类分析的交通小区动态划分方法研究
基于划分的聚类在交通规划小区中的应用
基于划分的聚类在交通规划小区中的应用刘彦斌;智伟;温熙华;刘云鹏;程元晖;方志远【摘要】城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之.针对现有的基于划分的聚类算法应用于交通规划小区存在的问题,文章基于交通特性定义了聚类有效性指标,进而设计了将模糊C均值聚类与K均值聚类相结合的交通小区划分算法.以吴江区为例,结合17万余条出租GPS数据,搭建GIS平台划分交通小区,验证了算法的有效性,进而可视化地分析了小区之间的交通OD,为城市交通运营、规划部门决策提供重要参考和依据.【期刊名称】《物流科技》【年(卷),期】2017(040)008【总页数】6页(P72-77)【关键词】交通小区;K均值聚类;模糊C均值聚类;聚类有效性指标;交通OD【作者】刘彦斌;智伟;温熙华;刘云鹏;程元晖;方志远【作者单位】中电海康集团研究院, 浙江杭州 310012;中电海康集团研究院, 浙江杭州 310012;中电海康集团研究院, 浙江杭州 310012;中电海康集团研究院, 浙江杭州 310012;中电海康集团研究院, 浙江杭州 310012;中电海康集团研究院, 浙江杭州 310012【正文语种】中文【中图分类】F570城市交通系统是一个非线性、强耦合、离散、并具有随机特性的复杂大系统[1]，很难直接对其建模分析。
在这种情况下，交通小区应运而生，采用分而治之的思想：将复杂交通网络解耦为若干个交通子区，分别对每个子区进行诱导和控制，从而实现对整个交通的协调优化。
这种内部具有一定交通关联度和交通相似度的交通子区就被定义为交通小区[2]。
根据决策的层级不同，交通小区可分为面向交通控制的交通小区、面向交通诱导的交通小区以及面向交通规划的交通小区。
交通小区的诞生一方面保证了交通管理的灵活性，可因地制宜地根据小区间的不同交通特性制定差异性的管理策略；同时也保证了整个交通系统鲁棒性，避免了单一控制中心瘫痪可能引发的灾难性损失。
交通小区的理论分析和划分方法研究
职务项目经理材料员施工员
姓名性别
男
职称
工程师
助工高志春
尚文琴
吴小茹
男
男助工
安全员质检员专职安全
员雷明录
范雄飞
男
男
助工
助工郝卫星男技术员项目组织机构图
项目经理
项目副经理项目总工程师
财务部办公室
工程项目部技术
质量
部
计统
预算
部
材料
设备
部
专职安全员专职质量员
施工作业班组
作者:宋亮
学位授予单位:长安大学
被引用次数:2次
1.吴昊灵国外交通规划发展回顾与我国交通规划现状分析[期刊论文]-现代科技(现代物业下旬刊) 2010(04)
2.马超群,王瑞,王玉萍,严宝杰,陈宽民基于区内出行比例的城市交通小区半径计算方法[期刊论文]-交通运输工程学报 2007(01)
3.李晓丹,杨晓光,陈华杰城市道路网络交通小区划分方法研究[期刊论文]-计算机工程与应用 2009(05)
增强职工的环保意识,节约用水,严禁水管出现跑、冒、滴、漏象,临时用水及消防平面布置见附图。
第三章施工进度计划及措施
3.1工期目标
本工程我们经仔细研究,并结合我单位实际,在保证安全、质量的前提下用180日历天完成全部施工任务,并争取提前竣工。
3.2工期保证措施
本工程按我单位较成熟的项目法管理体制,建立规范化的项目体系,实行项目经理负责制,成立本工程项目经理部,实行项目法施工,对本工程行使计划、组织、指挥、协调、施工、监督六项基本职能,配备有力的管理层,选择能打仗、并有大型建筑施工阶段组成作业层,承担本工程施工任务。
基于出租车GPS数据的南京市交通小区的划分
基于出租车GPS数据的南京市交通小区的划分摘要：在南京市出租车GPS海量数据中，提取部分数据对南京市市域进行交通小区的划分，利用SPSS19.0的Kmeans聚类分析方式对其进行分析，最终将分类数据进行可视化，对交通小区边界确定作出一些改进，以及对出租车GPS数据的利用作出了一些设想。
关键词：GPS数据交通小区Kmeans聚类目前各大城市出租车均搭载了GPS，产生了海量的数据，而出租车司机的寻客行为很大程度上属于盲目寻客。
本文旨在利用这些数据进行分析，使用乘客上下点进行交通小区的划分，从而对出租车寻客行为起到一定指导作用。
