AHC-DOPP: 基于凝聚层次聚类的交通流量周期模式发现

本文探讨的是"基于凝聚层次聚类的域内交通流周期模式发现"这一主题，发表于2015年，由田嫦丽、赵霞、于重重和吴子臖四位作者合作完成，他们分别来自北京工商大学计算机与信息工程学院。该研究背景是针对城市内部交通流量数据，这些数据通常具有明显的时序特性，通过挖掘其内在周期模式，可以有效地优化区域交通资源配置，减少交通拥堵问题。 论文的核心贡献是提出了一种名为AHC DOPP（Agglomerative Hierarchical Clustering Discovery of Periodic Pattern，即凝聚层次聚类周期模式发现）的方法。这种方法创新性地改进了动态时间弯曲技术，用于计算原始交通数据的初始邻近性距离矩阵，构建了以Ward方法为基础的簇合并邻近度更新的凝聚层次聚类框架。Ward方法是一种在层次聚类中考虑簇内平方和最小化的算法，对于发现数据中的周期性模式非常有效。 AHC DOPP方法的主要步骤包括对日交通流量时变图进行层次聚类分析，这使得能够在相对较短的时间内获得层次聚类的结果。通过实验应用此方法到实际采集的交通数据集上，明显地揭示了域内交通流量的周期模式。这种方法的实施不仅提高了数据分析效率，还为交通管理部门提供了有力的数据支持，有助于制定更精准的交通管理策略。 研究中使用的关键词包括时间序列、周期模式发现、凝聚层次聚类以及交通流量，这些词汇准确地概括了论文的主题和研究内容。文章的分类号为TP391.7，文献标志码为A，文章编号为1001-3695（2015）08-2261-04，doi为10.3969/j.issn.1001-3695.2015.08.004，表明这是工程技术领域的学术论文，发表在《信息技术》杂志上。 这篇文章是一项在信息技术领域的重要研究，它展示了如何通过凝聚层次聚类技术来发现和利用交通流量数据中的周期性模式，对于提升城市交通管理和规划具有实际应用价值。