二分K-FCM结合算法在交通运行状态判别中的应用

正确判别交通运行状态是交通运营管理的理论依据。以高速公路交通状态判别为研究对象,综合考虑交通流三参数(流量、速度、占有率)的基础上,应用模糊C均值(FCM)与二分K均值结合算法对交通运行状态进行判别。首先,对交通数据集分布特征及交通运行状态特征进行分析,确定以V05~V85为最小欧氏距离判别的数据范围。其次,为解决算法收敛较慢及任意初始化质心对聚类结果的不良影响,对传统模糊C均值聚类算法进行了改进,将运行二分K均值算法的聚类结果矩阵作为FCM的初始聚类中心。经检验,改进的FCM可以有效减少算法迭代次数,得到的目标路段交通状态判别矩阵能较精准地划分高速公路不同的交通状态。     

基于核密度估计的交通流速度分布

针对高速公路交通流速度分布特征,选取高斯核函数进行核密度估计分布分析。首先,采用独立分布和联合分布筛选微波检测器采集数据,并对故障数据和丢失数据采用加权平均值法进行修复。然后,在对交通流速度数据样本描述性统计和K-S检验不服从正态分布结果的基础上,采用均方误差(MSE)和启发法确定最优窗宽,并用拟合检验法对核密度估计分布进行拟合检验。结果表明,核密度估计法可以较好的拟合交通流速度的概率分布。