基于改进FCM聚类算法的高速公路交通状态识别

为有效识别高速公路交通状态,提高路网服务水平,基于改进的模糊C均值(Fuzzy CMeans, FCM)聚类算法对高速公路交通数据进行分析。首先,采用熵权法确定交通流量、空间占有率、平均速度和路网充裕度4个交通状态分类指标的权重,并对每个样本赋予不同的加权系数。然后,将样本权重计算纳入算法迭代过程,进而实现高速公路交通状态识别。最后,比较改进FCM算法与传统FCM算法的目标函数值、迭代次数及运行时间,结果表明:与传统FCM算法相比,改进FCM算法的目标函数值较小,迭代次数较少,运行时间较短,在数据中表现出更好的适应性;由改进FCM算法得到的聚类结果能准确、全面地反映交通数据的变化情况,实现道路交通状态的有效识别。     

基于遗传动态模糊聚类的道路交通状态判定方法

针对当前城市道路交通状态判定时采用的模糊c均值聚类(FCM)和c均值聚类等方法的有效性较差的状况,提出了一种基于遗传算法的动态模糊聚类方法,通过计算交通流参数之间的模糊相似性,不失真地反映它们之间的内在关联,同时将交通流参数之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面,利用遗传算法不断优化两者之间的映射,使交通流参数之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类,仿真实验结果证明了该方法的可行性和有效性.     

基于组合赋权法的城市交叉口交通状态评价

为提高城市交叉口交通状态综合评价结果的准确性和稳定性,选取交通量和时间占有率作为评价指标,将城市交叉口交通状态划分成畅通、轻微拥挤、拥挤、严重拥挤4种类别。分别利用熵权法、变异系数法、层次分析法及组合赋权法确定交通状态评价指标的权重,然后,以K-均值聚类法确定的评价指标的聚类中心为基础,采用线性内插法确定评价指标的隶属度函数,对城市交叉口的交通状态进行综合评价。最后,通过实例分析对模型性能进行验证。研究结果表明:基于组合赋权法确定权重的交通状态评价与基于单一方法确定权重的交通状态评价相比,精确性和稳定性更高,在实验数据中表现出更好的适应性;并且基于组合赋权法1(熵权法和层次分析法)的城市交叉口交通状态评价结果精确性、稳定性及适应性最高。     

基于模糊C均值聚类的城市道路交通状态判别

根据城市道路交通流特性,针对同一交通状态下交通流参数分散在一个二维区域的现象,将交通流划分为4个状态,讨论了不同状态之间的转变情况;针对城市道路交通状态存在模糊性的特点,以流量、速度、占有率作为样本数据的特征属性,提出了基于模糊C均值聚类(FCM)的交通状态实时判别方法,该方法首先采用模糊聚类技术对历史数据进行分类,得到不同交通状态的聚类中心,然后对新观测到的交通数据所属类别进行实时判别以确定交通状态。以赣州市文明大道为实例进行分析,其结果与实测交通运行状况结果一致,验证了方法的有效性。     

���ھ�������ij��н�ͨ·�λ����о�

根据交通流特性的相似性进行交通路段划分对城市交通管理和控制具有重要作用。交通流数据具有时间序列特征,相似性度量问题是时间序列聚类中的最基本的问题之一。本文为交通流数据聚类给出了一种基于灰色关联的相似性度量方法,通过比较试验确定了它具有较高的聚类精度。在每个时段时间序列间的相似性差异、在某一个时段的异常数据等会影响到在整个时间区间的交通流数据聚类,为此本文提出了一种基于时段划分的交通流数据聚类方法。这个方法首先对每个时段数据进行聚类,然后采用最大频繁项集方法得到最终聚类结果（即交通路段划分）,实例证明了方法的有效性。     

基于GA-KFCM算法的高速公路交通运行状态评价研究

为提升高速公路交通运行状态评价的效果,提出GA-KFCM(genetic algorithm-kernel fuzzy C-means,基于遗传算法改进的核模糊C均值)聚类算法,并结合实例数据对不同方案的分类效果开展验证分析。首先,分析高速公路交通运行状态评价的范围及等级;然后,提出核函数改进的KFCM(kernel fuzzy C-means,核模糊C均值)聚类算法。在此基础上,采用遗传算法弥补初始化聚类中心随机的缺陷,考虑到在选取不同参数时判别模型的差异较大,结合实例数据对改进前后模型的交通运行状态开展聚类分析,并采用综合指标评估不同试验方案的优劣。试验结果表明：与FCM(fuzzy C-means,模糊C均值)聚类算法相比,GA-KFCM算法的聚类效果提升5倍左右;三维交通参数的交通运行状态判别可靠度最高。     

����ģʽ�ij��н�ͨ״̬�����������о�

首先选用较多的交通参数,设计提出了基于聚类方法的细粒度交通模式划分算法,将交通模式划分为较多的类别。结合实际数据,进行了实验,在四个路段参数的基础上,划分得到了十类交通模式。这其中都用到了模糊集合划分和定性推理。使用状态核确定一系列模式,随后系统状态被划分成若干个模式。提出了模式转移方程来描述在定性推理基础之上的状态转移,并从模式转移的角度进一步研究了系统的稳定性。一个城市交通系统的应用实例显示了本文提出方法的有效性,可以看出细粒度交通模式划分要比粗粒度有更多的优势,同时得出了聚类算法在细粒度交通模式划分中的劣势。     

基于相关性分析的浮动车速度建库方法研究

浮动车信息采集得到越来越广泛的应用. 由于交通流数据采集的连续性,形成了海量的数据信息,所以建立一个历史数据库,可以为交通状态预测提供参考数据,同时有利于减少冗余信息. 本文基于交通信息的相关性和相似性特性,提出了根据浮动车采集的历史数据建立历史标准数据库的方法,包括数据存储的时间粒度划分方法和两种用于计算基本数据序列的算法,即直接求和判断法和综合评价判断法. 最后利用北京快速路实测浮动车数据进行了实例计算和分析. 计算结果表明,本文提出的算法是有效的. 由于直接求和判断法具有简单、快速的优势,在实际应用中,建议采用直接求和判断法.     

