Я хочу понять, как работает max_distance в решателе маршрутизации работы ortool и каково оптимальное расстояние для кластеризации географических местоположений

Question

У меня есть пункты приема и отправки в виде широты и долготы. Я кластеризовал местоположения на основе их местоположений получения, используя иерархическую кластеризацию.

Zd = linkage(squareform(pickDistance), method= "ward", metric = "haversine")
cld = fcluster(Zd, 30, criterion = 'distance')

Здесь «pickDistance» - это матрица близости, созданная с учетом всех значений захвата. Используя матрицу расстояний для каждого сформированного кластера и принимая местоположения захвата и опускания, решатель маршрутизации или инструмента дает мне маршруты для нескольких транспортных средств для каждого кластера.

Когда я увеличиваю cluster_distance, решатель продолжает выполнение, и в конце я отменяю выполнение и сбрасываю cluster_distance и max_distance, пока не получу маршруты.

Я хочу понять кое-что здесь:

• Как установить оптимальное cluster_distance и каков наилучший метод кластеризации, по вашему мнению, для кластеризации географических местоположений?

• Как работает параметр max_distance в решателе маршрутизации? И, max_distance для каждого транспортного средства или для всех транспортных средств, которые он должен использовать?

• Есть ли способ сделать параметры cluster_distance и max_distance решателя маршрутизации динамическими , таким образом, что он будет работать для любого количества мест в кластере?

Пожалуйста, помогите.

Answer 1

K-средства должны быть правильными в этом случае. Поскольку k-means пытается группировать, основываясь исключительно на евклидовом расстоянии между объектами, вы получите кластеры мест, близких друг к другу.

Чтобы найти оптимальное количество кластеров, вы можете попытаться построить «коленчатый» графиквнутри группы сумма квадратного расстояния. Это может быть полезно! (http://nbviewer.ipython.org/github/nborwankar/LearnDataScience/blob/master/notebooks/D3.%20K-Means%20Clustering%20Analysis.ipynb)