Question

我有一个点列表P = [p1，... pN]，其中pi =（纬度I，经度I）。

使用Python 3，我想找到最小的集群集（P的不相交子集），以使集群的每个成员都在集群中每个其他成员的20公里之内。

两点之间的距离是使用Vincenty method计算的。

为了更具体一点，假设我有一些要点，例如

from numpy import *
points = array([[33.    , 41.    ],
       [33.9693, 41.3923],
       [33.6074, 41.277 ],
       [34.4823, 41.919 ],
       [34.3702, 41.1424],
       [34.3931, 41.078 ],
       [34.2377, 41.0576],
       [34.2395, 41.0211],
       [34.4443, 41.3499],
       [34.3812, 40.9793]])

然后我要定义此功能：

from geopy.distance import vincenty
def clusters(points, distance):
    """Returns smallest list of clusters [C1,C2...Cn] such that
       for x,y in Ci, vincenty(x,y).km <= distance """
    return [points]  # Incorrect but gives the form of the output

注意：许多问题都集中在地理位置和属性上。我的问题仅是位置。这是纬度/经度，不是欧氏距离。还有其他一些问题可以给出答案，但不能给出该问题的答案（很多未回答）：

Answer 1

这可能是一个开始。该算法尝试k表示通过将k从2迭代到沿途验证每个解决方案的点数来对点进行聚类。您应该选择最低的数字。

通过将点聚类然后检查每个聚类是否遵守约束来工作。如果有不符合要求的群集，则解决方案将标记为False，我们将继续处理下一个群集。

由于sklearn中使用的K-means算法属于局部极小值，因此证明这是否是您正在寻找的解决方案是 best ，但仍然可以确定成为一个人

import numpy as np
from sklearn.cluster import KMeans
from scipy.spatial.distance import cdist
import math

points = np.array([[33.    , 41.    ],
       [33.9693, 41.3923],
       [33.6074, 41.277 ],
       [34.4823, 41.919 ],
       [34.3702, 41.1424],
       [34.3931, 41.078 ],
       [34.2377, 41.0576],
       [34.2395, 41.0211],
       [34.4443, 41.3499],
       [34.3812, 40.9793]])


def distance(origin, destination): #found here https://gist.github.com/rochacbruno/2883505
    lat1, lon1 = origin[0],origin[1]
    lat2, lon2 = destination[0],destination[1]
    radius = 6371 # km
    dlat = math.radians(lat2-lat1)
    dlon = math.radians(lon2-lon1)
    a = math.sin(dlat/2) * math.sin(dlat/2) + math.cos(math.radians(lat1)) \
        * math.cos(math.radians(lat2)) * math.sin(dlon/2) * math.sin(dlon/2)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    d = radius * c

    return d

def create_clusters(number_of_clusters,points):
    kmeans = KMeans(n_clusters=number_of_clusters, random_state=0).fit(points)
    l_array = np.array([[label] for label in kmeans.labels_])
    clusters = np.append(points,l_array,axis=1)
    return clusters

def validate_solution(max_dist,clusters):
    _, __, n_clust = clusters.max(axis=0)
    n_clust = int(n_clust)
    for i in range(n_clust):
        two_d_cluster=clusters[clusters[:,2] == i][:,np.array([True, True, False])]
        if not validate_cluster(max_dist,two_d_cluster):
            return False
        else:
            continue
    return True

def validate_cluster(max_dist,cluster):
    distances = cdist(cluster,cluster, lambda ori,des: int(round(distance(ori,des))))
    print(distances)
    print(30*'-')
    for item in distances.flatten():
        if item > max_dist:
            return False
    return True

if __name__ == '__main__':
    for i in range(2,len(points)):
        print(i)
        print(validate_solution(20,create_clusters(i,points)))

一旦建立了基准，就必须在每个群集上集中更多的基准，以确定其点是否可以在不违反距离约束的情况下分配给其他群集。

您可以用您选择的任何距离度量替换cdist中的lambda函数，我在我提到的仓库中找到了很大的圆距。

Answer 2

这是一个看似正确的解决方案，并且在最坏的情况下表现为O（N ^ 2），并且取决于数据：

def my_cluster(S,distance):
    coords=set(S)
    C=[]
    while len(coords):
        locus=coords.pop()
        cluster = [x for x in coords if vincenty(locus,x).km <= distance]
        C.append(cluster+[locus])
        for x in cluster:
            coords.remove(x)
    return C

注意：我之所以没有将其标记为答案，是因为我的要求之一是，它必须是最小的一组簇。我的第一个传球很好，但是我还没有证明这是最小的一组。

（在较大的一组点上）结果可以如下所示：

Answer 3

为什么不使用S2库创建20公里的区域并查看每个区域中的哪些点？

如何按距离对地理位置列表进行聚类？

3 个答案: