基于AP算法的路網(wǎng)同質(zhì)區(qū)域劃分方法研究

郭紅莉，劉曉雯，種瀟敏，曲衛(wèi)東

(長(zhǎng)安大學(xué) 信息工程學(xué)院，陜西 西安 710064)

0 引 言

交通作為城市的重要組成部分，為城市經(jīng)濟(jì)的快速發(fā)展做出了巨大貢獻(xiàn)，也在很大程度上促進(jìn)了社會(huì)的進(jìn)步。但是隨著城市規(guī)模的不斷擴(kuò)大和城市化進(jìn)程的加快，同時(shí)也導(dǎo)致了汽車的保有量急劇增長(zhǎng)，城市的交通擁堵問題日益嚴(yán)峻。機(jī)動(dòng)車保有量的快速增長(zhǎng)給城市交通運(yùn)行帶來了很大的壓力，嚴(yán)重影響了城市交通系統(tǒng)的正常運(yùn)轉(zhuǎn)，并在一定程度上限制了社會(huì)經(jīng)濟(jì)的穩(wěn)定發(fā)展。同時(shí)交通擁堵所引發(fā)的經(jīng)濟(jì)損失、交通事故等后果對(duì)城市居民和社會(huì)造成了很多負(fù)面影響，因此如何緩解交通擁堵問題成為當(dāng)今的熱點(diǎn)研究方向之一。對(duì)城市路網(wǎng)進(jìn)行合理的分區(qū)，有助于提高道路交通的運(yùn)行效率。挖掘城市路網(wǎng)交通信息并對(duì)路網(wǎng)進(jìn)行分區(qū)，降低路網(wǎng)復(fù)雜性成為智能交通領(lǐng)域中的一個(gè)重要研究方向。這些研究可以更好地發(fā)現(xiàn)城市交通內(nèi)部的運(yùn)行規(guī)律，從而為交通管理者制定交通擁堵緩解措施提供有力的理論依據(jù)。

目前，許多國(guó)內(nèi)外研究者都認(rèn)識(shí)到區(qū)域劃分在智能交通領(lǐng)域研究中的重要意義，并對(duì)路網(wǎng)區(qū)域劃分方面進(jìn)行了大量的探索和研究。例如Geroliminis等人利用指數(shù)族函數(shù)對(duì)仿真數(shù)據(jù)進(jìn)行回歸分析，并基于3D-vMFD、3D-pMFD提出了一種新的交通區(qū)域劃分方法[1]。Wang等人首先使用改進(jìn)的C均值算法評(píng)價(jià)交叉口在交通路網(wǎng)中的重要性，然后選擇幾個(gè)關(guān)鍵路口將路網(wǎng)劃分成幾個(gè)不同的子區(qū)域，并最終達(dá)到了對(duì)路網(wǎng)的合理分區(qū)和控制[2]。尹洪英等人基于路網(wǎng)交叉口的拓?fù)涮匦院蛯?shí)時(shí)交通流數(shù)據(jù)構(gòu)建了相似性矩陣，并采用譜聚類算法結(jié)合譜圖理論對(duì)路網(wǎng)進(jìn)行動(dòng)態(tài)劃分[3]。呂玉強(qiáng)等人以聚類算法為基礎(chǔ)，通過對(duì)比和交通區(qū)域劃分的相似性，利用K-means空間聚類法對(duì)交通區(qū)域進(jìn)行劃分[4]。Saeedmanesh等人通過在路網(wǎng)中迭代計(jì)算，獲得局部性質(zhì)相似的路段，然后采用對(duì)稱正定矩陣因式分解獲得較高相似性的集群，從而獲得路網(wǎng)的同質(zhì)區(qū)域并實(shí)現(xiàn)區(qū)域的劃分[5]。馮樹民等人考慮路網(wǎng)區(qū)域之間的相似性和位置關(guān)系，使用兩維圖論聚類方法對(duì)交通區(qū)域進(jìn)行劃分，能夠有效克服現(xiàn)有方法無(wú)法識(shí)別交通區(qū)域位置關(guān)系的缺點(diǎn)，并在此基礎(chǔ)上對(duì)區(qū)域進(jìn)行合并[6]。

