我正在开发一个 NetLogo 模型，该模型模拟警察部队以不同节奏巡逻。我正在尝试为警察部队在各自的节拍内找到最佳的重新安置点，以便最大限度地减少他们到节拍内所有其他节点的旅行时间总和。街道网络和节拍是基于 GIS 的，加载到 NetLogo 世界中，并且我构建了一个表来跟踪网络中的节点。
我考虑过使用聚类算法将每个节拍划分为 x 个簇，其中 x 是该节拍中警察单位的数量，然后将一个警察单位放置在每个簇的加权紧密度中心性最高的节点上。
我从 GIS 形状文件中获取街道网络，这些文件是通过 OSMnx 从 OSM 收集的。我还认为我可以在预处理中识别节点。任何建议如何也欢迎！
有更好的方法吗？这些“最佳”点是否也会均匀分布在整个街道网络中，或者我是否需要采用单独的方法？
我考虑过使用聚类算法
这是执行此操作的标准方法。
您尝试过什么聚类算法？
从你的问题来看，你可能还没有尝试过任何事情。你应该！然后，您将能够针对遇到的特定问题提出具体问题。
建议：从尽可能简单的事情开始，例如K-Means 算法 ( https://en.wikipedia.org/wiki/K-means_clustering )。这将使您能够开发必要的基础设施（数据存储、输入和输出显示）并获得一些值得思考的有趣结果。然后，您可以使用相同的基础设施实现其他算法，并在特定实例的上下文中进行有意义的比较。
我正在从 GIS shapefile 获取街道网络
这对我来说意味着你认为每条街道都是同质的。从警方的角度来看，这当然是不真实的，有些街道比其他街道需要更多的关注。您是否看过 Dinc & Dinc 的论文 (https://ieeexplore.ieee.org/document/8478908)，该论文探讨了如何将过去的犯罪统计数据纳入此类工作中？