所谓交通小区，最早是在交通规划领域中提出的,其目的主要是为了定义城市路网中交通起讫点的位置,然后使用需求预测模型对各交通小区间的交通出行量进行预测[1]。
1 数据的提取与预处理在城市居民出行影响因素中，时间和空间分布的研究是最重要的两点，有人把一天分为8个时间段进行居民出行研究，其研究结果表明工作日的居民出行行为主要是通勤出行，其最主要的出行时间段为7：00- 9：30和17：00-19：30，出行空间分布主要是居住地和工作地[2]。
此次实验数据为南京市2010年9月30日出租车GPS数据，数据库中表字段有ID（点唯一标识）、VehicleSimID（车辆唯一标识）、GPSLatitude（纬度）、GPSLongtitude（经度）、PassengerState（0-空车，1-非空车）、CreateDate（记录建立时间）。
该次试验以7：00-9：30时间段的数据为例。
1.1 提取数据库中的数据利用千万数量级的出租车GPS点数据进行交通小区划分，需要乘客上下车点的数据（OD）。
所谓上车点，即PassengerState由0变为1的点(O)；所谓下车点即PassengerState由1变为0的点(D)。
本次实验提取7：00-9：30的所有出租车乘客上下车点数据。
1.2数据预处理南京市域地理坐标为北纬31°14＇～32°37＇，东经118°22＇～119°14＇。
基于出租车GPS数据聚类分析的交通小区动态划分方法研究
基于出租车GPS数据聚类分析的交通小区动态划分方法研究1. 本文概述你需要明确文章的研究背景和目的。
在这个段落中，你可以简要介绍交通小区的概念以及为什么动态划分交通小区对于城市交通管理和规划至关重要。
接着，你可以提到出租车GPS数据作为一种新兴的数据源，如何为交通小区的动态划分提供了新的视角和可能性。
你应该概述本文的主要研究内容和方法。
可以提及你将使用哪些数据预处理和聚类算法来分析出租车GPS数据，并简述这些方法如何帮助实现交通小区的动态划分。
你可以在概述中提及本文的预期成果和贡献。
例如，你可能期望通过研究提出一种新的交通小区划分方法，这种方法能够更准确地反映城市交通的实际动态，并为交通管理和规划提供更有价值的信息。
随着城市交通系统的日益复杂，有效的交通管理和规划变得尤为重要。
交通小区作为城市交通分析的基本单元，其合理划分对于理解交通流分布、优化交通资源配置具有重要意义。
传统的交通小区划分方法往往依赖于静态数据和经验判断，难以适应城市交通流的动态变化。
近年来，随着出租车GPS数据的广泛应用，我们有机会从新的视角审视交通小区的动态划分问题。
本文旨在探索基于出租车GPS数据的交通小区动态划分方法，以期为城市交通管理提供更为精准的决策支持。
通过收集和预处理城市出租车GPS数据，本文将采用先进的数据挖掘技术和聚类算法，对交通流模式进行深入分析。
研究将重点关注如何从动态数据中提取有意义的交通小区边界，并评估不同划分方法对交通流预测和规划的潜在影响。
最终，本文期望提出一种创新的交通小区动态划分框架，不仅能够提高划分的准确性和实用性，还能够为城市交通研究领域带来新的理论和实践贡献。
2. 相关理论与方法GPS技术简介：全球定位系统（GPS）的工作原理及其在交通领域中的应用。
出租车GPS数据特性：出租车GPS数据的类型、特点，包括其时间戳、经纬度、速度等信息。
聚类分析方法：介绍聚类分析的基本概念、类型（如Kmeans、层次聚类等）及其在数据分析中的应用。
交通小区在交通规划中若干技术问题的研究
交通小区在交通规划中若干技术问题的研究摘要：本文主要是对交通小区在交通规划中若干技术问题的研究，从划分交通小区的目的和原理出发，对交通小区划分的原理和理论进行研究，最后阐述了划分交通小区的方法。
关键词：交通小区；交通规划交通小区在一定程度上可以反映一个城市路网交通的特征途，它会随着关联度、相似度和时间的改变而发生变化。
交通小区的划分最早就是在交通规划领域中提出来的，它主要以住宅群众或者道路来划分界线，是出行调查和搜集团交通数据的基本单元。
划分交通小区的目的是为了对城市网中交通起讫点的位置进行定义，以及预测交通小区之间的出行量。