從國(guó)內(nèi)外研究可以看出，交通區(qū)域劃分多基于聚類方法對(duì)路網(wǎng)宏觀交通狀態(tài)進(jìn)行劃分，大多數(shù)劃分算法存在著初始值敏感性及聚類個(gè)數(shù)的設(shè)定問題。同時(shí)，如今國(guó)內(nèi)外基于路網(wǎng)同質(zhì)區(qū)域劃分的研究比較少，因此文中采用AP算法對(duì)路網(wǎng)進(jìn)行同質(zhì)區(qū)域劃分，該方法與現(xiàn)有的方法相比優(yōu)勢(shì)在于它可以很好地挖掘出城市路網(wǎng)中的瓶頸路段和敏感節(jié)點(diǎn)，并且具有很好的穩(wěn)定性、可靠性和高效性，從而有助于交通部門針對(duì)道路改造、交通誘導(dǎo)和交通規(guī)劃方面做一些措施以進(jìn)一步改善交通擁堵問題。

1 AP算法原理

AP算法[7]是Frey等人于2007年在Science雜志中的“Clustering by Passing Messages Between Data Points”一文中提出的一種基于數(shù)據(jù)點(diǎn)間“信息傳遞”的新聚類算法，因其具有高效、穩(wěn)定等特點(diǎn)，被廣泛應(yīng)用于各大領(lǐng)域。并且AP算法不需要事先確定聚類中心和聚類個(gè)數(shù)，而是將所有樣本點(diǎn)都看作潛在的聚類中心，通過循環(huán)迭代，在迭代過程中不斷搜索合適的聚類中心，自動(dòng)從數(shù)據(jù)點(diǎn)間識(shí)別聚類中心的位置及個(gè)數(shù)[8]。

AP算法的基本思想是基于網(wǎng)絡(luò)中數(shù)據(jù)點(diǎn)與數(shù)據(jù)點(diǎn)之間進(jìn)行的消息傳遞[9]，將整個(gè)數(shù)據(jù)集合看作網(wǎng)絡(luò)，其中將各個(gè)數(shù)據(jù)點(diǎn)看作網(wǎng)絡(luò)中的節(jié)點(diǎn)，然后通過網(wǎng)絡(luò)中各條邊的消息傳遞進(jìn)而尋找數(shù)據(jù)點(diǎn)與聚類中心之間的隸屬關(guān)系，從而實(shí)現(xiàn)數(shù)據(jù)間的自適應(yīng)聚類。AP算法首先計(jì)算數(shù)據(jù)點(diǎn)間的相似度矩陣s，將任意兩個(gè)數(shù)據(jù)點(diǎn)i與j之間的相似度值定義為s(i,j)，一般將其設(shè)置為一個(gè)負(fù)的平方差值(歐氏距離的負(fù)數(shù))，其計(jì)算公式為：

s(i,j)=-d2(xi,xj)=-|xi-xj|2,i≠j

(1)

在相似度矩陣中，對(duì)角線上的數(shù)值s(i,i)作為某點(diǎn)能否成為聚類中心的評(píng)判標(biāo)準(zhǔn)，這個(gè)值稱為參考度p，調(diào)節(jié)p值可以改變某點(diǎn)成為聚類中心的概率，p值越大則證明該數(shù)據(jù)點(diǎn)成為聚類中心的概率越大。在消息傳遞之前，通常認(rèn)為所有的數(shù)據(jù)點(diǎn)都同等地適合作為聚類中心，因此p值的選取一般為相似度矩陣的中心值(結(jié)果產(chǎn)生聚類中心的數(shù)量較合適)或相似度矩陣的最小值(結(jié)果產(chǎn)生聚類中心的數(shù)量較少)，但也可以根據(jù)實(shí)際情況來設(shè)定。p值通過以下公式計(jì)算：

(2)

為了找到合適的聚類中心，AP算法通過迭代不斷地更新相似度矩陣中每個(gè)數(shù)據(jù)點(diǎn)的吸引度值和歸屬度值，直到找到最合適的聚類中心，然后將網(wǎng)絡(luò)中其余的數(shù)據(jù)點(diǎn)分配到相應(yīng)的簇中。算法通過r(i,k)+a(i,k)的值來確定聚類中心點(diǎn)，r(i,k)+a(i,k)的值越大，則k最終作為聚類中心的可能性越大。算法迭代之前，將吸引度矩陣R和歸屬度矩陣A都初始化為0矩陣，并使用以下公式迭代計(jì)算：

(3)

at+1(i,k)=min(0,rt(k,k)+

(4)

(5)

