一种基于极大团的公共交通网络层次聚类算法

摘要

目前日益复杂的城市交通网络使得人们对交通网络的区域划分提出了新的需求.提出一种基于分裂和划分思想的交通网络层次聚类算法FEMC-means(frequency edges in maximal cliques-means),首先通过极大团中的频繁边发现将复杂交通网络分裂为一系列骨干图,而后以骨干图为聚类中心点,根据节点与中心的平均距离将原始交通网络聚合成若干子图,从而实现公共交通网络根据拓扑结构和网络特性的层次聚类.以北京市公交网络为实验场景.实验结果表明,用算法划分的绝大部分簇在地理上较为集中地覆盖了北京市不同交通区域,与GN算法以及快速算法划分结果对比,具有更好的地理表征意义和更优的结构聚类评价值。