一、交通小区的划分目的（一）划分交通小区的目的交通小区可以定义为一个基本空间单位，主要是研究交通生成和分布。
将交通调查的空间范围分成若干的交通小区是为了方便对机动车出行的起止点的事分布情况进行分析研究。
城市居民进行出行调查有以下目的：了解城市的交通需求情况、弄清楚交通系统中交的发生和发展规律、提供建立交通信息数据说库的基础资料、提供未来交通需求预测依据、提供交通规划和管理解方案制订的依据。
每个交通源的单独研究，其调查、分析和预测是有困难的，因为工作量大，难以保证精确。
因此，为了方便调查，将交通知源分成了若干小区，就产生了交通小区，它的大小和划分的得当与否会直接影响度到了交通的调查、分析和预测工作，影响交通规划成功与否。
划分交通小区的目的：(1)在保证交通调查精度的同时，尽量减少工作量，提高交通调查的可行性，降低分析和预测的难度。
(2)分析交通的产生、吸引和区域社会儿经济指标准之间的规律。
(3)用交通小区间的交通分布图来直观察家反应交通知需求的分布。
(4)为交通流提供数据支持。
从上面可以看出，不同目的的OD调查能交通小区的精细程度划分要求是不一样的，划分交通小区要始终围绕OD调查的目的和交通出行的特征途来进行。
还需要注意的就是，为了让不相同性质的交通出行归属相对应交通小区，在不影响OD调查止标的情况下减肥少交通小区的数量，需要深入的研究交通出行的规律。
城市道路网络交通小区划分方法研究
1 n-1
（
n·Qmax
n
-1）11+t
ΣQi
i=1
（1）
其中：n 为上游交叉口的流入流向数；Qi 为上游交叉口第 i 流入
流向流量；Qmax 为上游交叉口最大流入流向流量；t 代表车流从
上游交叉口进口停车线至下游交叉口进口车辆排队尾（进口有
车辆排队时）或者进口停车线（进口无车辆排队时）的平均行驶
时间，以分钟为单位。
对于点状实体，如交叉口间的空间接近性，主要是采用基
于密度和距离的方法。基于密度的方法是以聚集性为基础，它
用所定义的规则区域中的点的密度或频率分布的各种特征研
究点分布的空间模式；基于距离的方法以分散性为基础，通过
测度最近邻点的距离分析点的空间分布模式。前者描述的是某
个参数均值的总体变化性，称为一阶效应（first order）；后者表
城市交通系统是一个离散、强耦合、非线性、并具有随机特 性的复杂大系统[1]。ITS 环境下，交通信息和交通行为的互动使 得动态的、开放的交通系统变得更加复杂。降低交通系统复杂 性对交通问题的建模解析、优化求解都有非常重要的意义。交 通小区即是将复杂交通网络解耦为若干个交通区域，针对每个 区域对控制和诱导目标进行建模，从宏观角度对交通区域进行 协调优化。因此，交通小区划分在降低系统复杂性方面具有重 要的意义。值得说明的是：本文的交通小区不同于传统交通规 划领域的交通小区概念，将在下文具体阐述。
现为连线或节点之间是否相邻，在数学中用空间邻接矩阵或权
重矩阵表示，取值为 0 表示连线或节点不相邻，取值为 1 表示
连线或节点相邻；交通关联特征用 IT 表示，一般表现为连线或
节点之间交通参数的关联程度，取值越大关联度越大。
居住区动态交通设计浅析
居住区动态交通设计浅析摘要：随着我国经济的提高，各种交通工具从数量到种类得到了很大的发展，在居住区规划中，动态交通的设计就显得十分重要了，研究各种交通组织设计是为了更好地组织居住区道路交通体系，创造居民生活的良好环境，从而促进城市的良好发展关键词：居住区；交通；出行Abstract: with the improvement of our country economy, all kinds of traffic tools to get the number of species from great development, in the residential area planning, dynamic traffic design is very important, to study various traffic organization design is to better organization residential area road traffic system and create a favorable environment for residents’ lives, so as to promote the healthy development of the city Keywords: residential area; Traffic; travel随着我国经济建设的发展，各种交通工具也有了较大的发展，这就提高了对居住区内部道路的需求，居住区内部道路是居住区的“动脉血管”，起着联系居住区各部分以及居住区与外部各要素交流与转换的作用。
