基于聚類分析方法的地方標準規劃序列研究

張志剛

（河北省高速公路京秦管理處，河北 秦皇島 066001）

0 引言

“十五”計劃以來，公路工程技術標準規范體系日益完善?，F行公路工程技術標準規范體系包括綜合、基礎、勘測、設計、檢測、施工、監理、養護及管理和技術指南等方面，共有技術標準83冊和技術指南13本[1-2]，較好地指導了我國公路工程建設。由于我國地域遼闊，地區的地址情況復雜，僅依靠行業標準和國家標準，很難較好地指導和規范各個省市、地方公路工程的設計、施工和管理。所以對公路工程行業標準規范進行有針對性的梳理和適應性評價，補充和完善地方標準體系，對我國各省、各地區的公路工程建設具有重要的現實意義。本文在分析地方標準適用性的基礎上，借助K-means聚類算法提出地方標準規劃方法。

1 算法介紹

K-means聚類算法是數據挖掘方法之一，對未知的個案集U={u1，u2，…，un}根據相似數據的平均值即其質心分成k(k＜n)組，使相似性最近的個案ui聚集成一類[4-6]。該算法的具體過程如下：

（1）從數據集U中隨機選取k個個案作為分類的初始中心C={c1，c2，…，ck}；

（3）再次計算各類的中心值；

（4）循環步驟（2）和（3），直到各類的聚類中心不再改變為止。

K-means聚類算法具有簡潔、高效的特點，并且可以事先確定聚類的個數，使得其在所有聚類方法中應用最廣。

2 數據采集

通過對設計院、施工單位、管理單位、質檢單位、大專院校等單位進行關于行業標準或規范中不適應新疆地區公路建設特點的規定和行業標準或規范中沒有涵蓋或明確規定的，且新疆公路建設中又亟需進行規范的相關技術要求的大量調研，得到樣本集U，共有44個個案，每個個案對應4個重要度指標，如表1所示。

表1 樣本集

表1 （續）

3 地方標準規劃分析

3.1 標準編制的時間管理計劃

在公路工程技術標準規范編制時序中，根據輕重緩急原則，提出了標準編制的時間管理計劃，見表2。

表2 標準編制時序計劃

3.2 聚類分析

利用K-means聚類算法，以重要度指標作為分類指標對數據集中的數據對象進行聚類分析。首先，確定聚類的初始聚類中心，如表3所示：聚類的初始中心C={交通工程類-9，環境保護類-2，路線設計類-4，基礎勘測類-4}。然后計算每個案例與聚類中心的歐式距離，如果D(ui，ck)=min{D(ui,ck)}，則把該案例ui歸為類別ck。

表3 初始聚類中心

依次經過多次迭代，直至聚類中心不再改變，則聚類算法結束，如表4所示：由于聚類中心內沒有改動或改動較小而達到收斂。中心的最大絕對坐標更改為0.000。同時得到最終聚類中心和樣本數情況，如表5、表6所示。

表4 迭代歷史記錄

表5 最終聚類中心

表6 樣本數情況

根據表5，可以得到每一類別對應的指標最終聚類中心圖，如圖1所示。從圖1中可以看到，每個分類的對應個案的聚類中心，如第一類的急需值為0.47，一般值為0.33，暫緩值為0.05，不需要值為0.09。

圖1 最終聚類中心圖

由表6可得到聚類結果，如圖2所示。從圖2中可以得到：第一類有17個個案，第二類有9個個案，第三類有16個個案，第四類有2個個案。

圖2 類別與個案

所以，經過分析可以得到新疆公路工程技術標準編制時序，如表7所示。

表7 新疆公路工程技術標準編制時序

4 結語

通過大量的實地調研，運用K-means聚類分析法對所得數據進行分析得到新疆地方標準修編序列。

需要在1～2年內編制完成的近期計劃有：基礎勘測類-1，基礎勘測類-2，基礎勘測類-6；路線設計類-6，路線設計類-8，路線設計類-9，路線設計類-10；交通工程類-1，交通工程類-3，交通工程類-5，交通工程類-7，交通工程類-8，交通工程類-9；交通安全類-4，交通安全類-5，交通安全類-6，交通安全類-8。

需要2～5年內編制的中期計劃有：基礎勘測類-8；交通工程類-2，交通工程類-4；環境保護類-1，環境保護類-2，環境保護類-4，環境保護類-5，環境保護類-6，環境保護類-8。

需要在5～15年內編制的遠期計劃有：基礎勘測類-5，基礎勘測類-7；路線設計類-1，路線設計類-3，路線設計類-5，路線設計類-7，路線設計類-11；交通工程類-6；交通安全類-1，交通安全類-2，交通安全類-3，交通安全類-7；環境保護類-3，環境保護類-7。

該序列的研究可以為地方標準的編制和管理起到頂層設計的作用，積極推動地方公路的建設。

[1]楊智生.《公路工程技術標準》調整芻議[J].公路，2006（6）：36-38.

[2]公路工程現行標準、規范、規程、指南一覽表[J].公路，2011（2）：235-236.

[3]曹春梅，陳志國，曹喜軍.吉林省公路工程標準體系研究[J].交通標準化，2012（18）：8-11.

[4]楊小兵.聚類分析中若干關鍵技術的研究[D].杭州：浙江大學，2006.

[5]逄玉俊，柳明，李元.K均值聚類分析在過程改進中的應用[J].華中科技大學學報：自然科學版，2009（S1）：245-247.

[6]Yiu-Ming Cheung.K-Means:A New Generalized KMeans Clustering Algorithm[J].Patten Recognition Let?ters,2003(24):2883-2893.