聚類分析法在公路運(yùn)輸中的應(yīng)用

1、1聚類分析在交通領(lǐng)域的應(yīng)用聚類分析的方法在交通領(lǐng)域得到了較為廣泛的應(yīng)用。其主要應(yīng)用有：對城市交通流量和流向的兩步聚類分析，應(yīng)用于城市交通走廊規(guī)劃；對城市交叉口的相關(guān)關(guān)系進(jìn)行聚類分析，其研究成果可用于交通管理和交通流預(yù)測；高速公路規(guī)劃方案的 設(shè)計與評價過程中，廣泛地應(yīng)用了聚類分析方法應(yīng)用模糊聚類分析方法對鞍山市；城市交 通環(huán)境進(jìn)行了分析評價在公路網(wǎng)建設(shè)項(xiàng)目；投資決策研究中應(yīng)用聚類分析計算項(xiàng)目的緊迫度；建立了一種運(yùn)輸車輛調(diào)度聚類分析模型，適用于運(yùn)輸企業(yè) 的計劃作業(yè)；在道路交通事故多發(fā)點(diǎn)鑒定方法上采用聚類分析方法各種聚類分析方法的概念聚類分析的研究目的是將相似的對象歸并成類。其主要研究內(nèi)容是如何度量

2、相似性及 怎樣構(gòu)造聚類方法。聚類分析方法法包括三種常用的方法：系統(tǒng)聚類，動態(tài)聚類和模糊聚 類。系統(tǒng)聚類法（Hierarchical Clustering Methods）系統(tǒng)聚類法是目前在實(shí)際工作中使用最多的一類方法，它是將類由多變到少的一種有效方法。設(shè)有n個樣品，每個樣品測得m項(xiàng)指標(biāo)。系統(tǒng)聚類方法的基本思想是：首先定義樣 品間的距離（或相似系數(shù)）和類與類之間的距離。初始將n個樣品看出n類（每一類包含一 個樣品），此時類間的距離與樣品間的距離是等價的；然后將距離最近的兩類合并成為新 類，并計算新類與其他類的類間距離，再按最小距離準(zhǔn)則并類。這樣每次縮小一類，知道 所有的樣品都并成一類或規(guī)定的分類

3、臨界值為止。這個并類過程可以用譜系聚類圖形象的 表達(dá)出來。類與類之間的相似程度常用距離（用于樣品的分類）或相似系數(shù)（用于指標(biāo)的分來） 來度量。動態(tài)聚類法（Dynamic Clustering Methods動態(tài)聚類法又稱為逐步聚類法，其基本思想是，開始粗略的分一下類，然后按照某種 最優(yōu)的原則修改不合理的分類，知道類分的比較合理為止。這樣就形成了一個最終的分類 結(jié)果。該方法具有計算量小，占用計算機(jī)內(nèi)存空間較少，方法間的優(yōu)點(diǎn)。粗略分類簡稱為初始分類，有時需要先選一批“凝聚點(diǎn)”，然后讓樣品或指標(biāo)向最近 的凝聚點(diǎn)聚集，這樣由凝聚點(diǎn)聚集形成的類，就是初始分類。凝聚點(diǎn)就是一批有代表性的點(diǎn)，是欲形成類的重心

4、的點(diǎn)。凝聚點(diǎn)的選擇就是直接決定 初始分類，對分類結(jié)果也有較大的影響。由于凝聚點(diǎn)的不同選擇，其最終分類結(jié)果也將出 現(xiàn)不同，故選擇是要慎重。通常選擇凝聚點(diǎn)有以下方法：人為選擇將所有樣品人為的分為k類，計算每一類的重心，并將這些重心作為凝聚 占八、C.用密度法選擇凝聚點(diǎn)確定初始分類常用的方法是：選擇凝聚點(diǎn)后，每個樣品或指標(biāo)按與其距離最近的凝聚 點(diǎn)歸類。歸類后，重新計算該類的重心，以此重心代替原來的凝聚點(diǎn)而成為新凝聚點(diǎn)。修改分類原則常采用按批修改法，其步驟是按就近原則將每個樣品或指標(biāo)向新凝聚點(diǎn) 歸類，形成又一個分類方案，反復(fù)迭代，直至所有的新凝聚點(diǎn)與前一次的舊凝聚點(diǎn)重合， 則聚類過程中止。動態(tài)聚類方法