居住区交通作为居住区内部空间的流线系统，决定着居住区内部组织结构，不仅具有内部的交通联系，同时也兼具城市道路的延伸，达到与城市的交融。
一、居住区主要交通方式1.汽车汽车缩短了空间距离，加快了人类文明。
但也有造成城市拥堵、环境污染、停车占道等负面影响，影响城市的发展。
城市路网交通小区划分方法比较
交通小区划分思路图
空间聚类分析方法划分交通小区 空间聚类分析方法划分交通小区
• 空间聚类分析方法，考虑交通小区内部路 段之间的物理关联性和交通关联性，及实 际交通特征，从数据本身出发，利用大量 的实时和历史数据，进行统计聚类分析， 划分为若干个内部关联性强、交通特征相 似的交通小区。
交通关联度计算 交通关联度计算
k =1 r
aik {k ∈ (1,2 ⋅ ⋅n); i ∈ (1,2,⋅ ⋅ n)} 表示对象 Oi 的第ｋ个属性值 Ak
max dif = max dif (i, j )
1≤i , j ≤ n
任意两个数据 Oi与
O j之间的相似度定义如下：
I c = sim(i, j ) = max dif − dif (i, j )
1 n ⋅ Qmax 1 I= ( n − 1) n −1 1+ t Qi ∑
i =1
• I -交叉口群连线间的关联度指数 • n -来自上游交叉口的车流驶入的分支数 • qmax -来自上游交叉口的主线方向的直行车流量最大 值 • t -车辆在两交叉口间的行程时间 • ∑q i -到达下游交叉口的交通量总和 • 对于普通四路交叉口而言,n=3
3.3基于区内出行比例的交通小区划分方法 基于区内出行比例的交通小区划分方法
• 以区内出行比例作 为约束条件，分析 当小区半径为R，出 行距离为H时区内出 行比例，结合整个 区域产生区内出行 的比例，最后选择 合理的R的范围，将 区内出行控制在可 接受比例内。
3.4对手机话务量的聚类分析方法 对手机话务量的聚类分析方法
主要是对同一小区内的交叉口进行协调控制，在交通路网 拓扑结构特点的分析基础上,采取动态划分与静态划分相 结合的交通小区划分策略,以形成小区划分算法。通过关 联度变化得到划分结果 1. 在长度较长的道路路段上,车队在行驶过程中会发生离散 现象,交通关联度也会随之变小 2. 由于道路沿线支路交叉口及单位车辆出入口驶入驶出车流 的影响,下游停车线车辆的到达会呈现随机的状态,也将影 响交通关联程度 3. 采用美国《交通控制系统手册》推荐的相邻交叉口之间路 段关联度计算模型进行划分
基于POI功能识别与聚类分析的交通小区划分方法的改进——以天津市和平区为例
其中， 为某大类下中类的个数， 为该中类与第 个中类 进行比较的赋值。
针对小类的权重系数，采取层次分析法进行权重赋值，采 用百分制。
将POI的大类、中类、小类权重系数综合起来即为综合权 重系数：
其中， 第 个POI点的分值； 第 类POI点的分值； 为第 类POI的综合权重系数。
2.3 POI功能识别 各小区内的POI种类、数量都各不相同，故不能采用传统 的描述统计判别其主导功能。因此引入TF-IDF模型算法，来识 别各区的主要功能。 TF-IDF具有良好的分类能力，赵家瑶等学者采用TF-IDF算
132 建筑与装饰2021年1月下
Construction & Decoration
城乡规划
法，对北京重要交通枢纽空间的城市功能进行识别。 研究方法是将区域内某类POI的分值看作一个词语，全部
POI分值总和看作整篇文章[4]。 计算各小区内各类POI分值所占的权重，权重最高的POI类
别则为该小区的主要功能。若权重最高的值小于0.1，则认为该 小区为无明显主导功能。
为避免数据描述过于复杂，选取中类数据为统计对象，来
描述各初始小区的POI分布特征，则：
