基于SAGA-FCM的城市道路交通状态判别方法研究

发布时间：2024-10-05 05:07

　　城市道路交通流量的持续增长导致交通运行状况逐步恶化,继而出现了越来越频繁的交通拥堵现象。如何准确、实时地识别交通状况已成为一项重要的研究课题。交通管理人员借助实时、有效的交通状态判别技术能够充分掌握城市道路的运行状况,通过相关平台将当前交通状况及时地发布出来,就能够在很大程度上避免交通拥堵现象,从而实现对交通的实时诱导,并提高整个道路交通网络的效率。本文首先研究了常用的交通流参数特点,选取平均交通量、时间平均速度和时间占有率作为判别城市道路交通状态的参数;通过对不同时间间隔下城市道路流量随时间变化图像的对比,选择了5分钟时间间隔来区分交通状态。接着,本文介绍了模糊C均值聚类算法(FCM)原理,并提出了用聚类有效性函数来确定模糊C均值聚类算法中最优分类数目的取值;接着针对FCM算法在选择初始聚类中心时具有随机性,导致结果很容易陷入局部最优解、使得算法稳定性较差这一问题,本文对传统的模糊C-均值聚类算法(FCM)进行优化,提出了基于遗传模拟退火算法(SAGA)改进FCM聚类算法的城市道路交通状态分类算法。通过实例验证,结果表明本文提出的SAGA-FCM算法不仅能够有效地克服FCM算法在初始聚...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图2.1速度-密度直线关系图

图2.1速度-密度直线关系图可知，A点是理想状态下的自由流速度fV，直线A与其相交。这是因为至少有一辆车以速度在行驶.1也可推算交通量,以点C为例，速度为mV,密度为图上矩形阴影的面积。lds提出的速度-密度模型只适用于交通流密度适中时结果偏差会很大。度大时用....

图2.2交通量-密度关系图

吉林大学硕士学位论文其它符号意义同上。型适用于车流密度很大时，但模型的缺点是当jKK时通量-密度的关系式（2.10）和Greenshields提出的公式（2.12）我们可以2(1)()ffjjKKQKVKVVKKK········....

图2.3交通量-速度关系图

图2.3交通量-速度关系图，当车流密度和流量均较小时，车速可以达当交通流量随着车流密度的增大而增大时，时，流量达到图中的最大值（C点）；车流到达到最大密度jK，此时的交通流量和速度参数确定理者、交通研究者、交通规划者、交通出行流表征参数的情况如下[15]：表1.1交....

图3.5不同聚类数目下的模糊相关度

图3.5不同聚类数目下的模糊相关度上图3.5可以看出，当聚类数目c=3时，模糊相关度R(U;c3.6可知，对于本文实验数据的最佳分类数目应取c=3，即本文将城市道路交通状态分为三个类别。参考中华人民共布的道路交通信息发布规范（GA/T9942017....

本文编号：4007571