基于FFCM聚类城市交通拥堵判别研究.docVIP

基于FFCM聚类城市交通拥堵判别研究 　　摘 要：对城市道路交通拥堵状态判别的问题，提出了一种硬C?簿?值(HCM)聚类与模糊C?簿?值(FCM)聚类相结合的快速模糊C?簿?值聚类(FFCM)算法。用硬聚类的结果对模糊聚类初始值的选取进行指导，以加速算法的收敛过程。将该算法用于城市交通流数据的聚类分析结果表明，该算法能够快速而有效地对城市交通流状况进行判别，为动态交通拥堵预警和交通疏导策略的制定提供依据。 　　?す丶?词：城市交通； 快速模糊聚类； 拥堵判别 　　?ぶ型挤掷嗪牛?TP391 文献标志码：A 　　 文章编号：1001?菠B3695(2008)09?菠B2768?菠B03 　　Study of urban traffic congestion judgment based on FFCM clustering 　　YANG Zu??yuan， HUANG Xi??yue， DU Chang??hai， TANG Ming??xia 　　 (College of Automation， Chongqing University， Chongqing 400044， China) 　　Abstract:In order to solve the problem of urban traffic congestion judgment， a fast fuzzy C??means (FFCM) clustering method integrating hard C??means clustering method and fuzzy C??means clustering method was put forward. In this algorithm， the result of HCM clustering is the basis of the initial value of FFCM， which can speed??up its convergence. Then it’s applied to a set of real traffic flow data. The clustering result shows that this method enjoy good performance in fast and effective distinguishing urban traffic congestion and will contribute to dynamic traffic congestion warning and traffic guidance. 　　??Key words：urban traffic; fast fuzzy clustering; traffic congestion judgment 　　 　　0 引言?? 　　 　　交通拥堵已成为现代城市交通的严重问题。旅行时间、旅行安全、环境质量和生活质量均受到了交通状况的制约，各级交通管理部门都在积极寻求解决办法。?? 　　智能交通系统被认为是解决交通拥堵难题的有效途径。在智能交通管理系统中，通常应用各种交通状态判别算法进行道路环境中实时交通拥堵状态的判别。这个判别的结果将提供给交通系统的管理者和决策者，他们针对不同的情况作出相应的交通控制、管理和诱导措施。因此，及时而正确地判别道路的交通拥堵状态，是采取合理交通拥堵预警措施、主动避免交通拥堵的前提[1]。?? 　　在交通流理论中， 用于描述交通状态的参数主要有三个，即交通量、车速和密度。单独根据某个交通流变量来判断交通流状况是不够全面的：当速度为0时，可能是车辆堵死的情况， 也可能是道路上没有车辆的畅通情况；交通流量很低可以对应拥堵和畅通两种交通流状况；密度小可能是道路畅通的表现，也可能是大车居多的情况。所以，应该对交通流的三个变量进行综合分析来确定交通流状况，才能较全面反映交通流的真实情况。?? 　　交通拥堵的判别也就是对交通流数据的分类，对数据进行分类的方法称为聚类分析。聚类的目的在于将大量的数据辨识为几个较少的数据组从而能对系统行为进行简洁描述。传统的聚类分析是一种硬分类，将每个待识别的对象严格地划分到某个类中，非此即彼，界限分明。然而，客观事物之间并没有一个截然区别的界限，分类时所依据的数据指标的变化也大多是一个连续的过程[2，3]。因此，用模糊聚类方法对交通流状态进行判别更符合实际。模糊聚类方法得到的结果指明事物在多大程度上属于哪一类。同理，交通流状态的变化也具有连续性，人们对交通状况的判断往往拥堵、畅通等模糊概念。所以利用模糊聚类的方法进行研究比较合理。?? 　　在众多的模糊聚类方法中，应用最广泛的是模糊C?簿?值(fu