5、也存在一定的局限性，就是分類結(jié)果很大程度上依賴于最初凝聚點(diǎn)的選 擇，初始凝聚點(diǎn)選擇不同，分類結(jié)果則不同，這就要求初選凝聚點(diǎn)時要特別慎重。模糊聚類法（Fussy Clustering Methods模糊聚類分析的原理就是運(yùn)用模糊等價關(guān)系進(jìn)行分類的一種分析方法。將待分類失誤的全體作為論域U=X,X2,X，每一事物Xi （i=1，2，n）用一 組數(shù)據(jù)（Xii，Xi2, ,Xn ）表示其特點(diǎn)。模糊聚類分析的實(shí)質(zhì)就是按照某種標(biāo)準(zhǔn)鑒別失誤之間的 接近程度，把彼此接近的事物歸為一類。模糊聚類的分析方法步驟如下。第一步：建立模糊相似矩陣。用氣表示分類對象為與Xj之間的相似程度，由此建立模糊相似矩陣R=（rij

6、） nxn，其中 無可以用最大最小法，算術(shù)平均法，幾何平均法，相關(guān)系數(shù)法等方法來確定。第二步：建立模糊等價矩陣。如果第一步中建立的模糊相似矩陣R=（ rj）nxn滿足傳遞性的條件，那么R就是一個模糊等價矩陣，利用R可以對U進(jìn)行分類；如果R不滿足傳遞性的條件，那么先用平 方法求出R的傳遞閉包t（R）,則t（R）是一個模糊等價矩陣，可以用t（ R）對U進(jìn)行分類。傳遞閉包t （R）常用平方法求得，即R-R 2-R4tR8，直到實(shí)現(xiàn)R2k=R2k+1時，t（R） =R2k。第三步：對U分類。利用傳遞閉包t（R）的入截矩陣對U進(jìn)行分類，入在0和1之間，也稱不布爾矩 陣。應(yīng)用實(shí)例下面介紹一個聚類分析在城市

7、軌道交通車站分類中的應(yīng)用。3.1城市軌道交通車站分類問題的提出城市軌道交通車站分類問題的提出城市軌道交通在國外已有100多年的發(fā)展歷史，世界主要大城市大多有比較成熟與完整的軌道交通系統(tǒng)。城市軌道交通在城市交通體系中發(fā)揮著越來越重要的作用。北京城市總體規(guī)劃根據(jù)（2004年一 2020 年）及其相關(guān)交通發(fā)展規(guī)劃，明確提出城市客運(yùn)交通是要構(gòu)建起以軌道交通為骨干，公 共交通為主體，其它各種交通方式為補(bǔ)充的綜合交通體系。今后逐步編制步行交通規(guī)劃和 自行車交通規(guī)劃，并納入城市綜合交通規(guī)劃。軌道交通發(fā)揮作用是通過乘客“到達(dá)車站”來實(shí)現(xiàn)的，因此，對于軌道交通車站及周 邊交通方式的設(shè)置有著重要意義，車站分類問題

8、研究也是首先要解決的問題。然而，現(xiàn) 有城市軌道交通車站分類沒有統(tǒng)一的方法，大都依靠經(jīng)驗(yàn)，采用人為的劃分方式。這樣， 不但效率不高，而且精確度不高，不能很好地反映客觀情況。采用數(shù)據(jù)挖掘領(lǐng)域的聚類分 析方法可以很好地解決這個問題。3-2分析流程對城市軌道交通車站分類問題進(jìn)行聚類分析，采用以下3個步驟來進(jìn)行：（1）選取不同的交通出行方式作為聚類因子；（2）運(yùn)用系統(tǒng)聚類法進(jìn)行聚類分析，得到 定量分析的結(jié)果；（3）以定性的方法對聚類結(jié)果做進(jìn)一步地分析，形成的結(jié)論可以指導(dǎo)綜 合交通的規(guī)劃與管理。3.3聚類因子的確定聚類因子確定時要注意的問題：（1）聚類因子的選擇要符合聚類分析的要求；（2）各類的變量值不應(yīng)

9、具有數(shù)量級上的差別，解決這個問題的方法應(yīng)用最多的是標(biāo)準(zhǔn)化方法；（3）各個變量間不應(yīng)具有較強(qiáng)的線性相關(guān)關(guān)系。根據(jù)聚類因子選擇的原則，選擇應(yīng)有較強(qiáng)的代表性，能較好地反映軌道交通車站的功能 特點(diǎn)。根據(jù)交通調(diào)查的數(shù)據(jù)，以及處理數(shù)據(jù)的可行性，在本研究中，聚類因子選擇步行方式的 構(gòu)成比例、自行車的構(gòu)成比例、公交車的構(gòu)成比例、出租車的構(gòu)成比例和其它方式構(gòu)成比例 5種聚類因子。交通方式構(gòu)成比例計算式：Pi=Ti/S（ 1）式（1）P代表一定車站某種出行方式的比例，T代表一定車站某種出行方式人數(shù)，S 代表一定車站所有出行方式的總?cè)藬?shù)。表1是部分車站聚類因子的計算結(jié)果。表1部分車站接駁交通方式構(gòu)成（）名稱步行自行

