一种基于数据挖掘技术的城市道路停车点统筹分析方法技术

本发明专利技术涉及一种基于数据挖掘技术的城市道路停车点统筹分析方法，包括：步骤1、构造停车点数据集；步骤2、根据实际需求设置停车点特征向量不同维度的不同权重；步骤3、使用Canopy聚类算法对设定权重之后的停车点数据进行聚类分析，获得估计的聚类个数。本发明专利技术的有益效果是：基于数据挖掘技术对如何统筹分析城市中所有的道路停车点这一问题提供了解决方案，对如何将城市中使用模式类似同时地理位置相近的道路停车点归为一类以便于更好的分析提供了解决方案，有益于停车资源整合问题的解决和建设大型停车场前的调研分析，从而促进停车难问题的解决，进而提高社会效率。

An analysis method of urban road parking based on Data Mining Technology

【技术实现步骤摘要】
一种基于数据挖掘技术的城市道路停车点统筹分析方法
本专利技术涉及一种城市道路停车点的统筹分析方法，更具体说，它涉及一种基于数据挖掘技术的城市道路停车点统筹分析方法。
技术介绍
近年来，随着我国经济快速发展，机动车保有量快速增加，伴随而来的城市停车难问题也越来越突出。无论在北京、上海等超大型城市，还是成都、杭州等特大城市，停车难问题都给群众生活和政府交通管理带来了诸多烦恼。另一方面，随着智慧城市、智慧停车等概念的兴起与发展，停车资源的整合也成为一种迫切的需求。路侧停车作为城市停车的主要部分，其在城市停车管理上占有着重要地位，同时也是从根本上解决城市停车难问题的途径之一。因此，如何对城市中所有的道路停车点进行统筹分析成为一个值得研究的课题。然而目前国内研究人员对这方面的研究较少。专利201910209821.9《基于大数据的城市智慧停车管理系统》提供了一种基于大数据的城市智慧停车管理系统，该系统包括客户端、数据输入模块、数据处理模块、后端服务模块、大数据模块、车位定位模块、控制器等模块。数据输入模块用于车主输入停车申请信息，并将停车申请信息传输至数据处理模块。数据处理模块接收停车申请信息，并结合大数据模块进行停车场筛选操作。后端服务模块用于接收数据处理模块筛选结果。该系统能够实现车位预定和推荐最佳停车路径，同时便于找到预留车位及反向寻车，对单个车主而言提供了较好的停车解决方案。专利201610731671.4《一种城市道路智慧泊车管理系统》提供一种城市道路智慧泊车管理系统，属于道路管理
，应用于包括多个预设停车位的停车场，包括：多个数据采集装置，远程连接一服务器；用户端，与服务器远程连接，用于提供给用户查看车辆停入所预设停车位的停车路线、对预设停车位进行预约操作并提供给用户进行停车费的缴费操作的功能；用户端将预缴费信息传送给服务器，以在车辆离开时自动缴纳停车费。该专利技术以现代化信息化的手段解决道路收费中不科学、收费困难、财政损失大、支付不便，商业模式不到位，信息不共享等问题，架构简单实用，工作性能稳定可靠，管控效率较高，适用范围较为广泛，能够有效节约公共资源，创造社会效益。上述两种方法主要采用大数据的技术对用户输入数据进行处理以及物联网技术实现信息化管理，具有较好的社会效益，但是它们都偏向于为单个车主或单个停车场服务，而无法从整个城市的角度上出发，对城市中所有的停车点进行整合和统筹分析。
技术实现思路
