|
|||||
|
|
| 基于网格模型与K-Means算法的交通状态演变特征 | |
| 作者单位： | ;1.山东交通学院交通与物流工程学院;2.西南交通大学利兹学院 |
| 摘 要： | 为利用海量网约车轨迹数据实现对城市交通状态的高效识别与分类,对成都市网约车轨迹数据进行预处理,构建城市交通状态识别网格模型,根据模型判别网格的交通状态。利用K-Means聚类算法对不同时段的交通状态进行聚类,并将交通状态分为持续畅通型、轻度缓行型、持续缓行型、持续拥堵型4种类型,从时间维度和空间维度分析不同网格的交通状态演变特征。结果表明:研究区域内交通状态相对稳定,持续拥堵区域分散,持续缓行区域较为集中。基于网格模型与K-Means算法的交通状态识别方法能够实现对交通状态的快速判别与聚类,可实现对不同城市交通状态的识别。 |
| 关 键 词： | 交通状态 网约车轨迹数据 网格模型 K-Means |
Evolution characteristics of traffic state based on grid model and K-Means algorithm |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |