基于视频检测技术的城市快速路交通状态分析研究

基于视频检测技术采集得到的北京城市快速路交通特征参数,对城市快速路交通状态进行分析研究.选择车辆行驶速度和速度方差作为城市快速路交通状态分析的决策变量,根据城市快速路交通流特征将交通状态分为自由流、谐动流、同步流和拥堵,利用模糊C均值聚类算法建立交通状态辨识算法,算法经验证表明其有效可行.     

基于模糊C均值聚类的快速路交通流相态划分

交通相态的识别问题是智能交通系统里一个关键问题,基于模糊C均值聚类分析可以很好地解决这种没有先验知识情况下的分类问题。文中介绍了三相流理论,根据我国实测快速路交通流数据,利用模糊C均值聚类方法对交通流相态的分类进行了研究,实现了一种交通相态的划分方法,研究结果表明：该方法能够识别出三相流理论中的自由流和同步流状态。     

动态聚类的城市道路交通状态判别分析

运用遗传算法确定最佳道路交通状态划分类型数,在此基础上引入模糊C均值聚类方法对道路交通状态进行了评价研究,分析得出了不同交通状态下的阈值。应用结果表明,该方法可实现对道路交通状态的评价,并能反映道路交通状态的变化。     

基于改进模糊聚类算法的快速路交通状态分类评价

基于城市快速路实时交通信息发布出发,对其交通状态进行了有效分类。研究首先在选取分类指标时,在传统分类指标流量、速度、占有率的基础上增加了新的分类指标——路网宽裕度。并运用模糊聚类的思想对交通状态进行聚类分析,对传统模糊聚类算法进行了适当改进,从而增加了方法的创新性。案例分析结果表明,研究所提的分类指标及改进算法是可行的,可对城市快速路的交通状态进行较为有效的分类。     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

快速路交通流时间序列聚类预测方法与模型

针对快速路路段日交通流曲线的相似特性,提出根据天气好、坏,工作日、非工作日作为特性向量,设计一种时间序列聚类算法对不同时间尺度下快速路交通流进行预测.结果显示:此聚类算法与预测模型充分利用了历史数据,30 min时间尺度下预测精度较高,平均绝对相对误差最低为3.34%.     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要，研究了基于荷载参数特征的交通流状态划分方法。首先，基于实测交通流数据，按照车道属性统计分析得到交通流的单位小时特征参数样本，选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征；其次，改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性，即通过引入特征熵值来表征各特征参数对聚类效果的重要性，同时计算样本点与周围样本点的接近程度来赋予样本点权值，以削弱样本离散性对聚类质量的不利影响；最后，通过聚类算法得到11种具有不同参数特征的交通流荷载，分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上，对交通流状态划分具有良好的适用性；通过算法得到的不同类别的交通流荷载的特征参数差异性明显，其占有率也大不相同，同一类别的交通流荷载各样本特征参数聚拢效果良好；同车道内不同类别的交通流荷载的拉索等效应力差别较大，其变异系数均在0.2以上，尤其在考虑了不同交通流荷载模型的占有率后，这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有效、准确的，对相关大跨桥梁结构安全及耐久性评估有一定的参考价值。     

降雪天气下高速公路交通流状态划分

为了给降雪天气下高速公路交通管理者提供合理、准确的交通状态信息,提出了一种可用于高速公路降雪天气下交通状态划分方法。考虑到高速公路交通状态分类存在模糊性的特点,以速度、密度作为样本数据的特征属性,提出了改进的模糊C均值聚类(FCM)的交通状态分类方法。针对传统算法要求事先确定交通状态划分的数目c存在的缺陷,利用自适应函数求得聚类数c。以乌鲁木齐市机场高速公路为实例进行分析,获得降雪天气下交通流状态的划分结果。     

城市快速路交通流特性分析

城市快速路是城市道路网的主骨架,对交通状态进行状态划分及稳定性分析,结合城市快速路交通信息采集系统的交通流检测数据,对速度一流量关系模型进行分析,建立了城市快速路快速交通流流量、速度、占有率关系模型,并进行交通流基本参数时变特性和空间特性分析。首先利用基本图理论,对3种城市快速路交通流状态进行稳定性分析。随后,结合北京市典型路段实测数据散点图,对各种速度一流量关系模型的适用范围和适用程度进行对比分析,从而得出Greenshields模型的拟合效果最好。最后分析交通状态转换过程中的交通流参数时变特性和空间特性,对实际交通疏导有指导意义。     

基于投影寻踪的快速路交织区交通状态判别方法

为了准确判别城市快速路交织区的交通状态,实现交通控制策略的优化决策,基于投影寻踪模型与k-means聚类算法,研究了一种新的交通状态判别方法.以交通状态的量化分析为目标,考虑投影寻踪模型的特性,定义了交通状态系数;根据类内聚集度与异类间散度的分析,建立了聚类效果评价系数表达式;应用推导的改进式遗传算法,结合k-means聚类算法,计算获得最优投影方向与聚类中心;应用最优投影方向将新观测的交通流数据转化为交通状态系数,判定欧式距离最小的聚类中心,获得相对应的交通流状态.新方法克服了传统方法对专家经验的依赖性,解决了熵权法对小概率事件信息熵的过量估计问题,并改进了投影寻踪模型的聚类效果评价系数.仿真实验结果表明,新方法状态判别准确率为96.63%,较神经元网络和决策树算法分别提高了5.58% 和7.01%,能够准确判别交织区交通流状态.