本专利技术的目的是克服现有技术中的不足，提供一种基于数据挖掘技术的城市道路停车点统筹分析方法。这种基于数据挖掘技术的城市道路停车点统筹分析方法，包括以下步骤：步骤1、构造停车点数据集：根据原始的停车数据，从中提取出每个停车点的使用模式特征，对各个停车点的地理位置信息进行归一化处理后，将各停车点的使用模式特征和地理特征结合，作为每个停车点的特征向量；步骤2、根据实际需求设置停车点特征向量不同维度的不同权重；步骤3、使用Canopy聚类算法对设定权重之后的停车点数据进行聚类分析，获得估计的聚类个数；步骤4、根据估计的聚类个数使用基于特征加权的K-means算法对设定权重之后的停车点数据进行聚类分析并得到聚类结果；步骤5、根据聚类结果进行统筹分析：将属于各个聚类点的停车点数据分别进行累加或者取平均值作为聚类点的停车数据；对各个聚类点的数据进行分析，验证估计的聚类个数是否为较优值；如果不是较优值则重复执行步骤3至步骤4；直到得到较优值；所述较优值为步骤4得到的聚类结果对应的聚类数量K。作为优选，步骤1所述每个停车点的特征向量如下：〈T1,T2,...,Tn,Lat,Lon>(1)上式中，Ti，i＝1,...,n，表示各时段经过归一化处理后的停车数量，n为划分的时段数量，Lat为经过归一化处理后的停车点纬度信息，Lon为经过归一化处理后的停车点经度信息。作为优选，步骤2所述停车点特征向量不同维度的权重值满足以下条件：wLat＝wLon＞w1＝w2＝...＝wn(2)上式中，wLat为停车点纬度信息Lat对应的权重；wLon为停车点经度信息Lon对应的权重；wi分别对应各时段停车数量Ti的权重，i＝1,...,n，n为划分的时段数量。作为优选，步骤3所述Canopy算法的输入为经过加权计算的停车数据集List和两个距离阈值T1、T2；Canopy算法具体算法步骤如下：1)、将停车数据集合List按照一定的规则进行排序，设定初始距离阈值为T1、T2，且T1>T2；2)、在停车数据集合List中随机挑选一个数据向量P作为中心，并使用粗糙距离计算方式计算P与停车数据集合List中其他样本数据向量之间的距离d；3)、将2)所得距离d与初始距离阈值T1进行比较，若d<T1，则将对应的数据向量放入相同的canopy中，然后将d与初始距离阈值T2进行比较，若d<T2，则剔除停车数据集合List内对应的数据向量；4)、重复执行2)和3)，直至停车数据集合List为空。作为优选，步骤4所述使用基于特征加权的K-means算法在K-means聚类算法计算两点间距离的过程中添加了对权重的计算；基于特征加权的K-means算法的输入为停车点特征向量fi、迭代次数上限R和聚类数量K；基于特征加权的K-means算法的输出为K个聚类结果；基于特征加权的K-means算法的过程为：1)r为当前迭代次数，把0赋值给r；2)随机选择K个聚类中心m(0)；3)重复以下操作，直到r＞R或者算法达到收敛，此时K个集合的簇内距离之和E达到局部最优；计算E：找到局部的最优解使得到的E值最小；重新计算各个停车点特征向量fi与当前聚类中心的距离，并重新划分聚类C(r)：停车点特征向量fi与聚类中心ml的距离小于停车点特征向量fi与其他任意聚类中心点的距离；重新计算新的聚类中心m(r+1)：在第r次迭代后，对重新划分的各个聚类点，取其中所有属于该聚类点的停车点特征向量的平均值，所得到的结果作为各个聚类点第r+1次的聚类中心；把r+1赋值给r；上式(3)至式(5)中，K为聚类的个数，E为K个集合的簇内距离之和，Cl为第l个聚类，fi为属于聚类点Cl的第i个停车点特征向量，n为特征向量的维度总数，wj为第j个维度特征值的权重，fij为第i个特征向量在第j维度上的特征值，mlj为聚类点Cl的聚类中心ml在第j维度上的特征值；Cl(r)为第r次迭代时的第l个聚类，ml为Cl(r)的聚类中心点，mk为第k个聚类中心点，mkj为聚类中心点在第j维度上的特征值；mlr为第r次迭代时Cl(r)的聚类中心。本专利技术的有益效果是：基于数据挖掘技术对如何统筹分析城市中所有的道路停车点这一问题提供了解决方案，对如何将城市中使用模式类似同时地理位置相近的道路停车点归为一类以便于更好的分析提供了解决方案，有益于停车本文档来自技高网...

