一种面向停车生成率获取的商业综合体模糊聚类方法与流程

本发明涉及停车规划与管理领域，具体涉及一种通过量化商业综合体停车生成的影响因素实现对商业综合体的模糊聚类，以便于将来通过参考已建商业综合体的停车生成率确定未建商业综合体的停车生成率。

背景技术：

目前，我国现行停车生成率指标的获取方法主要依据标准对单一用地性质的停车生成率做出了规定，未对具有混合用地性质的商业综合体停车生成率做出具体的规定。商业综合体的配建指标研究处于空白阶段，其原因在于不同区位、不同用地性质、不同公交可达性的商业综合体，其停车生成率差异较大。

商业综合体停车生成率主要受商业综合体内各类功能用地的建筑规模、周围主干道合围范围内主干道饱和度、公交可达性、区位条件、停车收费等因素的影响，故本发明基于模糊聚类技术，研究面向停车生成率的商业综合体聚类方法，对在不同影响因素下的商业综合体进行分类，以便于实现对具有相似停车生成特性的商业综合体停车生成率的获取，以及城市商业综合体停车场配建标准的制定和建筑规模的规划。

技术实现要素：

针对目前大规模的城市商业综合体停车生成率调查困难、缺乏合理的城市商业综合体配建标准等问题，本发明提出了一种面向停车生成率获取的商业综合体模糊聚类方法，该方法能够通过商业综合体内各类功能用地的建筑规模、周围主次干道合围范围内区域饱和度、公交可达性、区位条件、停车收费指标，准确地对具有相似停车特征属性的商业综合体进行合理划分，为后续按类取样调查各类商业综合体的停车生成率、制定城市商业综合体停车场配建标准提供了良好的方法支撑。

本发明通过停车影响因素对商业综合体进行模糊聚类。

本发明应用matlab软件进行模糊综合聚类分析，以准确实现对具有相似停车特征属性的商业综合体进行合理划分。

一种面向停车生成率获取的商业综合体模糊聚类方法，所述方法包括：

获取商业综合体停车影响因素；

根据所述商业综合体停车影响因素，进行模糊c均值聚类；

根据所述模糊c均值聚类算法，得出具有相似停车特征属性的商业综合体类别。

所述商业综合体停车影响因素，具体包括：

5个影响指标作为聚类因子：分别为商业综合体内各类功能用地的建筑规模、周围主次干道合围范围内区域饱和度、公交可达性、区位条件、停车收费。

所述各类功能用地建筑规模包括功能用地建筑面积，不同规模不同用地性质产生的停车需求不同；

所述的周围主次干道合围范围道路饱和度是指距商业综合体最近的合围主干道路段断面车流量与路段通行能力比值的平均值；

所述的公交可达性是指对某个目的地而言，乘坐公交车到达该点的便利程度。以商业综合体为中心，在其步行可接受范围内公交线路数和公交平均发车间隔来表示公交可达性；

所述的区位条件是指商业综合体的位置，体现了商业综合体的经济发展水平和社会活动的活跃水平对停车生成率产生影响；

所述的停车收费是指营业期间小时平均停车费用。

所述的模糊c均值聚类，包括：

根据所述商业综合体，确定样本集y；所述聚类样本集表示为y＝{y1，…yi…，yn}，i＝1，2，…n，yi为商业综合体i影响因子向量；

根据每个样本yi，标准化处理yi中各影响因子，得到标准化后的每个商业综合体影响因子向量yi＝(yi1，yi2，yi3，yi4，yi5)^t，yip分别表示各影响因子，p＝1，2，3，4，5；

根据所述商业综合体样本集y，确定聚类数目c；

确定聚类因子间距离更新规则m；

根据所述商业综合体样本集y，构建所述聚类数目为c的初始模糊矩阵u^(k)，，令k＝1，所述的k为迭代更新次数；

根据所述模糊矩阵u^(k)，计算所述聚类数为c的c个聚类中心其中j＝1，2，…c；

根据所述的模糊矩阵u^(k)和聚类中心计算所述聚类数目为c的代价函数j^k；

所述的代价函数j^k，包括：

其中为第k次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的隶属度；(dij)^m为商业综合体i与第j类聚类中心的的距离，m为计算规则，yi为商业综合体i的影响因子向量，为第k次迭代时第j个聚类类别的聚类中心，n为样本量，c为聚类数；

更新迭代次数，令k＝k+1，更新所述的第k+1次模糊矩阵u^(k+1)；

根据聚类数目取c的聚类迭代算法收敛条件，判断聚类数目为c的聚类迭代过程是否结束；

所述聚类数目为c的迭代算法终止条件，包括：

其中ε、μ分别为述聚类数目为c的迭代算法终止条件判断阈值，为第k+1次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的隶属度，为第k次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的隶属度，j^(k+1)为第k+1次迭代时的代价函数值，j^(k)为第k次迭代时的代价函数值；