其中，r(i,k)為吸引度信息，表示點(diǎn)i選擇點(diǎn)k的過程；a(i,k)為歸屬度信息，表示點(diǎn)k選擇點(diǎn)i的過程。

算法在傳遞消息的過程中，可能會(huì)由于數(shù)據(jù)震蕩影響最終聚類結(jié)果，因此在更新信息的過程中引入阻尼系數(shù)λ，其值在0和1之間。迭代公式為：

rt+1(i,k)=(1-λ)rt+1(i,k)+λrt(i,k)

(6)

at+1(i,k)=(1-λ)at+1(i,k)+λat(i,k)

(7)

迭代完成后，根據(jù)吸引度值和歸屬度值來得到最終的聚類中心點(diǎn)，不論是否k=i，對(duì)于點(diǎn)i來說，使得r(i,k)+a(i,k)取最大值的那個(gè)k即為點(diǎn)i的聚類中心。當(dāng)算法的迭代次數(shù)達(dá)到設(shè)定閾值或經(jīng)過若干次迭代后其聚類中心保持不變時(shí)，則消息傳遞過程終止，算法結(jié)束。

2 路網(wǎng)同質(zhì)區(qū)域劃分

道路交通網(wǎng)絡(luò)不僅要考慮路網(wǎng)的拓?fù)浣Y(jié)構(gòu)，還要考慮路網(wǎng)本身的交通特性[10]。城市路網(wǎng)的拓?fù)涮匦耘c交通流的周期相似特性揭示著路網(wǎng)中存在同質(zhì)的區(qū)域。路網(wǎng)的同質(zhì)區(qū)域是指路網(wǎng)中交通流在一段時(shí)間內(nèi)具有規(guī)律變化的相似性的區(qū)域。首先對(duì)交通時(shí)間序列數(shù)據(jù)進(jìn)行聚類分析，然后得到交通狀態(tài)變化的同質(zhì)區(qū)域并挖掘出路網(wǎng)中的瓶頸路段和敏感節(jié)點(diǎn)。發(fā)現(xiàn)和挖掘出這些同質(zhì)區(qū)域?qū)τ诰植繀^(qū)域?qū)嵤╈`活的協(xié)調(diào)控制方案、保證交通控制系統(tǒng)的可靠性等方面有很大作用，不同同質(zhì)區(qū)域間的交通狀態(tài)變化情況還可以很好地幫助我們分析出路網(wǎng)結(jié)構(gòu)的脆弱性，挖掘出路網(wǎng)的敏感交叉點(diǎn)。文中主要關(guān)注路網(wǎng)宏觀同質(zhì)區(qū)域的劃分。

2.1 數(shù)據(jù)預(yù)處理

文中實(shí)驗(yàn)數(shù)據(jù)來自于陜西省西安市二環(huán)區(qū)域內(nèi)的13 000輛出租車運(yùn)行的GPS數(shù)據(jù)，每日采集數(shù)據(jù)條目數(shù)約為2 700萬(wàn)條，浮動(dòng)車系統(tǒng)每隔30秒更新一次數(shù)據(jù)。由于出租車采集到的GPS數(shù)據(jù)均為沒有經(jīng)過處理的原始數(shù)據(jù)，這些數(shù)據(jù)可能受到定位設(shè)備或外部因素的影響，導(dǎo)致其內(nèi)容和準(zhǔn)確性存在部分的偏差和錯(cuò)誤[11]。數(shù)據(jù)篩選和處理的目的是為了去除錯(cuò)誤數(shù)據(jù)和研究范圍之外的數(shù)據(jù)。對(duì)出租車GPS數(shù)據(jù)做了如下分類和相應(yīng)處理：

(1)數(shù)據(jù)冗余。若數(shù)據(jù)表中有多條相同記錄則只保留其中一條，其余記錄全部刪除。

(2)數(shù)據(jù)錯(cuò)誤。若數(shù)據(jù)表中某個(gè)字段的屬性值超出合理范圍，如經(jīng)緯度、速度等字段，則刪除此類數(shù)據(jù)。

(3)數(shù)據(jù)失效。文中是對(duì)15分鐘內(nèi)的交通狀態(tài)分析，所以篩選出速度字段連續(xù)15分鐘取值為0的數(shù)據(jù)條目并將其刪除。

(4)坐標(biāo)糾偏。在將出租車GPS坐標(biāo)匹配城市路網(wǎng)之前，針對(duì)出租車GPS數(shù)據(jù)的偏移情況，將出租車GPS數(shù)據(jù)坐標(biāo)系與路網(wǎng)坐標(biāo)系統(tǒng)一轉(zhuǎn)換為WGS-84坐標(biāo)系。

