一种基于SOM-PAM聚类算法的路网动态划分方法

摘要

基于SOM‑PAM聚类算法的交通子区动态划分方法，首先对交叉口数据进行预处理并将其用于交叉口交通流状态矩阵数据集的构建；然后利用SOM神经网络对交叉口进行路网子区的初划分；接着根据路网的拓扑结构和交通流特性识别初划分子区的关键交叉口；最后构建相邻交叉口关联度模型，将关键交叉口的关键关联度作为PAM算法的中心点，利用初划分的子区数目完成对路网的二次划分。本发明解决了现有部分方法无法充分挖掘交叉口交通流特性和阈值设置无法界定的缺点，充分利用了交通流状态中的静态特性和动态特性，通过SOM神经网络和PAM算法的二次聚类有效提高了交通流预测的精度和效率。