其中， 为POI中类数据的综合权重系数； 为该中类 下的小类POI的综合权重系数[3]。
得到各类POI的综合权重系数后，可进行各小区的POI点密 度分数计算：
其中， 为各小区的POI点密度分数； 为各小区的POI数 量； 为各小区的面积。上文已对各POI赋予了综合权重系数， 则对此公式的 进行修正：
表1 POI分类及权重系数一览表
大类（ ）
类型
权重
工作
0.34
生活
0.48
游憩
0.08
交通
基于出租车GPS数据聚类分析的交通小区动态划分方法研究
基于出租车GPS数据聚类分析的交通小区动态划分方法研究物流技术2010年5月刊（总第216期）1引言一个完整的城市交通系统非常庞大、复杂，这种情况使得数学建模、交通问题分析求解的困难、复杂度提高。
将完整的城市交通系统按照交通流向、路网布局等特性划分为若干交通小区，然后对不同的交通小区进行数学建模，可以有效地降低这种复杂性。
目前对于交通小区的研究主要集中在应用层次，在交通小区的动态划分理论与技术方面的研究有所缺乏。
本文针对交通出行数据的空间分布特征，利用K-M eans 空间聚类算法进行交通小区的自动划分，为城市交通系统的管理、控制及规划提供技术支持。
2问题的提出2.1交通小区概念交通小区是具有一定交通关联度和相似度的节点或连线的集合，反映了城市路网交通特征的时空变化特性。
交通小区具有同质性、关联性、动态性、稳定性、自组织性等特性[1]。
交通小区的划分是分析城市交通网络的一个很好的方式,因为交通小区内具有相似的交通特征和较强的交通关联性。
交通小区的划分与该城市的人口、面积、经济特征、产业结构等密切相关[2]，并在一定程度上反应了一个城市的吸引力。
一般来说，交通小区的划分应该遵循以下原则[3]：（1）同质性，分区内的经济、社会等特性尽量一致。
（2）小区划分尽量不打破行政区的划分，以便可以利用行政区的统计资料。
（3）分区数量适当，中等城市不超过50个，大城市最多不超过100-150个。
数量太多将加重规划的工作量，数量太少又会降低调查和分析的精度。
（4）对于已做过OD 调查的城市，最好维持原已划分的小区。
2.2交通小区划分概况国内部分城市在不同时期的交通小区的平均面积见表1。
可以看出，单个小区的平均面积有逐年变小的趋势，划分小区基于出租车GPS 数据聚类分析的交通小区动态划分方法研究吕玉强，秦勇，贾利民，董宏辉，贾献博，孙智源（北京交通大学轨道交通控制与安全国家重点实验室，北京100044）[摘要]对交通出行数据进行优化，抽取出租车载客过程中乘客上下车的GPS 位置坐标。
居住小区交通影响分析研究
居住小区交通影响分析研究随着城市化的不断推进，居住小区在城市规划中的地位日益显著。
然而，居住小区的交通状况也随之成为影响居民生活品质的重要因素。
本文以某居住小区为研究对象，对其交通状况及其影响因素进行分析，旨在为改善居住小区交通状况提供理论支持和实践指导。
本文选取某城市中心区的一个居住小区作为研究对象。
该小区建成于20世纪90年代，占地面积约为30公顷，共有住宅楼60栋，住户1200户。
考虑到研究的可行性和数据的可获取性，本文主要从政策法规、统计数据和邻里调查三个方面收集资料。
在政策法规方面，我们收集了城市交通规划、道路交通安全法规等相关文件，以了解政府对居住小区交通的管控要求和政策导向。
在统计数据方面，我们获取了小区周边的交通流量、车速、道路交通事故等数据，以便进行定量分析。
在邻里调查方面，我们对小区居民进行了问卷调查，以了解他们对小区交通状况的满意度、出行习惯和需求等。
通过对数据进行分析，我们发现该居住小区的交通状况存在以下问题：小区周边道路拥堵现象严重，早晚高峰时段车流量大，导致出行时间增加。
小区周边道路设施不完善，缺乏非机动车道和人行道，存在安全隐患。
部分居民缺乏交通安全意识，随意停车、占道等现象时有发生。
优化交通规划，完善道路设施。
政府应加大投入，提升小区周边道路的通行能力，完善非机动车道和人行道等道路设施，以提高出行安全性和舒适度。
加强交通安全管理，提高居民安全意识。
有关部门应加强交通安全管理，加大执法力度，严惩乱停车、占道等违法行为。
同时，通过宣传教育，提高居民的交通安全意识。
鼓励绿色出行，减少私家车使用。
