基于改进K-Means算法的交叉口影响路段行程速度估计.docVIP

基于改进K-Means算法的交叉口影响路段行程速度估计 钱蕾 韩印 姚佼 上海理工大学管理学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 基于低频、低覆盖率、数据来源多样的GPS浮动车数据, 在现有数据预处理方法的基础上, 以交叉口影响路段数据点为研究对象, 研究出更合理且准确获得交通参数的技术方案。GPS浮动车数据由于其具有全天候、多覆盖等特性, 能够实时监测交通参数, 估计交通状态。为克服数据本身缺陷, 使数据能有效利用, 精确得到交通参数, 本研究获取短时内路段所有数据点代表整体状态。首先基于数据的特性和在路段分布的节律, 利用曲线拟合及拉格朗日中值定理确定交叉口的影响范围;其次在该范围内利用改进K-Means聚类方法, 确定初始聚类中心, 并以有效性指数作为优化目标确定聚类数;在此基础上分配权重, 结合交叉口影响范围外的数据点, 对整个交叉口影响路段的行程速度进行估计。用杭州市局部路网中GPS数据进行案例分析, 验证技术方案。通过实地调查获取实验真实值, 分别讨论了在主、次干路路段本方案估计差异, 并与传统模型进行了对比分析。分析表明, 该方法得到的路段行程速度估计值与真实值较为接近, 误差较小, 在城市主干路和次干路中的误差分别为4.1%和9.5%, 比传统模型误差更小更稳定, 能较好地满足城市智能交通控制系统对于交通参数的精度要求。 关键词： 交通工程; 路段行程速度; K-Means聚类; 低频浮动车数据; 聚类有效性指数; 作者简介：钱蕾 (1993-) , 女, 浙江杭州人, 硕士. (cherryqian731@163.com) 收稿日期：2017-04-24 基金：教育部人文社会科学研究青年基金项目 (17YJCZH225) Estimation of Travel Speed on Intersection Influenced Link Based on Improved K-Means Algorithm QIAN Lei HAN Yin YAO Jiao Business School, University of Shanghai for Science Technology; Abstract： Based on GPS floating car data (FCD) which have low frequency, low coverage, and come from different vehicles, and based on existing data pretreatment, regarding the data of intersection influenced link as the research object, a more reasonable and accurate traffic parameters achieving technical scheme is studied.FCD data can monitor the traffic parameters and estimate the real-time traffic status because of its all-weather, multi coverage characteristics.In order to overcome the shortcomings of the data themselves, make the data effectively useful, and get the traffic parameters accurately, all the link data points in short term are obtained to represent the overall state.First, based on the characteristics and distribution of the data in the link, the influencing range of the intersection is determined using curve fitting and Lagrange s mean value theorem.Then, the initial cluster center in this influencing range is determined using an improved K-Means clustering algorithm, in w