高速公路基本路段实时交通状态判别方法的研究及应用-交通信息工程及控制专业论文.docxVIP

Research and Application ofMethodforReal-time TrafficStatusIdentificationof HighwayBasicSections A Dissertation Submitted for the Degree of Master Candidate：ChenHuiru Supervisor：Prof. Xu Hongke Chang’an University, Xi’an, China    i  PAGE 6 摘 要 目前高速公路交通状态的判别标准大多以固定阈值比较或绝对标准为主，忽略了不 同时空背景下道路环境、天气状况等客观因素的影响。为此，本文以高速公路基本路段 为研究对象，依据交通流具有时间序列相似性，利用海量的交通流表征参数运行数据， 构建出交通状态划分的相对标准及实时交通状态判别决策模型。对高速公路交通流的控 制与管理，具有重要的研究意义与应用价值。 本文首先研究了交通流运行和拥挤特性，提取交通状态表征参数，同时针对交通状 态判别采用绝对标准的缺陷，提出了基于模糊聚类的高速公路基本路段实时交通状态划 分的相对标准的思路。其次，基于模糊 C 均值聚类算法对历史交通流运行数据进行聚类 分析，将获取的交通状态聚类中心作为划分的相对标准，再根据欧式距离判别实测数据 的交通状态。针对模糊 C 均值聚类判别算法中初始聚类中心选取具有随机性使得算法不 稳定、易陷入局部最优的问题，引入遗传算法对初始聚类中心选取进行优化，增强交通 状态聚类分析的可靠性。同时，鉴于欧式距离决策模型计算时间复杂度较大，构建了基 于核极限学习机的实时交通状态判别决策模型。从分类性能和计算时间复杂度两个角 度，将该方法与支持向量机模型进行对比分析。 最后，以 PeMS 实测的交通流表征参数运行数据为基础，对本文所构建的高速公路 基本路段实时交通状态判别方法进行了仿真分析。结果表明，基于遗传算法的模糊 C 均 值聚类算法稳定性好，收敛速度快；基于核极限学习机的实时交通状态决策模型在保证 分类精度的基础上，大大节省了时间成本，具有较好的实时性。 关键词：高速公路基本路段，交通状态判别，模糊聚类，遗传算法，核极限学习机 Abstract At present, the criteria of highway traffic state are mainly focus on threshold comparison or absolute standards, however; the criterias ignore the impact of road environment, weather conditions and other objective factors under different temporal-spatial background. Thus, the highway basic sections are selected as targets and then the fuzzy clustering method which based on genetic algorithm is proposed. The method is utilized in determining the relative standard of highway traffic basic sections state identification. Therefore a decision model based on kernel extreme learning machine which has important resarch significance and application value in achieving the control and management of freeway traffic flow is built. The characterization parameters are selected by analyzing the relationship between operating and crowded characteristics of traffic flow and traffic flow parameters. Meanwhile, the relative criteria method of highway traffic basic sections state identification for solving the absolute standard defect of tradi