政府应加大对公共交通和绿色出行方式的投入，鼓励居民采用步行、骑行、乘坐公共交通等方式出行，以减少私家车的使用，从而缓解道路拥堵状况。
加强邻里沟通，促进社区参与。
小区居民应加强沟通与协作，共同小区及周边的交通状况，积极参与社区活动，共同推动小区及周边交通环境的改善。
本文通过对某居住小区交通状况及其影响因素的分析，得出以下居住小区的交通状况受到多方面因素的影响，包括政策法规、道路设施、居民出行习惯等。
关于全国铁路运输网络交通小区划分方案优化及应用建议
关于全国铁路运输网络交通小区划分方案优化及应用建议郭春江【摘要】交通小区划分作为交通规划理论应用的基础,划分方案的优劣直接影响运量预测的可靠性,同时也影响交通规划方案编制的科学性与合理性.在梳理总结既有全国铁路运输网络交通小区划分方案存在问题的基础上,结合《中长期铁路网规划》,以增强小区划分方案与行政区划的契合度、提高铁路运量OD交流矩阵运算精度为目标,统筹考虑路网结构变化、重要能力限制点、相关区域运量现状等影响因素,提出了全国铁路运输网络交通小区优化调整方案,并就方案的进一步完善和深化应用提出了相关建议.【期刊名称】《铁道经济研究》【年(卷),期】2019(000)002【总页数】5页(P1-5)【关键词】交通小区;交通规划;铁路网络;运输统计【作者】郭春江【作者单位】中国铁路总公司发展和改革部北京100844【正文语种】中文交通小区（亦称“OD小区”）的概念源于交通调查，其划分理论及方法随着交通运输业的发展而逐步完善，并作为“四阶段法”的重要基础在交通规划领域中得到广泛应用。
有效获取规划区域的人口、社会经济等指标数据，准确把握区域交通现状，合理预测研究年度交通需求，科学编制交通发展规划，均需依托于适宜的OD 小区划分方案。
因此，深入分析我国铁路运输网络OD划分现状及存在问题，结合新形势新要求研究提出优化方案，对于提高铁路网发展规划编制水平，增强规划的引领作用，促进新时代铁路实现高质量发展等具有重要的现实意义。
1 国内外研究现状国外对于交通小区的研究，最早出现于20世纪50年代美国底特律及日本东京等城市开展的交通调查，并在1962年美国芝加哥市发表的《Chicago Area Transportation Study》，以及20世纪60年代后期日本广岛都市圈的交通规划中得到逐步完善，最终形成了以交通小区划分为基础，包括交通发生、交通分布、交通方式划分、交通分配四个阶段的交通规划理论和方法。
关于交通小区的划分，日本进行了明确的规定：分为A、B、C和小C四个等级，A为都道府县级（相当于我国的省、直辖市、自治区和特别行政区），B为市町村级（相当于我国的地、市），C为区级（相当于我国的市辖区），小C级为C级的细分[1]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
城市区域规模与交通小区面积、人口间的关系１４１，见表２。
表２人口与交通小区面积的关系
，ＮＸ面洲
小ｌ一人口／人
人Ｈ／万人
范围
、Ⅳ匀值
范围
平均值
＜７．５
Ｏ．罄一曩２５
１．３８
１２０—２ ７００
８７２
７．５—１＆Ｏ
０．６－８．４８
２ ７７
３５７一ｌ ６９２
９５４
ｌ＆伊３ｃＬｏ Ｏ．６０一１０．０３
＆３０
５４５ ２ ４００
最后，将这所有的ｃ；点相连接，即可得到点集的相应边
界，如图５所示。
遗 彭 、 ？ｔ
｜
确Ｎ ｜
图５边界点相连
４试验平台搭建与实例分析
４．１试验平台搭建 为了检验划分结果的准确度，本文搭建了具有ＧＩＳ功能
的试验平台。平台使用Ｊａｖａ语言进行开发，ＧＩＳ功能采用 Ｃ，ｏｏｄｅ Ｍａｐｓ ＡＰＩ解决方案。平台通信过程如图６所示。
【收稿日期］２０ｔ０－０３—０４ 【基金项目】国家科技支撑计划项目（２００７ＢＡＫｌ２８０４—１５）；国家“８６３”高科技资助项目（２００６ＡＡＩｌＺ２３１）；北京市科技计划重点项目
（Ｉ）（）７０２０６０１４００７０７）；北京市教育委员会学科建设与研究牛教育建设项目 【作者简介】吕玉强（ｉ９８３一），男ＪＩＪ东东营人。北京交通大学交通运输学院研究生，主要研究方向：安伞技术及工程。
１四６
３０．Ｏ一１００．０ ２．０３＿２５．６８
五５５
１ ３１６—７ １７５
２ ８２８
＞ＩＯＯ