GPS數(shù)據(jù)做以上處理之后，文中選擇西安市內(nèi)交通狀態(tài)變化較復(fù)雜的二環(huán)區(qū)域作為研究對(duì)象。由于城市路網(wǎng)是一個(gè)具有離散性、強(qiáng)耦合性和非線性的復(fù)雜網(wǎng)絡(luò)，所以首先要將真實(shí)的城市路網(wǎng)抽象成拓?fù)浣Y(jié)構(gòu)圖[12]。通過標(biāo)記西安市二環(huán)區(qū)域內(nèi)的交叉點(diǎn)經(jīng)緯度坐標(biāo)來構(gòu)建城市路網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖，然后通過計(jì)算西安市13 000輛浮動(dòng)車在工作日各區(qū)域路段不同時(shí)間段內(nèi)的平均速度，對(duì)城市路網(wǎng)的各個(gè)區(qū)域擁堵情況進(jìn)行劃分。采用國(guó)內(nèi)最常用的B類城市的標(biāo)準(zhǔn)，即公安部新修訂的《城市道路交通管理評(píng)價(jià)指標(biāo)體系》中的規(guī)定來判別交通狀態(tài)。該指標(biāo)根據(jù)城市主干道路車輛的平均速度定義道路的擁堵程度，并將交通狀態(tài)劃分為五個(gè)等級(jí)，分別是暢通、基本暢通、輕度擁堵、中度擁堵和嚴(yán)重?fù)矶拢瑫r(shí)規(guī)定了各自的速度閾值[13-14]。當(dāng)平均速度大于等于28 km/h時(shí)為暢通狀態(tài)，當(dāng)平均速度位于25 km/h和28 km/h之間時(shí)為基本暢通狀態(tài)，當(dāng)平均速度位于22 km/h和25 km/h之間時(shí)為輕度擁堵狀態(tài)，當(dāng)平均速度位于19 km/h和22 km/h之間時(shí)為中度擁堵狀態(tài)，平均速度小于19 km/h時(shí)為嚴(yán)重?fù)矶聽顟B(tài)。

2.2 時(shí)間序列數(shù)據(jù)的相似性度量

時(shí)間序列數(shù)據(jù)是按照時(shí)間順序排列的數(shù)據(jù)序列，可以潛在地表達(dá)數(shù)據(jù)內(nèi)部狀態(tài)隨時(shí)間變化的規(guī)律，交通流是典型的時(shí)間序列數(shù)據(jù)。對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行分析，挖掘其內(nèi)部規(guī)律在各個(gè)領(lǐng)域應(yīng)用廣泛。文中以西安市二環(huán)區(qū)域內(nèi)某工作日6:00到22:00這一時(shí)間段內(nèi)的189條路段的出租車為研究對(duì)象，每隔15分鐘計(jì)算一次各路段出租車的平均速度作為時(shí)間序列數(shù)據(jù)。

時(shí)間序列數(shù)據(jù)在進(jìn)行聚類分析之前，通常需要計(jì)算樣本之間的相似度。對(duì)于很多的機(jī)器學(xué)習(xí)算法來說，選擇一種合適的相似性度量方法評(píng)價(jià)數(shù)據(jù)之間的相似性對(duì)這些算法的性能有非常重要的影響。相似性度量[15]指的是樣本之間相似性程度的一種度量，然后根據(jù)數(shù)據(jù)點(diǎn)間的相似度，將時(shí)間序列數(shù)據(jù)集劃分為多個(gè)類別。時(shí)間序列的相似性度量通常采用衡量?jī)蓚€(gè)不同時(shí)間序列之間距離遠(yuǎn)近程度的方式來驗(yàn)證兩個(gè)序列是否相似[16]。聚類算法在數(shù)據(jù)挖掘領(lǐng)域應(yīng)用廣泛，在應(yīng)用于時(shí)間序列數(shù)據(jù)挖掘領(lǐng)域時(shí)，一般會(huì)與相似性度量相結(jié)合[17]。相似性度量的目的在于計(jì)算、衡量空間中樣本點(diǎn)間的相似性。文中采用的時(shí)間序列數(shù)據(jù)是等長(zhǎng)的，而動(dòng)態(tài)時(shí)間規(guī)整距離(DTW)主要用于解決兩個(gè)不等長(zhǎng)的時(shí)間序列進(jìn)行相似性對(duì)比的問題，并且DTW距離需要計(jì)算累加矩陣及最優(yōu)規(guī)整路徑，所以復(fù)雜度較高且對(duì)數(shù)據(jù)點(diǎn)變化敏感，因此選用歐氏距離作為相似性度量的方法。

