知识卡片
无监督聚类替代人工经验分类
内容
城市道路按繁忙程度分类，传统做法依赖规划部门主观经验和既有分区，颗粒度粗且脱离真实车流规律。用每条道路24小时平均车速做时间序列特征跑无监督聚类，让分类结果由真实数据的潮汐规律自动涌现——聚类组自动对应”居民区到商务区”“全天平稳”等业务含义模式，不需人工预设规则，这也是[[矩阵分解作为体系化规律挖掘手段]]“让规律从数据涌现”思路在深度学习场景的延伸。
参考来源
- 位置：《数据科学工程实践》第12章《基于LSTM-Autoencoder的无监督聚类模型》"12.3.2 城市道路交通状况的模式识别与聚类"一节（源文件：_epub-src/OEBPS/Text/part0068.xhtml）
- 结论依据：原文明确"以前研究人员通常根据交通部门的城市规划和交通数据对城市道路进行分类……基于主观认知和经验教条的分类存在着很多缺陷"，聚类后"根据行驶速度把旧金山13775条道路的车辆分为6个模式……每个组内的道路都具有类似的潮汐规律"，并推测出"居民区通往商务办公区""商务办公区到居民区""全天平稳""中央商务区"等业务含义的组。
- 原始内容：以前研究人员通常根据交通部门的城市规划和交通数据对城市道路进行分类。这个做法看似合理，实际上基于主观认知和经验教条的分类存在着很多缺陷……我们根据行驶速度把旧金山13775条道路的车辆分为6个模式……每个组内的道路都具有类似的潮汐规律……第4组道路群组在早高峰时段比较繁忙……可能是居民区通往商务办公区……第1组、第6组全天平均车速都较为平稳，可能为连接非繁忙区域的大道。