1.一种基于谱聚类的城市道路交通子区划分方法，包括以下步骤：

S1、基于路网交叉口与路段的拓扑结构以及各节点的交通特征数据，建立路网无向图G＝(V,E)，计算路网密度拉普拉斯矩阵L；

S2、计算拉普拉斯矩阵L的除0以外前k个最小的特征值及其特征向量，其中k的初值为

2；根据k个特征值对应的特征向量v1,…,vk构建聚类基础矩阵H＝[v1,…,vk]，对矩阵H的行向量实施K均值聚类算法，获得k个簇；运用方差分析检验方法检验k个群组内的交通特征关联度X，若存在显著差异，则进入步骤S3；否则，k＝k+1，重复步骤S2；

S3、由簇内的交叉口以及交叉口间存在的路段构成初始的子区；若存在孤立点，即子区内仅包含一个节点编号，则将该子区随机合并入邻接的子区内，根据合并情况统计当前的子区总数N；

其特征在于：

S4、通过偏差检测识别异常值点，并通过边界调整解决最优的异常点归属问题；通过子区内外的相似度评估以及子区拆分、合并前后的相似度变化分析，对子区方案进行迭代优化，最终获得子区内节点关联度相似性最大、子区间差异性最大的道路交通路网划分方案。

2.如权利要求1所述的基于谱聚类的城市道路交通子区划分方法，其特征在于：步骤S4具体为，S41、若i≤N，则根据子区交叉口或路段交通特征关联度X，检测初始划分方案内各子区内关联度偏差，若存在异常值点，则转入S42，否则转入S43；其中i为子区编号，初值为1；若i＞N，结束本流程；

S42、根据路网拓扑识别子区i的相邻子区集I＝{i1,i2…ip}，其中ip为相邻子区的编号，p为相邻子区个数，p∈[1,N-1]；检测异常值点映射的节点或路段是否位于子区i边界，若是，则将异常点映射的节点或路段划入相邻区域，求解使得 成立的边界调整方案，Var(X)为子区内关联度X方差，q为参与边界调整的子区数，q∈[2,p]；若异常值点映射的节点或路段不在子区边界上，则将异常值点作为子区内的特殊点标记，不参与后续的处理；

S43、判断该子区i是否为初次划分，若是，进入步骤S44；否则，进入步骤S46；

S44、计算子区内除去特殊标记点以外的点间关联度X的相似度NS(Xi)；

S45、若NS(Xi)≥1，检测子区i内的交叉口数是否低于阈值NT；若成立则将子区i与相邻子区合并，求解 成立的合并方案，其中Xc'为合并后的i原相邻子区的内部关联度，i＝i+1，回S41；若i内的交叉口数不低于阈值NT，则回S1；

若NS(Xi)＜1，i＝i+1，回S41；

S46、计算子区内除去特殊标记点以外的点间关联度X的相似度NS(Xi)，若NS(Xi)≥1，则恢复i区划分前的方案；否则，检测子区i内的交叉口数是否低于阈值NT；

若成立则将子区i与相邻子区合并，求解 成立的合并方案，进S47；否则，直接进S47；

S47、计算子区i与路网内其他子区的组间相似度

并比较在子区i从原区域划分出来

前后，其归属区域与其他子区的组间相似度的变化趋势，若降低，则i＝i+1，回S41；否则，恢复i区划分前的方案。

3.如权利要求2所述的基于谱聚类的城市道路交通子区划分方法，其特征在于：步骤S41中，关联度偏差检测方式为：若 则将xi作为子区内的离群点；其中，u为xi均值，sd为标准差。

4.如权利要求1所述的基于谱聚类的城市道路交通子区划分方法，其特征在于：步骤S44、S46中，计算子区内除去特殊标记点以外的点间关联度X的相似度其中，ip为相邻子区的编号，ui、 为子区i、ip内

关联度X数据均值，Var(Xi)、Var(Xip)分别为子区i、ip内关联度X方差。