基于模糊聚类和判别分析的交通状态提取算法.pdfVIP

基于模糊 聚类和判别分析 的交通状态提取算法——窦慧丽 王 国华 13 基于模糊聚类和判别分析的交通状态提取算法 窦慧丽 王 国华。 (同济大学交通运输工程学院 上海 201804) (浙江省交通规划设计研究院交通工程部 浙江 杭州 310006) 摘 要 针对交通状态 的模糊性和不确定性，在综合考虑交通流 3个参数 (流量、速度、占有率)的基 础上 ，设计 了城市道路交通状态提取算法。采用模糊聚类技术 ，对覆盖所有交通状态的历史数据进行 聚类分析 ；根据聚类结果，对交通数据进行判别分析 ，判断其所属交通状态 ；用实测交通数据进行 了状 态提取实验 ，并和问卷调研 的统计结果进行了对 比分析 ，结果表明该方法能够有效地进行交通状态的 提取 ，可 以准确反应道路使用者的真实感觉 。 关键词 模糊聚类 ；判别分析 ；交通流数据 ；交通状态提取 中图分类号 ：U491 文献标志码 ：A DOI：10．3963／j．ISSN 1674-4861．2010．02．003 针对交通状态的模糊特性 ，设计 了城市道路交通 0 引 言 状态的提取算法 。基于历史数据进行 了模糊分 城市道路交通状态描述的是交通系统的拥挤 类；根据分类结果 ，对交通数据所属类别进行 了判 程度 ，而表征交通状态的信息提取则是智能交通 别分析；用实测数据进行 了状态提取实验 ，并和问 系统中动态诱导和交通控制的基础，也是 出行者 卷调研 的统计结果进行了对 比分析。 信息服务系统的重要 内容 。随着城市道路交通拥 1 交通状态提取算法及实验分析 挤程度 的加剧 ，利用先进 的交通控制与管理手段 缓解交通拥挤 已成为共识L1]。而不 同的交通状 1．1 数据准备 态，需要采用不 同的交通控制与管理方案。可靠 要正确地对交通状态进行分类 ，所采集 的数 的交通状态提取信息是有效的交通控制与管理的 据应该覆盖交通流数据变化 的整个范围，不仅包 必要条件 ，因此 ，设计合理的交通状态提取算法是 括 自由流状态 ，也包括拥挤流状态 ，还有两者之间 非常必要的。 的过渡状态[4]。 目前 ，国内外研究者对城市道路交通状态进 为此 ，笔者对杭州市某主干道交通流进行实 行了相关研究，并取得 了一些有益的成果 。但是 ， 时监测 ，时间为 2008年 6月 6日到 2008年 6月 已有研究中通常把交通拥挤事件归为交通异常事 13日，包括 6个工作 日，2个节假 日。所采集的原 件，利用异常事件检测原理来研究交通拥挤 。另 始数据包括流量 、占有率和车速。考虑到夜 间车 外，目前交通拥挤 自动检测算法主要依据路段上 辆较少 ，交通数据的实际使用价值不大 ，监测时间 交通流基本参数 的变化 ，并设定相应阈值来判断 选择从 07：00~20：00，时间间隔为 3min，共得到 交通是否处于拥挤状态[2]。其相关 阈值的确定多 交通数据样本为 1820个 。采用前 7d的数据进 根据经验，这些 阈值 的选择是否准确 ，对交通状态 行聚类分析，采用最后 1d的数据进行状态提取 判别的结果将会产生很大影响。另一方面，交通状 实验。流量数据是 3min内通过检测点的车辆 态具有模糊性 、不确定性等特点，人们对交通状况 数，已经按照标准车辆进行了转换 ，没有转化为小 的判断往往不是很精确 的[3]。所 以在交通流状况