买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉理工大学申请的专利一种基于居民出行特征的交通小区的划分方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115146825B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210623655.9，技术领域涉及：G06Q10/063；该发明授权一种基于居民出行特征的交通小区的划分方法是由俞艳;何宇嘉;徐雅馨;高昕欣;张宸赫;樊建;马薇霖设计研发完成，并于2022-06-02向国家知识产权局提交的专利申请。

本一种基于居民出行特征的交通小区的划分方法在说明书摘要公布了：本发明提出了一种基于居民出行特征的交通小区的划分方法。获取行政区划边界和分等级路网矢量数据，并进行数据预处理；基于路网和行政区划划分基本聚类单元；建立聚类指标体系，并结合聚类单元，通过手机信令获取单元内居民出行特征；根据聚类单元所在行政区位置，采用兼顾空间特性的k‑means聚类算法初步聚类，得到各聚类数对应的聚类结果及聚类中心；针对所得各聚类数的聚类结果，计算聚类有效性指标；比较各聚类数的聚类有效性指标，确定合适聚类数；通过综合空间特性的FCM聚类算法进行最终聚类划分；结合主要等级道路，对所得聚类结果进行修正，完成交通小区划分。本发明提高了交通小区划分结果的鲁棒性，且可支撑后续交通规划模型的构建。

本发明授权一种基于居民出行特征的交通小区的划分方法在权利要求书中公布了：1.一种基于居民出行特征的交通小区的划分方法，其特征在于： 步骤1：获取行政区划边界和分等级路网矢量数据，并进行数据预处理； 步骤2：基于路网和行政区划划分基本聚类单元； 步骤3：建立聚类指标体系，并结合步骤2的聚类单元，通过手机信令获取单元内居民出行特征； 步骤4：根据聚类单元所在行政区位置，采用k-means聚类算法初步聚类，得到各聚类数对应的聚类结果及聚类中心； 步骤5：针对步骤4所得各聚类数的聚类结果，计算聚类有效性指标； 步骤6：比较各聚类数的聚类有效性指标，确定合适聚类数； 步骤7：依据步骤6确定的聚类数，通过FCM聚类算法进行最终聚类划分； 步骤8：结合主要等级道路，对步骤7所得聚类结果进行修正，完成交通小区划分； 所述步骤1中，基于获取的基础数据，通过ArcGIS专业软件完成基础的数据处理，包括路网拓扑处理、交叉路口简化； 所述步骤2中，运用路网对行政区划进行分割，划分出后续步骤中的街道尺度的基本聚类单元； 所述步骤4中，在使用k-means算法进行聚类之前，需要根据区县内居民出行距离分布确定聚类数范围； 聚类算法通过代价函数来描述聚类进程，代价函数为： 其中，为样本数，为划分的簇个数，为第个数据样本，为第个簇的中心，表示样本归属簇的隶属度，为第个样本到第个簇的中心的“距离”；考虑聚类单元作为地理空间对象，该“距离”除基本的属性距离外，还应兼顾空间距离，表达式如下， 式中，为样本与簇中心的空间距离，其中若样本与簇相邻接，其值为0，否则为样本质心到簇中心质心的空间距离；为空间效应系数；为样本到簇中心的属性距离，表达式如下， 式中，为样本的第个聚类因子，为簇的第个聚类因子，为第个聚类因子的权重，为样本与簇的属性距离； 所述步骤5中，使用综合考虑组内相似性和组间差异性的指标来评价聚类结果，聚类有效性指标表达式如下： 其中，表示聚类单元到簇中心的距离，表示第个簇聚类单元的个数，表示第个簇内部到聚类中心的平均距离，为全部聚类单元数，用于表征聚类簇内聚类单元的相似性；为簇聚类中心到簇中心的距离，为全部簇中心两两距离的和，用于表征聚类簇之间的差异性； 所述步骤6中，基于绘制各聚类数、聚类有效性指标图，参考“手肘法”选取最佳聚类数； 所述步骤7中，采用引入模糊概念的FCM算法进行二次聚类，其中隶属度，且； 所述步骤8中，对聚类结果的修正即筛选等级道路网络中的主干道路，并据此对步骤7中的聚类结果进行二次分割，得到最终的交通小区划分结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。