一种基于物联网大数据的交通资源动态优化方法技术

本发明专利技术涉及一种基于物联网大数据的交通资源动态优化方法，包括：利用GIS和多媒体技术获取实时物联网数据；采用DBN网络模型对所有实时物联网数据进行预处理并归一化，将n个训练样本划分为K个类别，初步输出K个初始类作为初始聚类中心；根据地理信息系统计算各供应点与K个聚类中心的距离，对每个供应商点选择最小距离和相应的聚类中心，将供应商点分组到这个聚类中；在聚类过程中，每一轮寻找各现有聚类中心对应的新质心时，使用以运输为权重因子的改进K‑means聚类算法。

A dynamic optimization method of transportation resources based on big data of Internet of things

The invention relates to a dynamic optimization method of traffic resources based on large data of Internet of Things, which includes: acquiring real-time data of Internet of Things by using GIS and multimedia technology; preprocessing and normalizing all real-time data of Internet of Things by using DBN network model, dividing N training samples into K categories, and preliminarily outputting K initial classes. It is the initial clustering center; calculates the distance between each supply point and K clustering centers according to the geographic information system, chooses the minimum distance and the corresponding clustering center for each supplier point, and groupes the supplier points into this clustering; in the clustering process, when searching for the new centroid corresponding to each existing clustering center in each round, use luck. The improved K? Means clustering algorithm is transformed into a weighting factor.

【技术实现步骤摘要】
一种基于物联网大数据的交通资源动态优化方法
本专利技术属大数据处理领域，涉及大量数据下的交通资源动态优化方法。
技术介绍
随着信息时代的快速发展，智慧城市逐渐成为城市建设的主流。由于城市道路交通是许多领域的核心问题，如城市拥堵和经济成本等，物联网新时代的来临也引起了专家们对智慧城市建设中动态交通分配的更多关注。然而，智慧城市网络提供的数据多为大数据流，实时数据与互联网数据流的不一致问题也很关键。对于高度发展的企业乃至发展中国家来说，政府对于智慧城市的规划运输问题日益成为企业扩张的主要关注点。在某些工业领域，一些先进的算法已经实现了，如聚类和模糊聚类混合的快速贪心启发式算法。大多数情况下，将该问题作为数学问题进行研究，并获得定量结果。由于城市交通状况的快速变化，很难设计一个普遍适用的规划方案。因此，本专利技术将流量数据的实时性作为主要数据考虑在内，并基于更新数据对动态分配网络进行优化。
技术实现思路
本专利技术的目的是提供一种交通资源动态优化方法，对动态交通规划中的实时在线数据进行整合，将地理信息系统和K-means方法结合在一起，以深入关注作为关键目标的交通状况和经济成本指数。此外，考虑本文档来自技高网...

【技术保护点】
1.一种基于物联网大数据的交通资源动态优化方法，包括下列步骤：第一步：利用地理信息系统GIS和多媒体技术获取实时物联网数据，以保证数据的实时性和全面性，所述的实时物联网数据包括交通状况，供应商能力，位置数据，交通要求，车辆规格，单位运输成本，沿特定路线的指定费用，供应商的区域信息，基础中心的运营成本；第二步：将实时数据分为训练集和测试集，采用DBN网络模型对所有实时物联网数据进行预处理并归一化，用训练集数据训练DBN模型，将n个训练样本划分为K个类别，初步输出K个初始类作为初始聚类中心，即将整个区域划分成了小尺度的几个区域，然后，使用学习好的DBN模型对测试集数据进行测试；第三步：在DBN模型...

【技术特征摘要】
1.一种基于物联网大数据的交通资源动态优化方法，包括下列步骤：第一步：利用地理信息系统GIS和多媒体技术获取实时物联网数据，以保证数据的实时性和全面性，所述的实时物联网数据包括交通状况，供应商能力，位置数据，交通要求，车辆规格，单位运输成本，沿特定路线的指定费用，供应商的区域信息，基础中心的运营成本；第二步：将实时数据分为训练集和测试集，采用DBN网络模型对所有实时物联网数据进行预处理并归一化，用训练集数据训练DBN模型，将n个训练样本划分为K个类别，初步输出K个初始类作为初始聚类中心，即将整个区域划分成了小尺度的几个区域，然后，使用学习好的DBN模型对测试集数据进行测试；第三步：在DBN模型初步分类的基础上，将第二步得到的K个初始类作为K-means的初始聚类中心，根据地理信息系统计算各供应点与K...

【专利技术属性】
技术研发人员：杨嘉琛，韩煜蓉，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12