根据所述聚类数目为c的迭代算法终止条件，若不满足所述聚类数目为c的迭代算法终止条件，则根据所述的模糊矩阵u^(k+1)，更新所述聚类数目为c的聚类中心更新代价函数j^(k+1)，依次迭代，直到满足所述聚类数目为c的迭代算法终止条件；

当满足所述聚类数目为c的迭代算法终止条件时，则进一步计算c取值评价标准l(c)，判断在所选聚类数目取值为c的情况下，分类结果是否满足一定的精度；

可选的，所述的c取值评价标准l(c)，具体包括：

其中l(c)^(k+1)为第k+1次迭代时c取值评价值，为第k+1次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的隶属度，m为更新规则，yi为商业综合体i影响因子向量，为第j个聚类类别中所有样本平均值，具体包括：nj为第j个聚类类别中样本量，为第k次迭代时第j个聚类类别的聚类中心；

若所述的c取值评价标准l(c)满足判别条件，认为具有一定的分类精度，则聚类结束；若不满足，重新选取聚类数目c，重新进行迭代计算；

可选的，所述的c取值评价标准l(c)的判别条件，具体包括：

其中.为所述的c取值评价标准l(c)对所述的聚类数目c的梯度，为简化公式，相应部分用符号代替，无实际意义，具体如下：

其中，θ为判断阈值，l(c)^k+1为第k+1次迭代时c取值评价值，l(c)^k为第k次迭代时c取值评价值第k次迭代时c取值评价值，c为聚类数，l(c)^(k+1)为第k+1次迭代时c取值评价值，为第k+1次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的隶属度，m为更新规则，yi为商业综合体i影响因子向量，为第j个聚类类别中所有样本平均值，具体包括：nj为第j个聚类类别中样本量，为第k次迭代时第j个聚类类别的聚类中心。

③l(c)＝maxl(c)，c＝1，2，…，10；l(c)为c取值评价值。

本发明的有益效果：

本发明能够通过商业综合体内各类功能用地的建筑规模、周围主次干道合围范围内区域饱和度、公交可达性、区位条件、停车收费指标，准确地对具有相似停车特征属性的商业综合体进行合理划分，为后续按类取样调查各类商业综合体的停车生成率、制定城市商业综合体停车场配建标准提供了良好的方法支撑。

附图说明

图1为本发明的流程图。

具体实施方式

请参阅图1所示，本发明以fcm算法为基础，以商业综合体内各类功能用地的建筑规模、周围主次干道合围范围内区域饱和度、公交可达性、区位条件、停车收费指标能够对商业综合体停车生成率进行准确描述，将其做为模糊聚类输入值。本发明提出的一种面向停车生成率获取的商业综合体模糊聚类方法，具体工作流程如下：

stepl：聚类指标计算。

a.各类功能用地建筑规模

商业综合体各类功能用地建筑规模向量为：

单位100m²；

其中，为商业综合体内用地性质为商业用地的建筑面积；为商业综合体内用地性质为办公用地的建筑面积；为商业综合体内用地性质为住宅用地的建筑面积；为商业综合体内用地性质为教育用地的建筑面积；为商业综合体内用地性质为餐饮用地的建筑面积；为商业综合体内用地性质为文娱用地的建筑面积。

b.商业综合体i主干道合围范围内道路饱和度：

式中：m为以商业综合体i为中心最近合围主次干道数，qi为商业综合体营业期间内主次干道路段i断面最大车流量，ri为主次干道路段i的通行能力，单位为pcu/h。

c.商业综合体公交可达性

公交可达性为公交线路数与公交车平均发车时间间隔组成的二维向量。

公交线路数n为商业综合体300m范围内公交线路的数量。

公交平均发车间隔：

式中：n为公交线路数，fp表示单条公交线路的发车间隔时间。

商业综合体i公交可达性可表示为：wi＝(ni，fi)^t。

d.商业综合体i区位条件

本发明将区位分为三类，分别为城市中心区域、边缘区域以及郊区。若商业综合体i所在区域处于二环以内定义为城市中心区，经济繁荣，出行者出行强度较大，令di＝1.3；若商业综合体i所在区域处于二环以外三环以内定义为城市边缘区域，出行强度介于中心区域与郊区之间，令di＝1.05；若商业综合体i所在区域处于三环以外定义为郊区，活动种类少，令di＝0.7，具体如下：

