基于人群疏散仿真的折半聚類算法

　　運用社會力模型（ SFM）模擬人群疏散之前，需要先對人群進行聚類分組；然而，五中心聚類（k-medoids）和統(tǒng)計信息網(wǎng)格聚類（ STING）這兩大傳統(tǒng)聚類算法，在聚類效率和準確率上都不能滿足要求。針對這個問題，提出了折半聚類算法（BCA）。該算法結合了圍繞中心點聚類和基于網(wǎng)格聚類兩類方式，并利用二分法查找思想劃分網(wǎng)格，不需要反復聚類。先將數(shù)據(jù)用二分法劃分成網(wǎng)格，再根據(jù)網(wǎng)格內(nèi)數(shù)據(jù)密度選出核心網(wǎng)格，接著以核心網(wǎng)格為中心將鄰居網(wǎng)格聚類，最后按就近原則歸并剩余網(wǎng)格。實驗結果表明，在聚類時間上，BCA平均儀是STING算法的48. 3%，不到k-medoids算法的14%；而在聚類準確率上，k-medoids算法平均僅是BCA的50%，STINC算法平均也只是BCA的88%。因此，BCA無論在效率還是準確率上都明顯優(yōu)于STING和k-medoids算法。