10、牟公交車出租車其它安定門 28 350 84 3(1 4國貿(mào)站28 92 25Z 82 04 1前門站2Z 5L6 55Q 3461 1和平門32 29551 03439軍博站56 4892Z 84029王府井56 5IQ I28 80 8383.4聚類分析3.4.1系統(tǒng)聚類分析計算步驟（1）每個車站個體自成一類，按照某種方法度量所有個體間的親疏程度，將其中最 “親密”的車站個體聚成一小類，形成n-1個類。個體間親密程度的度量有很多計算方 法，由于本例是定距變量類型，采用歐式距離計算方法來計算個體間親密程度的度量，其 計算公式如下：（2）再次度量剩余個體和小類間的親密程度，并將當(dāng)前最親密的個體

11、或小類再聚成 一類，這里就采用組間平均鏈鎖距離方法來計算。組間平均鏈鎖距離是該個體與小類中每 個個體距離的平均值。（3）重復(fù)（2）的過程，不斷將所有個體和小類聚集成越來越大的類，直到所有個體聚集到一起，形成一個大類為止。3.4.2聚類結(jié)果及分析通過SPSS軟件，得出結(jié)果。圖2是所得結(jié)果的聚類譜系圖。從樣本聚類分析的結(jié)果，可以看出，北京的軌道交通車站可以明顯地分為兩大類，第 1類車站大部分乘客乘坐公交車來進(jìn)行接駁服務(wù)；第2類車站的大部分乘客通過步行來進(jìn) 行接駁服務(wù)。同時，通過對應(yīng)分析，也發(fā)現(xiàn)，第1類車站處與軌道線路垂直的道路系統(tǒng)較好，公交 車多，公交服務(wù)較好；第2類車站處多為商業(yè)繁華地段，或者所

12、處地區(qū)靠近居住小區(qū)，客 觀上使步行的乘客較多。根據(jù)聚類分析的結(jié)論，也提醒相關(guān)的規(guī)劃與管理部門，在建設(shè)與運(yùn)營管理的時候，理 清各個車站的特征與功能，并提供相應(yīng)的基礎(chǔ)設(shè)施保障，為乘客提供更好的服務(wù)，方便居 民的出行，充分發(fā)揮軌道交通的功能，提高城市公共交通方式的分擔(dān)率。3.4.3 K-Means與系統(tǒng)聚類算法的比較采用K-Means算法，設(shè)定聚簇為3類，表2展現(xiàn)了聚類的結(jié)果。由于K-Means算法，是要事先設(shè)定分為幾類，因此，得出的結(jié)果都是每一個車站屬于第幾類，這樣就沒 有層次聚類分層的效果好。本例中，采用層次聚類法可清楚看出它分為兩個大類，而如果 采用K-Means算法，設(shè)定分為3類，就看不到預(yù)

13、期的效果了。由此可見，選擇合適的算 法，對聚類分析是非常重要的。表2 K-Means聚類結(jié)果Cast? Nunberv.woooiClusl erDi sI ante1安定門2S 6792國貿(mào)站2!i 2A83前門站2X 7504和平門2$嘶5軍博站13 702G王府井I4 7857西單站1Z 了 568宣武門1IL 94g霍萱站2& 80910土橋站2a 351H四蕙站25 02d12上地站2G 21113果園站gL 26GM梨國站359215八角站14 343汁37 IS4結(jié)束語本文介紹了聚類分析的三種方法一一系統(tǒng)聚類法，動態(tài)聚類法和模糊聚類法的概念，并以城市軌道交通車站分類問題為例，介紹

14、了系統(tǒng)聚類分析方法的摘要：本文對聚類分析方法進(jìn)行了分析與回顧。詳細(xì)敘述了聚類分析方法的概念與分類， 并給出了聚類分析法的一個應(yīng)用實(shí)例。該應(yīng)用實(shí)例包括，現(xiàn)狀問題的提出、分析的流程、 聚類因子的確定以及最終的聚類分析。并就應(yīng)用實(shí)例提出了下一步的研究方向 關(guān)鍵字：聚類分析法，系統(tǒng)聚類法，聚類因子Abstract: The aim of this paper is to review and analyze clustering methodology. We describe the definition of clustering methodology and classify them. An application are shown in this paper, including presentation of existing problems, analysis process, the obtaini