【技术保护点】
1.一种基于数据挖掘技术的城市道路停车点统筹分析方法，其特征在于，包括以下步骤：/n步骤1、构造停车点数据集：根据原始的停车数据，从中提取出每个停车点的使用模式特征，对各个停车点的地理位置信息进行归一化处理后，将各停车点的使用模式特征和地理特征结合，作为每个停车点的特征向量；/n步骤2、根据实际需求设置停车点特征向量不同维度的不同权重；/n步骤3、使用Canopy聚类算法对设定权重之后的停车点数据进行聚类分析，获得估计的聚类个数；/n步骤4、根据估计的聚类个数使用基于特征加权的K-means算法对设定权重之后的停车点数据进行聚类分析并得到聚类结果；/n步骤5、根据聚类结果进行统筹分析：将属于各个聚类点的停车点数据分别进行累加或者取平均值作为聚类点的停车数据；对各个聚类点的数据进行分析，验证估计的聚类个数是否为较优值；如果不是较优值则重复执行步骤3至步骤4；直到得到较优值；所述较优值为步骤4得到的聚类结果对应的聚类数量K。/n

【技术特征摘要】
1.一种基于数据挖掘技术的城市道路停车点统筹分析方法，其特征在于，包括以下步骤：
步骤1、构造停车点数据集：根据原始的停车数据，从中提取出每个停车点的使用模式特征，对各个停车点的地理位置信息进行归一化处理后，将各停车点的使用模式特征和地理特征结合，作为每个停车点的特征向量；
步骤2、根据实际需求设置停车点特征向量不同维度的不同权重；
步骤3、使用Canopy聚类算法对设定权重之后的停车点数据进行聚类分析，获得估计的聚类个数；
步骤4、根据估计的聚类个数使用基于特征加权的K-means算法对设定权重之后的停车点数据进行聚类分析并得到聚类结果；
步骤5、根据聚类结果进行统筹分析：将属于各个聚类点的停车点数据分别进行累加或者取平均值作为聚类点的停车数据；对各个聚类点的数据进行分析，验证估计的聚类个数是否为较优值；如果不是较优值则重复执行步骤3至步骤4；直到得到较优值；所述较优值为步骤4得到的聚类结果对应的聚类数量K。


2.根据权利要求1所述基于数据挖掘技术的城市道路停车点统筹分析方法，其特征在于，步骤1所述每个停车点的特征向量如下：
〈T1,T2,...,Tn,Lat,Lon>(1)
上式中，Ti，i＝1,...,n，表示各时段经过归一化处理后的停车数量，n为划分的时段数量，Lat为经过归一化处理后的停车点纬度信息，Lon为经过归一化处理后的停车点经度信息。


3.根据权利要求1所述基于数据挖掘技术的城市道路停车点统筹分析方法，其特征在于，步骤2所述停车点特征向量不同维度的权重值满足以下条件：
wLat＝wLon＞w1＝w2＝...＝wn(2)
上式中，wLat为停车点纬度信息Lat对应的权重；wLon为停车点经度信息Lon对应的权重；wi分别对应各时段停车数量Ti的权重，i＝1,...,n，n为划分的时段数量。


4.根据权利要求1所述的基于数据挖掘技术的城市道路停车点统筹分析方法，其特征在于，步骤3所述Canopy算法的输入为经过加权计算的停车数据集List和两个距离阈值T1、T2；Canopy算法具体算法步骤如下：
1)、将停车数据集合List按照一定的规则进行排序，设定初始距离阈值为T1、T2，且T1>T2；
2)、在停车数据集合...

【专利技术属性】
技术研发人员：陈观林，沈佳朋，
申请(专利权)人：浙江大学城市学院，
类型：发明
国别省市：浙江;33