5，sl6表示各检测器节点收集的交通流时间组成的序列，通过分析序列的相似性以及各个检测节点的连接关系，就能实现道路网络空间上的交通流的空间聚类。
二、实验及结果分析实验是在真实数据集和ti
y0stossim模拟数据集p
md03上进行的。从spa
bre算法的效率分析和spa
bre算法的聚类结果分析两个方面来进行实验。（一）性能分析。选择eli
k算法aa06和一个基本的层次空间聚类算法hk98这里简称为hierarcical进行执行效率的比较分析。图2显示了spa
bre、eli
k、基本的层次空间聚类三种算法在道路交通流数据集图2a和模拟数据集图2b上的算法效率。下图很清晰的显示出spa
bre和eli
k在两种数据集上的执行效率非常相似，而基本的层次空间聚类hlerarcical算法的执行时间则比其
f他两种算法要高，这主要是hierarcical对每一步都会进行每个类的邻接类和候选类的维护，增加了算法的时间消耗。而随着样本的不断扩大，eli
k算法的执行效率相对于spa
bre的优越性会逐渐显示出来，这是由于eli
k算法对类设置了相似性闽值，其类的大小与数据集的规模关系不大，与之不同，spa
bre算法会随着数据集规模的增大而进行聚类优化，从而降低执行效率。
图2spa
bre算法与其他算法的算法效率比较（二）结果分析。采用三个指标对聚类算法的聚类进行质量评价：类内距离的平均值、类间距离的平均值以及聚类评价函数。表1聚类结果表1列出了当类内距离的平均值为05左右时，spa
bre、eli
k和基本的层次空间聚类三种聚类算法分别在交通流数据集和模拟数据集上的聚类结果的各项指标。三、结语对分布在道路网络空间中的环形感应线圈检测器检测的交通流数据设计了一个高效的交通流空间聚类算法spa
bre，以发现交通流在道路网络上的空间分布模式。spa
b既算法通过收集分布在不同道路交通流检测点上的交通流的数据的隐含特征，将在空间上具有关联性的性质相类
f似的交通流数据对象聚成一类。参考文献：1张广新道路交通事故多发点段智能排查系统的研
究d吉林大学20072ha
ddavid张银奎数据挖掘原理m北京机械工
业出版社2003
fr