2.3 算法設(shè)計(jì)及流程

文中研究的數(shù)據(jù)為在工作日內(nèi)預(yù)處理后的(6:00至22:00)189條路段的時(shí)間序列數(shù)據(jù)，然后采用歐氏距離計(jì)算每?jī)蓷l路段之間的相似度值并構(gòu)建相似度矩陣。

基于AP算法的路網(wǎng)同質(zhì)區(qū)域劃分步驟如下：

步驟1：首先使用歐氏距離作為相似性度量方法計(jì)算189條路段時(shí)間序列數(shù)據(jù)的相似性；

步驟2：將建立的時(shí)間序列相似度矩陣作為本次聚類的輸入數(shù)據(jù)集；

步驟3：選擇相似度矩陣的均值作為參考度p的值，來得到合適的聚類個(gè)數(shù)；

步驟4：算法初始化，迭代更新吸引度矩陣R(189*189)和歸屬度矩陣A(189*189)；

步驟5：當(dāng)聚類中心穩(wěn)定或迭代次數(shù)達(dá)到設(shè)定閾值時(shí)，會(huì)生成最終聚類中心點(diǎn)，并根據(jù)聚類中心與其他點(diǎn)的相似程度將數(shù)據(jù)集劃分為不同的類別。

算法實(shí)現(xiàn)流程如圖1所示。

3 實(shí)驗(yàn)結(jié)果分析

3.1 路網(wǎng)同質(zhì)區(qū)域劃分

路網(wǎng)全天交通狀態(tài)變化同質(zhì)區(qū)域劃分的可視化結(jié)果如圖2所示。同質(zhì)區(qū)域的道路采用同一種灰度表示，不同灰度代表了路網(wǎng)各個(gè)區(qū)域一天內(nèi)的交通擁堵程度，其中，灰度由深到淺依次表示為嚴(yán)重?fù)矶聟^(qū)域、暢通區(qū)域、基本暢通區(qū)域、中度擁堵區(qū)域和輕度擁堵區(qū)域。

從圖2中可以看出，通過對(duì)相似性路段進(jìn)行聚類可以很好地發(fā)現(xiàn)路網(wǎng)中交通狀態(tài)變化的同質(zhì)區(qū)域，并且可以看出路網(wǎng)中全天處于嚴(yán)重?fù)矶禄蛘吒叻鍟r(shí)段嚴(yán)重?fù)矶碌牡缆反蠖嗉性谖靼彩械暮诵膮^(qū)域附近。

圖1 路網(wǎng)區(qū)域劃分流程

圖2 路網(wǎng)同質(zhì)區(qū)域劃分

道路時(shí)間序列變化的譜圖如圖3所示，其不同灰度表示道路的擁堵程度。從以下譜圖可以看出，從早6:00到晚10:00這一時(shí)間段內(nèi)，第一、二類道路處于基本暢通狀態(tài)，第三、四、五類路網(wǎng)子區(qū)域的周期變化和潮汐交通現(xiàn)象逐漸明顯，第六類則全天多處于嚴(yán)重?fù)矶聽顟B(tài)。從譜圖中還可看出全天路網(wǎng)中道路狀態(tài)的變化情況，路網(wǎng)中同質(zhì)區(qū)域內(nèi)路段的交通狀態(tài)變化規(guī)律基本一致，交通部門可以根據(jù)這些變化規(guī)律做出一些交通誘導(dǎo)。這種同質(zhì)的變化規(guī)律能很好地對(duì)該區(qū)域進(jìn)行交通信號(hào)控制、道路改造及交通誘導(dǎo)指揮，同時(shí)也減少了一些不必要的交通疏導(dǎo)，從而能夠更加有效地對(duì)擁堵區(qū)域進(jìn)行交通疏導(dǎo)工作，提高城市交通運(yùn)行的效率和可靠性，進(jìn)一步緩解交通擁堵問題。同時(shí)也為城市的智能交通控制和交通信息誘導(dǎo)提供理論支撐。

