基于Bisecting K-Means聚类的公路交通流状态划分方法  

作　　者：王静 王宁 

机构地区：[1]镇江市公路事业发展中心

出　　处：《数字技术与应用》2023年第7期92-93,119,共3页Digital Technology & Application

摘　　要：为了缓解交通拥堵,提高出行效率,交通部门需要对交通流状态进行分类识别以确定交通状态。基于K-Means聚类算法进行公路运行状态划分易受到初始聚类中心点选择的影响,因此本文在K-Means算法的基础上进行改进,将BisectingK-Means应用于公路运行状态的划分,各交通状态中心点的距离较远,避免了初始聚类中心会聚到一个交通状态,一定程度上克服了K-Means算法陷入局部最优值。

关 键 词：初始聚类中心 局部最优值 聚类算法 分类识别 出行效率 交通部门 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]