合中的每一个需求xi的样本特征向量为：

(xi1,xi2,...,xim)^t，(2)

其中，m为分类研究的指标个数，在需求点空间上进行聚集，取m＝2。

步骤2.2：利用模糊c均值聚类法，获取初始聚类合乘站点集。

步骤2.2.1：定义模糊c空间，得到c×n的矩阵u，用值在[0,1]间的随机数初始化隶属矩阵u，使其满足下式：

步骤2.2.2：构造聚类合乘站点坐标集合y：

y＝{(x,y)|(x,y)∈s}，(4)

其中，s表示路网中的备选合乘站点集，s为路网节点及路段中能够作为站点的中间点的总和。

初始化y，令

步骤2.2.3：将所述矩阵u代入下式：

其中，p为一个加权指数，且p∈(1,∞)。

得出c个合乘站点的初始聚类中心，同时构造临时聚类合乘站点为：

cl＝{ci|i＝1,...,c}，card(cl)＝c，(6)

其中，cl即所述初始聚类合乘站点集。

s130：对初始聚类合乘站点集中不与备选合乘站点重合的初始聚类中心，进行修正及聚类操作，使聚类中心落在路网上，得到聚类合乘站点。

步骤3.1：重复判断操作，直至

步骤3.2：判断操作为：若ci∈y，则重新获取所述初始聚类合乘站点集，若不成立，则判断聚类中心ci的位置，生成对应的备选聚类站点集合ci。

设unit为路网节点能构成的最小封闭多边形，为最小路网单元。

步骤3.2.1：若生成的聚类中心ci位于路网单元unit内，则ci为该单元各边所覆盖的所有s中的点构成的集合，所有s中的点包括顶点。

步骤3.2.2：若生成的聚类中心ci位于路网上，则分别选择该路段上两侧距离ci最近的s中的点作为ci点的备选聚类站点，此时ci为所选择的两个站点构成集合。

步骤3.2.3：若生成的聚类中心ci与路网单元unit各边所覆盖的s中的点重合，则s中的点包括顶点。

步骤3.3：令cl＝cl\{ci}，并对所述备选聚类站点集合ci进行判断，若ci为空集，将ci存入y中，返回步骤3.1进行所述重复判断操作；若返回步骤2.2，利用模糊c均值聚类法获取所述初始聚类合乘站点；否则，将ci中的元素依次取出并记作a，则当前聚类合乘站点集y'为：

y'＝{y,a,cl}。(7)

计算价值函数值的公式如下：

其中，dij表示聚类中心i与需求点j的欧式距离。

若选择所述ci中使价值函数值最小的点作为聚类站点存入y，否则，令ci'＝ci-ci∩y，选择ci'中使价值函数值最小的点作为聚类站点存入y，并记对应的价值函数值为f。

步骤3.4：按照式(10)、(11)更新u矩阵的i+1至c行，返回步骤3.1。

计算公式为：

s140：通过更新的价值函数值，对所述聚类合乘站点的生成结果进行判断。

计算最终更新得到的价值函数值f相对上次价值函数值的改变量。

若所述改变量大于或等于预设阈值ε，则令初始化的u矩阵为步骤s130所述的乘客聚类中心的修正操作方法最终更新得到的u矩阵，并返回步骤2.2重新获取初始聚类合乘站点集，继续迭代。

若所述改变量小于预设阈值ε，则停止计算，y即为所求的定制公交聚类合乘站点集合。

实施例二

该实施例提供了一种基于聚类中心修正的定制公交合乘站点生成方法的处理流程如图1所示，包括如下的处理步骤：

步骤1：利用层次聚类法对乘客预约需求点进行分类，确定定制公交最佳站点的个数。

分类指的是把所有的需求点(包括上车点和下车点)，根据空间位置分为几类，分成的类别数即为站点数；上车点和下车点分别指每位乘客选择定制公交时提交的出发点和目的地，上车点和下车点都是需求点。

步骤2：根据所求得的最佳站点个数及需求点的空间坐标，乘客需求集合和样本特征向量集合，并获取初始聚类合乘站点集。

步骤3：对初始聚类合乘站点集中不与路网备选合乘站点重合的初始聚类中心进行一系列的修正及聚类操作，使聚类中心落在路网上。

步骤4：聚类合乘站点生成结果判断。

如图2所示为定制公交最佳站点个数确定方法流程图，具体步骤如下：

(1)采集预约乘客需求点对位置坐标数据，包括上车点和下车点。

(2)计算所有需求点间的距离。

(3)按照最大距离度量准则进行层次聚类，直到所有需求点聚类完毕，生成聚类树。

(4)确定最大距离取值，以所述最大距离取值为分类标准根据步骤3生成的聚类树确定定制公交最佳站点个数c。

如图3所示为初始聚类合乘站点集构造方法流程图，具体步骤如下：

(1)构造乘客需求集合x＝{x1,x2,...,xn}，其中n为需求个数，每一个需求xi具有样本特征向量(xi1,xi2,...,xim)^t，其中m为分类研究的指标个数。本方法主要涉及需求点空间上的聚集，故m＝2，所涉及到的指标为需求点的横纵坐标。