3.2 路網(wǎng)脆弱性的識(shí)別

通過對(duì)路網(wǎng)中同質(zhì)區(qū)域的劃分和其全天的交通狀態(tài)情況還可以很好地幫我們挖掘出路網(wǎng)結(jié)構(gòu)的特性。當(dāng)交叉點(diǎn)鄰接多個(gè)不同的同質(zhì)區(qū)域時(shí)，由于受到多個(gè)不同交通狀態(tài)的影響，交叉點(diǎn)的控制就顯得格外重要。圖4中分別標(biāo)記出了部分瓶頸路段和敏感節(jié)點(diǎn)。

圖3 道路時(shí)間序列數(shù)據(jù)變化譜圖

分析圖4可以看到，路網(wǎng)中的交叉點(diǎn)(例如交叉點(diǎn)ID為25、54等)連接的路段處于不同交通狀態(tài)的區(qū)域，由于各區(qū)域的交通流變化情況并不一致，車輛從某一區(qū)域經(jīng)交叉點(diǎn)進(jìn)入另一區(qū)域時(shí)不能很好地同步，使得該交叉點(diǎn)的交通狀態(tài)不穩(wěn)定且比較敏感；此外，當(dāng)某些路段處在相同的同質(zhì)區(qū)域間時(shí)(例如路段ID為11、18等)，其全天交通狀態(tài)的變化情況與周圍區(qū)域的交通狀態(tài)并不一致，因此這些路段屬于瓶頸路段，產(chǎn)生路段交通流瓶頸的原因可能是由于其附近存在人流量較大的公共場(chǎng)所，如學(xué)校、商場(chǎng)及醫(yī)院等。

圖4 路網(wǎng)同質(zhì)區(qū)域劃分

3.3 針對(duì)路網(wǎng)同質(zhì)區(qū)域的交通控制策略及誘導(dǎo)

交通網(wǎng)絡(luò)具有獨(dú)特的動(dòng)態(tài)特性，應(yīng)根據(jù)聚類結(jié)果設(shè)計(jì)緩解交通擁堵的潛在控制策略[18]。通過對(duì)路網(wǎng)時(shí)間序列數(shù)據(jù)的聚類分析，可以識(shí)別出路網(wǎng)中的交通狀態(tài)變化的同質(zhì)區(qū)域，并且還可以挖掘出路網(wǎng)中的瓶頸路段和敏感節(jié)點(diǎn)。這里基于同質(zhì)區(qū)域的劃分和結(jié)論，提出適合的交通擁堵緩解策略：

(1)針對(duì)路網(wǎng)中交通狀態(tài)變化的同質(zhì)區(qū)域，城市交通管理者可以對(duì)其進(jìn)行統(tǒng)一管理，大力發(fā)展公共交通，根據(jù)路段的擁堵情況，調(diào)整人們的出行方式，鼓勵(lì)人們使用公共交通方式出行，減少私家車的出行，提高公共交通換乘的便捷性[19]，進(jìn)一步緩解交通擁堵的問題；

(2)針對(duì)路網(wǎng)中的瓶頸路段，可以在這些路段設(shè)置交通誘導(dǎo)板，并在高峰時(shí)段之間完成分流，同時(shí)把轉(zhuǎn)移外圍剩余車流量作為輔助措施，減少高峰時(shí)段車輛臨時(shí)變道帶來的交通擁堵[19]；

(3)針對(duì)路網(wǎng)中的敏感節(jié)點(diǎn)，可以在這些交叉口設(shè)置信號(hào)控制對(duì)其進(jìn)行合理的交通流引導(dǎo)，以提高交叉口的通行能力。

4 結(jié)束語(yǔ)

依照城市交通路網(wǎng)不同區(qū)域內(nèi)浮動(dòng)車在不同時(shí)段的平均速度來判斷某路段的擁堵程度，并對(duì)城市路網(wǎng)進(jìn)行劃分，文中提出基于AP算法的城市交通路網(wǎng)劃分方法，并將該方法用于路網(wǎng)同質(zhì)區(qū)域劃分這一任務(wù)中。經(jīng)過多次實(shí)驗(yàn)，證明基于AP算法的交通路網(wǎng)區(qū)域劃分方法具有很好的穩(wěn)定性、可靠性和高效性，能夠得到有效的交通擁堵區(qū)域，同時(shí)AP算法可以有效地識(shí)別路網(wǎng)中交通狀態(tài)變化的同質(zhì)區(qū)域，并且能夠挖掘出路網(wǎng)中的瓶頸路段和敏感節(jié)點(diǎn)，從而可以更好地發(fā)現(xiàn)城市交通內(nèi)部的運(yùn)行規(guī)律，并且為交通管理者制定交通擁堵緩解措施提供有力的理論依據(jù)。