一种基于多重加权的点位聚类选址方法、设备和介质与流程

本发明涉及位置数据处理，具体涉及一种基于多重加权的点位聚类选址方法、设备和介质。

背景技术：

1、随着国内城市化的发展，各类基础管网设施建设规模也越来越大，特别是通信行业，随着城市人口数量的直线增长以及数据信息业务的迅猛发展，承载通信业务的基础光传输网络不仅已十分庞大，而且每年还在以两位数的比率持续的增长，在满足每一用户数据业务接入需求的同时，也使通信企业在基础光传输网络上的建设投入越来越大，严重影响企业的利润增长。因此，通信企业在光传输网络基础设施的建设规划上采取了诸多的限制措施、大量的人工调配手段进行待建设传输设施的选址及业务容量计划，希望达到既能满足区域当前和未来通信业务容量的需求，又不能过度建设、重复建设带来额外的无效投资，只是目前通信企业的新建传输设施需求多，特别是对于光网络中起光缆资源分配作用的光交接箱，使用数量多，连接复杂，每段时间都会出现一批离散杂乱的建设需求，尽管有规则限制，但通过人工进行整合处理的工作量很大且效率非常低，人工调配分析得到的新建传输设施的规划建设方案优化率差，结果无法评估和考核，因此，非常需要一种新的智能化分析算法与系统技术，来解决通信企业新建传输网中光交接箱设施的规划问题，对设施的多类计划进行整合，并快速获取新建设施的最优选点，以便花费尽可能少的投资，去满足尽可能多的承载业务需求。

2、由于通信行业光传输网络中包括的光交接箱设施等级多、数量庞大，网络拓扑连接复杂多样，特别是由于大型的综合性通信企业，规模大、职能部门多、细分业务需要的传输网络存在差异，导致光交接箱建设需求的收集来源不一，且同一期投建的需求量大，分布离散，分布范围广，现如今的需求整合和规划工作是由人工依据规则完成，但人工只是通过地图上的显示将需求大致归类并输出一个粗略的选址方案，无法对多数量的离散需求进行多重约束条件下的多维度优化综合，同时人工完成此类工作任务繁重、耗时长。本发明技术基于多重加权聚类处理方法，使用大数据分析对通信企业光传输网中的重要设施：光交接箱的规划建设进行快速处理，输出更准确的选址方案，大量的节省工作时间，使通信企业从优化新资源建设和规划人力使用两个方面取得最优化的费用投入。

技术实现思路

1、本发明所要解决的技术问题是建筑分布离散，分布范围广，现有选址方案速度慢，精确度低，目的在于提供一种基于多重加权的点位聚类选址方法、设备和介质，根据建筑需求确定样本集，得到初始簇中心，选取方差最大的数据组进行聚类，通过在簇内进行多重加权的统筹优化，把多个原始建设需求，归一到一个最优的光交接箱建设需求，提高了处理速度和处理精度。

2、本发明通过下述技术方案实现：

3、本发明第一方面提供一种基于多重加权的点位聚类选址方法，其特征在于，包括以下具体步骤：

4、获取样本数据和建筑需求，根据需求对样本数据进行划分，确定样本集；

5、从样本集中随机选取初始簇中心；

6、从样本集中随机选取多组数据，对多组数据分别进行方差计算，选取方差最大的一组数据作为初始簇中心集合；

7、根据初始簇中心将样本标记分类，并在完成分类后重新计算出每个簇的聚类中心；

8、将聚类中心和初始簇中心比较，若不一致，更新初始簇中心为此次计算的聚类中心，重复上述步骤，直至聚类中心和初始簇中心一致，输出选址结果。

9、本发明根据建筑需求确定样本集，得到初始簇中心，选取方差最大的数据组进行聚类，通过在簇内进行多重加权的统筹优化，把多个原始建设需求，归一到一个最优的光交接箱建设需求，提高了处理速度和处理精度。

10、进一步的，所述获取样本集合具体包括获取目标区域建筑数据，将建筑数据抽象为gis坐标作为样本数据，提取部分样本做为无标签样本其余则为伪标记样本。

11、进一步的，所述初始簇中心的确定具体包括：

12、获取建筑分类数据，根据需要对样本数据进行分类，得到样本集；

13、获取历史数据和样本总数比例，根据比例确定分类后样本的初始簇个数；

14、基于初始簇选取初始簇中心。

15、进一步的，所述对多组数据分别进行方差计算具体包括：

16、获取其中一组的坐标数据，分别计算x轴坐标和y轴坐标的平均值；

17、根据坐标数据和平均值，确定坐标的方差。

18、进一步的，所述方差计算公式包括：

19、mean_x＝σ(xi)/i，sum_sq_x＝σ((x-mean_x)2)，var_x＝sum_sq_x/i

20、mean_y＝σ(yi)/i，sum_sq_y＝σ((y-mean_y)2)，var_y＝sum_sq_y/i

21、其中，i表示坐标数据，σ(xi)表示对所有x值求和，mean_x表示x轴坐标的平均值，sum_sq_x表示x轴坐标的平方和，var_x表示x坐标的方差，σ(yi)表示对所有y值求和，mean_y表示y轴坐标的平均值，sum_sq_y表示y轴坐标的平方和，var_y表示y坐标的方差，坐标集合的方差表示为(var_x,var_y)。

22、进一步的，所述聚类中心计算步骤具体包括：

23、在样本数据中随机选取k个点构成集合k，将k个点作为k个聚类的中心；

24、遍历样本数据中其他所有点到集合k中每个点的距离，根据距离将样本数据中的点归类到最近k元素所代表的簇中；

25、获取簇中每个元素的权重，基于元素权重对分类后的簇进行簇中心计算，得到聚类中心。

26、进一步的，所述遍历样本数据中其他所有点到集合k中每个点的距离具体包括：

27、获取目标点和簇中心的坐标数据，采用曼哈顿距离进行路网距离估算：

28、dm(x,c)＝|x-xc|+|y-yc|

29、其中，(x,y)表示其他点，(xc,yc)表示簇中心。

30、进一步的，所述获取簇中每个元素的权重具体包括：

31、获取元素权重，确定元素的x坐标权重和y坐标权重，计算步骤包括：

32、xc＝(∑xi·wi)/(∑wi)

33、yc＝(∑yi·wi)/(∑wi)

34、其中，wi表示元素权重，xc表示x坐标权重，yc表示y坐标权重。

35、本发明第二方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现一种基于多重加权的点位聚类选址方法。

36、本发明第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于多重加权的点位聚类选址方法。

37、本发明与现有技术相比，具有如下的优点和有益效果：

38、本发明根据建筑需求确定样本集，得到初始簇中心，选取方差最大的数据组进行聚类，通过在簇内进行多重加权的统筹优化，把多个原始建设需求，归一到一个最优的光交接箱建设需求，提高了处理速度和处理精度；

39、本发明技术基于多重加权聚类处理方法，采用大数据分析对通信企业的光交接箱新建需求进行快速处理，在合理统筹兼并的基础上，输出更科学的选址方案，大量的节省工作时间，使通信企业从优化新资源建设和规划人力使用两个方面取得最优化的费用投入。