(2)利用模糊c均值聚类法获取初始聚类合乘站点集。上述基于模糊c均值聚类的初始聚类合乘站点集获取方法，具体流程如下：

a.定义模糊c空间，得到c×n的矩阵u，用值在[0,1]间的随机数初始化隶属矩阵u，使其满足下式：

b.构造聚类合乘站点坐标集合y＝{(x,y)|(x,y)∈s}，s表示路网备选合乘站点集，为路网节点及路段中能够作为站点的中间点的总和。初始化y，令

c.利用初始化生成的矩阵u计算下式，得出c个合乘站点初始聚类中心，同时构造临时聚类合乘站点集cl＝{ci|i＝1,...,c}，card(cl)＝c，cl即为初始聚类合乘站点集；计算式为：

其中，p为一个加权指数，且p∈(1,∞)。

如图4所示为乘客聚类中心修正操作方法流程图，具体步骤如下：

(1)重复下述操作，直至

(2)判断ci∈y是否成立，若成立，则需重新获取初始聚类合乘站点集；否则判断聚类中心ci位置，生成对应的备选聚类站点集合ci。

ci对应的备选聚类站点集合ci生成方法如下：

设unit为路网节点能构成的最小封闭多边形。本实施例以方格网状路网为例进行说明，所有路网节点构成路网备选合乘站点集。修正操作示意图如图5所示，点a、b、c、d为路网节点，共同构成一个路网单元unit。

a.若生成的聚类中心ci位于路网单元unit内，如图5.(1)所示，则选择该单元的顶点a、b、c、d作为ci点的备选聚类站点，此时ci＝{a,b,c,d}。

b.若生成的聚类中心ci位于路网上，则选择ci所在路段的顶点作为ci点的备选聚类站点，在图5.(2)所示的情况中，ci对应的备选聚类站点集合记作ci＝{a,b}。

c.若生成的聚类中心ci与路网单元unit的顶点重合，则

(3)令cl＝cl\{ci}。判断ci是否为空集，若为空集，将ci存入y中，返回步骤1；若则重新获取初始聚类合乘站点集；否则，依次取ci中元素(记作a)，则当前聚类合乘站点集为y'＝{y,a,cl}，分别根据式(3)、(4)计算价值函数值，若选择ci中使价值函数值最小的点作为聚类站点存入y，否则令ci'＝ci-ci∩y，选择ci'中使价值函数值最小的点作为聚类站点，存入y，记对应的价值函数值为f。

计算式为：

其中，dij表示聚类中心i与需求点j的欧式距离。

(4)根据下述两式更新u矩阵的i+1至c行，返回步骤(1)；

本实施例的聚类合乘站点生成结果判断方法，具体实现如下：

计算最终更新得到的价值函数值f相对上次价值函数值的改变量，判断是否大于或等于预设阈值ε；若是，则令初始化的隶属矩阵为修正操作最终更新得到的u矩阵，返回初始聚类合乘站点集构造方法的步骤；否则，则算法停止，y即为所求的定制公交聚类合乘站点集合。

实施例三

该实施例提供了一种基于聚类中心修正的定制公交合乘站点生成方法，其具体实现如下：

(1)该实施例选取了方格网状路网环境，网络节点为所有的备选合乘站点。

(2)由定制公交最佳站点个数确定方法计算可得最佳站点数目为12。

(3)基于最佳站点数目，对初始聚类合乘站点集进行构造，生成结果如图6所示，可以看出初始聚类合乘站点均偏离路网，并未与备选合乘站点重合。

(4)对初始聚类中心进行修正，并对生成结果进行判断，最终站点生成结果如图7所示，可以看出生成的乘客合乘站点均分布于路网上且与备选合乘站点重合。

如图8所示为隶属度矩阵求解示意图，用于评价样本的分类效果，可以看出各类之间隶属度矩阵存在较大差异，区分度较高，聚类效果良好。

综上所述，本发明实施例通过提出一种基于聚类中心修正的定制公交合乘站点生成方法，能够基于乘客预约数据对定制公交合乘站点进行合理地布设，摒弃了传统公交站点规划需人为根据经验主观调整的弊端，克服了当前定制公交站点布设研究未基于实际路网环境的缺点，确保了合乘站点布设的科学性、准确性、合理性和有效性，为当前阶段定制公交站点选址提供相应的参考。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。