城市快速路路段交通流状态评估方法

交通流状态分类对于选择交通控制和诱导策略有非常重要的作用,不同的快速路路段设定的交通流参数临界值及变化特性会有所不同．本文考虑到交通流参数对交通流状态判别的影响程度,给出了一种基于加权欧氏距离的相似性度量方法,并确定了交通流状态判别的关键参数．根据整个路段的交通流数据,通过聚类分析构造最小距离分类器,把个别路段的交通流数据作为样本数据．进行了对个别路段的状态评估．实证分析结果表明：在交通流状态判别过程中,密度是最关键的参数：基于最小距离分类的个别路段的状态评估结果与实际情况非常类似,这将为交通控制和管理提供决策依据．     

��������Է����ĸ������ٶȽ��ⷽ���о�

浮动车信息采集得到越来越广泛的应用. 由于交通流数据采集的连续性,形成了海量的数据信息,所以建立一个历史数据库,可以为交通状态预测提供参考数据,同时有利于减少冗余信息. 本文基于交通信息的相关性和相似性特性,提出了根据浮动车采集的历史数据建立历史标准数据库的方法,包括数据存储的时间粒度划分方法和两种用于计算基本数据序列的算法,即直接求和判断法和综合评价判断法. 最后利用北京快速路实测浮动车数据进行了实例计算和分析. 计算结果表明,本文提出的算法是有效的. 由于直接求和判断法具有简单、快速的优势,在实际应用中,建议采用直接求和判断法.     

高等级公路路段交通状态融合识别模型

为了给区域交通管理者提供合理、准确的交通状态信息,提出了一种全新的可用于识别高等级公路路段交通状态的方法。针对路段中检测单元上交通状态决策信息的离散、模糊和时变特征,将路段内相邻检测单元同类交通状态决策信息合并,得到有序交通状态块;基于vague集理论提出了一种新的加权距离公式,并将合并后各交通状态块在路段中的位置和长度作为权重,建立了基于交通状态块决策信息的路段综合交通状态融合识别模型。通过算例验证了该模型的有效性,为识别高等级公路路段交通状态提供了一种新途径。     

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...     

不良交通流状态实时监测支持向量机模型算法研究

交通流安全实时预警是交通主动安全防控的重要前提.采用实际事故发生前的交通流状态作为不良交通流状态判别标准,通过对车道级交通流数据进行参数提取,结合主成分分析法进行参数降维后得到9个主要参数.建立以径向基为核函数的交通流安全实时预警支持向量机模型,采用网格遍历法确定最优的支持向量机模型的惩罚参数C和核函数参数γ,最终构建的支持向量机模型能够成功地识别79.55%事故对应的不良交通流状态,能够有效地对高速公路上的不良交通流状态进行实时监测预警.     

改进SVR及其在铁路客运量预测中的应用

为了提高铁路客运量现有预测方法的预测能力,用训练样本与测试样本间的马氏距离对惩罚因子进行加权,对传统的支持向量回归机(SVR)进行了改进,在此基础上提出了基于改进SVR的铁路客运量时间序列预测方法.以1980~1998年铁路客运量预测为例,对SVR方法和BP人工神经网络(BPANN)方法进行了比较,结果表明,SVR方法能获得更准确的预测结果.     

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

基于FCM聚类的复杂交通网络节点重要性评估

网络关键节点的评估与选择对于区域交通信号控制系统的实施具有重要意义,国内外广泛应用的SCOOT/SCATS等区域交通控制系统关键交叉口的选取往往以交通流量大小、节点间距等为参考,较大程度上依赖经验. 本文以节点连接度、节点介数和交叉口高峰小时交通流量为评价指标,应用FCM模糊聚类方法给出交叉口的重要性分类方法,实现城市复杂交通网络的关键节点选择,并以北京市长安街沿线周围交叉口为例进行了实证研究. 研究表明：当聚类数取3、4和5时长椿街路口、府右街南口和和平门路口均呈现出极高的聚集性,且聚类中心体现的交通特性与实际工程中的关键交叉口基本相同. 本文方法可为区域交通控制系统的关键节点选择提供理论基础.     

基于道路交通状态的随机用户平衡

运用随机用户平衡配流的基本思想和交通流理论，提出了道路交通状态的概念，以便讨论交通拥挤情况下的交通量分配问题．将道路交通状态定义为行程时间和道路拥挤度的线性加权和．假定在路网随机变化的情况下，出行者以行程时间和道路拥挤度最低为路径选择准则，建立了基于道路交通状态的随机用户平衡配流模型，并证明了模型的等价性和唯一性，给出了该模型的连续平均求解算法．一个小型网络的数值计算结果表明，该模型能反映出行者在随机路网中的路径选择行为．