１．４５＜ｊ３．３２
７．８３
２ ２１４—２４ ６围
７ ３３国
传统的进行交通小区划分的方法主要基于大规模的人工 抽样调查。这种划分方法成本高、周期长．调查的数据存在抽 样率低、抽样统计的精度不高、数据更新周期长等问题。由于 我国大部分城市正处于快速发展期，土地利用不断变化，人口 高速增长闭，通过这种方式进行交通小区的划分时效性较差。 本文通过交通出行数据的聚类运算，提供实时的交通小区的 分布状态。这种快速、动态的划分方法弥补了传统划分方式的 不足。
首先从ｎ个数据点随机选择ｋ个点作为初始聚类中心； 通过运算其它点与这些聚类中心点的相似度（距离），将其分 别分配给与其相似度最高（距离最近）的中心点所在的聚类； 然后对划分好后的聚类重新运算聚类中心ｍ。这一过程不断重 复直到标准测度函数开始收敛Ｉ“。 ３．４对区域数据进行边界运算
聚类运算结束之后，得到若干组包含中心点在内的一些 坐标点，如图２所示（点ｘ表示出租车的坐标点，实心圆点表 示交通小区中心）。
【关键词】交通小区；动态分析；ｋ均值聚类；边界计算
【中圈分类号】ｕ１２ｌ
【文献标识码】Ａ
【文章编号］ｔ００５—１５２Ｘ（２０ ２０）０９－－００８６－－０３
Ｄｙｎａｍｉｃ Ｔｒａｆｆｉｃ Ｚｏｎｅ ＰａｒｔｉｔｉｏｎＢａｓｅｄ ｏｎ Ｃｌｕｓｔｅｒ Ａｎａｌｙｓｉｓ ｏｆＴａｘｉ ＧＰＳ Ｄａｔａ
ＬＶ Ｙｕ－ｑｉａｎｇ．ＱＩＮ Ｙｏｎｇ，ＪＩＡ Ｌｉ－ｍｉｎ，ＤＯＮＧ Ｈｏｎｇ－ｈｕｉ，ＪＩＡ Ｘｉａｎ—ｂｏ，ＳＵＮ Ｚｈｉ—ｙｕａｎ （ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＲａｉｌＴｒａｆｆｉｃＣｏｎｔｒｏｌ＆Ｓａｆｅｔｙ，ＢｅｉｊｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎ９１０００４４。Ｃｈｉｎａ）
１
８６１３９１０９４３２９０ １２３００ｌｌｌ３７ ３９８６２４３
１１６３—２１９
Ｏ
３．３聚类计算 经过上一步的数据优化，即可得到甫起讫点数据组成的
数据集。现在需要对这些数据进行聚类运算：一段时间内的起 点或者讫点被划分为若干个区域。每个区域中的点分布紧凑，
～８７—
万方数据
技术与方法
物流技术２０１０年５月刊（总第２１６期）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐａｐｅｒ ｏｐｔｉｍｉｚｅｓ ｔｒａｆｆｉｃ ｔｒａｖｅｌ ｄａｔａ ｂｙ ｅｘｔｒａｃｔｉｎｇ ｔｈｅ Ｔａｘｉ ＧＰＳ ｐｏｓｉｔｉｏｎ ｃｏｏｒｄｉｎａｔｅｓ ｏｆ ｔｈｅ ｐａｓ冉ｅｎｇｅｒ ｂｏａｒｄｉｎｇ ａｎｄ ａｌｉｇｈｔ ｓｐｏｔｓ．Ｔｈｅ ｐａｐｅｒ ｅｍｐｌｏｙｓ Ｋ－ｍｅａｎｓ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ ｔｏ ｔｈｅ ｐａｒｔｉｔｉｏｎ ｏｆ ｔｒａｆｆｉｃ ｚｏｎ麟．Ｆｉｒｓｔ ｉｔ ｏｂｔａｉｎｓ ｔｈｅ ｔｒａｆｆｉｃ ｔｒｉｐ ＯＤ ｍａｔｒｉｘ ｔｈｒｏｕｇｈ ｃｌｕｓｔｅｒｉｎｇ， ｗｈｉｃｈ ｉｓ ｔｈｅｎ ｕｓｅｄ ａｓ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｔｈｅ ｐａｒｔｉｔｉｏｎｉｎｇ ｏｆ ｔｒａｆｆｉｃ ｚｏｎｅｓ．Ｉｔ ｈａｓ ａｌｓｏ ｓｅｔ ｕｐ ａ ｓｏｆｔｗａｒｅ ｐｌａｔｆｏｒｍ ｂａｓｅｄ ｏｎ Ｇｏｏｇｌｅ Ｍａｐｓ ＡＰＩ．Ｆｉｎａｌｌｙ， ｔｈｒａｕｓｈ ａ ｅｘｐｅｒｉｍｅｎｔａｌ ｓｔｕｄｙ，ｔｈｅ ｄｙｎａｍｉｃ ｐａｒｔｉｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｐｒｏｖｅｎ ｔｏ ｂｅ ａｂｌｅ ｔｏ ｙｉｅｌｄ ｏｕｔｃｏｍｅｓ ｃｏｎｆｏｒｍｉｎｇ ｔｏ ｔｈｅ ｅｘｉｓｔｉｎｇ ｔｒａｆｆｉｃ ｚｏｎｅｓ．
０
８６１３９１０９４３２９０ １２３００１０３０ｌ ３９８６７１４
１１６４３３１３
０
８６１３９１０９４３２９０ １２３００１０３４７ ３９８６９７０ １１６４３３１３
ｌ
