基于K-Means与动态时间规整的城市交通模式聚类：案例研究
机器学习
2023-09-19 v1 人工智能
摘要
城市交通模式聚类是交通管理与规划许多不同领域中的一项基本任务。本文描述了城市交通模式聚类中的两个重要应用。第一个应用利用具有相似交通模式的路段速度估计缺失速度值，以对地图瓦片进行着色。第二个应用是利用不同路段的相似性模式，估计用于生成地图上局部点地址的关键路段。速度时间序列提取了不同路段的交通模式。本文提出了基于K-Means与动态时间规整的时间序列聚类算法。我们所提算法的案例研究基于Snapp应用的驾驶员速度时间序列数据。两个应用的结果表明，所提方法能够提取相似的城市交通模式。
引用
@article{arxiv.2309.09830,
title = {Clustering of Urban Traffic Patterns by K-Means and Dynamic Time Warping: Case Study},
author = {Sadegh Etemad and Raziyeh Mosayebi and Tadeh Alexani Khodavirdian and Elahe Dastan and Amir Salari Telmadarreh and Mohammadreza Jafari and Sepehr Rafiei},
journal= {arXiv preprint arXiv:2309.09830},
year = {2023}
}