e.商业综合体i停车收费：

式中：ci为平均小时停车收费，单位为元/小时；n为产生停车需求的时间即商业综合体i营业小时数；cq为小时收费，单位为元/小时。

step2：数据标准化。

影响因素量纲标准化。

本发明有5种不同的量纲，其中各类功能用地建筑规模为六维指标向量为si＝(s商业、s办公、s居住、s教育、s餐饮、s文娱)^t，向量长度为l1，

标准化向量为y1，

公交可达性二维指标向量为wi＝(ni，fi)^t，向量长度为l2，则标准化向量为y2，

主干道合围范围道路饱和度为一维向量，标准化为y3，

其中，为n个商业综合体主干道合围范围道路饱和度均值，s3为个商业综合体主干道合围范围道路饱和度方差，n为商业综合体样本量。

区位条件为一维向量，标准化为y4，

其中，为n个商业综合体区位条件均值，s4为个商业综合体区位条件方差，n为商业综合体样本量。

停车收费为一维向量，标准化为y5，

其中，为n个商业综合体区位条件均值，s5为个商业综合体区位条件方差，n为商业综合体样本量。

综上，商业综合体i表示为：yi＝(yi1，yi2，yi3，yi4，yi5)^t，yi1为标准化后的商业综合体i中各类功能用地建筑规模向量，yi2为标准化后的商业综合体i公交可达性向量，yi3为标准化后的商业综合体i主干道合围范围道路饱和度向量，yi4为标准化后的商业综合体i区位条件训练，yi5为标准化后的商业综合体i停车收费向量。

step3：确定指数m和分类数c。

m为参数更新规则，m∈[1，+∞)，取m＝2；

取分类数初值c＝1，c∈[1，10]。

step4：更新分类数c＝c+1；

step5：初始化隶属度矩阵u^(k)，令初始迭代次数k＝1。

u＝(uij)可视化矩阵形式为：

其中：cj为第j类聚类中心，yi为商业综合体i的影响因子向量，c为聚类数，n为样本量，uij为第i个样本属于j类的概率。

初始化u^(k)，在满足以下约束条件下，将任意uij赋予0或1的初值。

其中，c为聚类数，n为样本量。

step6：根据隶属度矩阵u^(k)计算聚类中心

根据隶属度矩阵u(^k)把n个商业综合体按聚类影响因子向量yi＝(y1，y2，y3，y4，y5)^t分到c个模糊组，求每组的聚类中心

为第k次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的概率，n为商业综合体聚类样本量。

step7：计算代价函数j^k。

j^k可视化矩阵为：

求和为：

其中：为第k次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的概率；(dij)²为第j个聚类中心与第i个数据点yi之间的欧几里德距离，yi为商业综合体i的聚类影响因子向量，为第k次迭代时第j类聚类中心，n为商业综合体聚类样本量，c为聚类数。

step8：更新迭代次数，令k＝k+1，更新u^(k+1)。

式中：为第k+1次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的概率；(dij)²为第j个聚类中心与第i个数据点yi之间的欧几里德距离；为商业综合体i相对于所有类的类中心ck的求和，yi为商业综合体i的聚类影响因子向量，cj为第j类聚类中心。

step9：迭代算法终止条件。

如果满足：

取ε＝0.01；

max|j^(k+1)-j^(k)|＜μ，取μ＝0.1，k、k+1为迭代步数。

其中，为第k+1次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的概率，为第k次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的概率，j^(k+1)为第k+1次迭代时的代价函数值，j^(k)为第k次迭代时的代价函数值，ε、μ为判别阈值。

则进行step10，否则返回step6。

step10：聚类数c取值评价。

其中l(c)^(k+1)为第k+1次迭代时c取值评价值，为第k+1次迭代时模糊矩阵中商业综合体i属于第j个聚类类别的隶属度，m为更新规则，yi为商业综合体i影响因子向量，为第j个聚类类别中所有样本平均值，具体包括：nj为第j个聚类类别中样本量，为第k次迭代时第j个聚类类别的聚类中心；

step11：算法终止条件。

如果满足①②或③，则聚类结束，输出c^(k+1)值与u^(k+1)。否则返回step4。

②max{(l(c)^k+1-l(c)^k)}＜θ，取θ＝0.01。

其中：为所述的c取值评价标准l(c)对所述的聚类数目c的梯度，为简化公式，相应部分用符号代替，无实际意义，具体如下：

θ为判断阈值，l(c)^k+1为第k+1次迭代时c取值评价值，l(c)^k为第k次迭代时c取值评价值第k次迭代时c取值评价值。。

③l(c)＝maxl(c)，c＝1，2，…，10；l(c)为c取值评价值。