８６１３９１０９４３２９０ １２３００１０６４９ ３９８７０２ｌ １１６３８９２１
ｌ
８６１３９１０９４３２９０ １２３００１０９５ｌ ３９８６４５６ ｌ １６３６７７０
一８８一
图６系统通信 ４．２实例分析
通过上述方法，利用２００８年８月３号北京市出租车ＧＰＳ 数据进行交通小区的划分，并将划分结果输出到ＧＩＳ平台上， 如图７所示。
图７区域划分结果 可以看出这种动态划分方法产生的结果能够与现有的部 分交通小区相吻合（标注Ａ为ＣＢＤ小区，标注Ｂ为西郊小 区）。详细的ＯＤ矩阵数据见表６。 表６中“Ｏ”代表起点，“Ｄ”代表讫点。比如坐标位置（２，５） 的值为２，代表某一段时间内。共有２辆出租车从５号区域前 往２号区域，并且乘客是在５号区域上车，在２号区域下车。
图２坐标点
将所有聚类后的坐标通过ＧＩＳ平台输出，通过这种方式 很难看出不同区域之间的界线。这时需要将区域的边界绘制 出来。本文采用的边界运算过程如下：
首先建立平面直角坐标系．将坐标系以（０，０）为中心点均 分为ｎ等份区域（ｎ的值将决定边界运算结果的精度）。每个区 域的角度为３６０１ｎ。如图３所示。
心； Ｉ眵 ｜
要包括车辆ＧＰＳ实时数据和车辆类犁等相关数据信息。原始 数据表主要保存了出租车上装配的ＧＰＳ终端所采集的数据，
这些数据包括设备通讯地址、ＵＴＣ时间、经纬度、速度以及该
车的空重车状态等。字段定义见表３。
表３原始表数据定义
字段名
含义
Ｃ０删ＡＤＤＲ ＵＴｃ ＬＡＴ ＬａＮ 旺ＡＤ
ＳＰⅡ卫 ＳＴＡＦＬ＾Ｇ
终端通讯地址 ＵＴｃ时『ＨＪ 维度 经度 方向 速度
ｌ
８６１３９１０９４３２９０ １２３００１ １１０５ ３９８６２２８ １１６３７２４８
ｌ
其中ＳＴＡＦＬＡＧ字段代表的是｝ｌ｛租车的空重车状态，当值
为Ｏ时表示车的状态为空车，值为ｌ时表示车的状态为重车。
当ＳＴＡＦＩＡＧ值由０变为１时，ＳＴＡＦＬＡＧ值为ｌ的车的位置 即为乘客上车时的位置；相反地，乘客下车时的位置也可以得
堕堕生塑！：垫堡
工孰掘预处埋
Ｍ＋＋
图１ 交通小区划分过程
３基于Ｋ均值聚类算法的交通小区划分方法
３．１ 划分方法
本划分方法首先对坐标数据进行空间聚类运算，得到出 行起讫点的ＯＤ矩阵，最后以此为依据进行交通小区的划分。
划分过程如图ｌ所示嘲。
３．２出租车ＧＰＳ数据预处理
试验中所用到的数据来源于北京奇华通讯有限公司，主
｝
ｉ／／
彩二ｆ钿，ｎ
＼。｝ｊ
＼劁．·
％ ’兮 畅 ｐ
图３ ３６０度分为ｎ份 图４距离中心点的距离
然后．将某个聚类的点集放人该坐标系，使得区域中心点 与坐标原点重合。通过计算其它点与中心所形成的角的正、余 弦，即可得到每个点与中心点所形成的夹角．进而将这些点归 人上一步所划分的区域。依次计算第ｉ个区域里每个点距离中 心点的距离，记录距离中心点最远的点为Ｃｉ。如图４中Ｐ点等。
【摘 要】对交通出行数据进行优化．抽取ｍ租车载客过程中乘客｝＝下车的ＧＰＳ佗置坐标。基于聚类与交通小区划分的相似
性，采用Ｋ—Ｍｅａｎｓ聚类法进行交通小Ⅸ的划分。首先，通过聚类得到交通出行ＯＤ矩阵。然后据此划分出交通小区。基于Ｇｏｏｓｌｅ
Ｍａｐｓ ＡＰｌ，搭建ｒ软件平台。通过试验可以看出，这种动态划分方法得到的区域能够与现有的交通小区相吻合。这种高实时的交 通小区划分方法将对动态的ＯＤ估计有着极大的参考价值。
Ｋｅｙｗｏｒｄｓ：ｔｒａｆｉｑｃ ｚｏｎｅ；ｄｙｎａｍｉｃ ａｎａｌｙｓｉｓ；Ｋ－ｍｅａｎｓ ｃｌｕｓｔｅｒ；，ｂｏｕｎｄａｒｙ ｃａｌｃｕｌａｔｉｏｎ
１ 引言
一个完整的城市交通系统非常庞大、复杂，这种情况使得 数学建模、交通问题分析求解的困难、复杂度提高。将完整的 城市交通系统按照交通流向、路网布局等特性划分为若干交 通小区，然后对不同的交通小区进行数学建模，町以有效地降 低出租车ＧＰＳ数据聚类分析的交通小区动态划分方法研究
技术与方法
的数量在逐渐增加。 表Ｉ交通小区平均面积
时间
１９９５ １９９５ １９９７ ２００１ ２００２
城市 上海 北京 无锡 苏州 蚌埠
平均面积（ｋ而
６．３４ ４．００ １．８５ １．２８ １．１１
通过对美国７４个城市的交通小区划分结果的分析，得到
技术与方法
ｄｏｉ：１ ０．３９６９４．ｉｓｓｎ．１００５－１ ５２Ｘ．２０１ ０．０９．０２９