申请/专利权人：中睿信数字技术有限公司

申请日：2024-01-18

公开（公告）日：2024-04-16

公开（公告）号：CN117591904B

主分类号：G06F18/2321

分类号：G06F18/2321;G06F16/29;G06F40/289;G06F18/22;G06Q10/0833;G01S19/42

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明公开一种基于密度聚类的货车聚类方法，涉及交通管理数据分析技术领域，包括以下步骤：OD分析，将货车实时GPS数据源转为OD点，并计算GeoHash值；聚类分析，采用改进的DBSCAN算法，初步计算出货车的聚类情况，得到初步货车聚类区域；区域合并，对初步货车聚类区域进行基于词向量的相似度分析，并进行空间合并，得到最终聚类区域。本发明引入采用的是货车的实时点位数据，从根源上解决数据准确性；通过构建GeoHash结构来优化查找邻居点的过程，缩短DBSCAN的计算时间；聚类算法中利用词向量相似度的分析方法，降低因密度聚类领域半径设置过小，导致的聚类区域结果过于小且离散，提高数据的可用性和鲁棒性。

主权项：1.一种基于密度聚类的货车聚类方法，其特征在于，包括以下步骤：步骤1，OD分析，获取货车实时GPS数据源，将货车实时GPS数据源转为OD点，并计算GeoHash值；步骤2，聚类分析，采用改进的DBSCAN算法，初步计算出货车的聚类情况，得到初步货车聚类区域；步骤3，区域合并，对初步货车聚类区域进行基于词向量的相似度分析，并进行空间合并，得到最终聚类区域；步骤2包括以下子步骤：步骤21，清洗掉OD轨迹过短或静止不动的OD数据，形成有效OD数据集；步骤22，初始化DBSCAN的算法参数领域半径和密度阈值；步骤23，遍历有效OD数据集，找到任意一个核心点，对核心点进行扩充；步骤24，取出核心点的GeoHash九宫格内的所有点；步骤25，寻找从核心点出发GeoHash九宫格内的所有密度相连的点；步骤26，遍历核心点的邻域内的所有核心点，寻找与这些数据点密度相连的点，直到没有可以扩充的点为止；步骤27，重新扫描有效OD数据集，寻找没有被聚类的核心点，再重复上述步骤23到步骤26对核心点进行扩充，直到有效OD数据集中没有新的核心点为止；步骤28，计算聚类区的边界和中心点，并通过GIS地理信息系统得到中心点的AOI，形成初步货车聚类区域；步骤3包括以下子步骤：步骤31，遍历初步的货车聚类区域数据集，去掉AOI区域为空的数据，并提取货车聚类区域AOI值；步骤32，对聚类区域中心点的距离进行比较，选出小于1km的中心点，称为相近的中心点；步骤33，对相近的两个的中心点地址进行分词，每个分词代表空间的一个维度，将文本转化为多维空间的向量；步骤34，根据词向量余弦的公式计算出相似度值；步骤35，合并相似度高于设定相似度阈值的区域，重新计算区域的边界和中心点；步骤36，直到货车聚类区域数据集都完成中心点地址两两比较，形成最终聚类区域。

全文数据：

权利要求：

百度查询： 中睿信数字技术有限公司 一种基于密度聚类的货车聚类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD