基于聚類的城市交通路網(wǎng)分區(qū)和交通狀態(tài)判別.pdf

1、近年來,隨著城市化水平的不斷提高,汽車保有量的不斷增加,交通擁堵、出行安全、環(huán)境污染等一系列問題漸漸凸顯。單純增加城市交通基礎(chǔ)設(shè)施的做法不僅耗費巨大的人力、物力,而且效果有限,因此如何對交通進行有效的管理和控制,是智能交通系統(tǒng)的重要研究內(nèi)容。
　　城市交通路網(wǎng)是一個規(guī)模巨大的復(fù)雜非線性時變系統(tǒng),很難進行統(tǒng)一的管理和控制。對城市路網(wǎng)進行分區(qū)后,可以對每個子區(qū)域?qū)嵤┯嗅槍π缘目刂品桨?使路網(wǎng)系統(tǒng)變得靈活、可靠,而且需要實時處理的數(shù)據(jù)量

2、明顯減少,能夠滿足實時性的要求。
　　本文選定望京區(qū)域作為研究對象,搭建VISSIM仿真平臺,基于北京市浮動車數(shù)據(jù)設(shè)置仿真平臺相關(guān)參數(shù),復(fù)現(xiàn)研究區(qū)域的通行情況。之后利用聚類算法對望京區(qū)域進行分區(qū),并利用宏觀基本圖(Macroscopic Fundamental Diagrams,MFD)從定性和定量的角度對分區(qū)的結(jié)果進行評價。
　　本文的主要內(nèi)容如下:
　　首先,只考慮速度和密度信息,用K均值(K-means)聚類算法

3、對路網(wǎng)進行分區(qū),然后加入路段的空間位置信息再次進行分區(qū),并將兩種方法進行了對比。聚類結(jié)果表明本文提出的考慮路段空間位置的分區(qū)方法效果更好。并利用分區(qū)后子區(qū)域的MFD對K-means算法的分區(qū)結(jié)果進行評價,而且通過MFD的擬合函數(shù),提出了一種衡量分區(qū)結(jié)果的標準。
　　其次,使用改進的模糊C均值(Fuzzy C-means,FCM)聚類算法確定聚類類數(shù)和初始聚類中心,對望京區(qū)域路網(wǎng)進行分區(qū)。利用分區(qū)后子區(qū)域的MFD評價改進的FCM算法