高速公路實(shí)時(shí)交通狀態(tài)判別方法研究.pdf

1、高速公路實(shí)時(shí)交通狀態(tài)的準(zhǔn)確判別是科學(xué)制定交通管理決策的重要基礎(chǔ)?，F(xiàn)階段交通狀態(tài)的判別以單參數(shù)閾值判斷和交通事件檢測(cè)為主，判別結(jié)果的準(zhǔn)確性和時(shí)效性有待進(jìn)一步提升?；诖耍疚睦煤Ａ繗v史數(shù)據(jù)，基于模糊C聚類算法和支持向量機(jī)多分類模型，研究構(gòu)建高速公路實(shí)時(shí)交通狀態(tài)判別模型，在保證方法可行性的基礎(chǔ)上提升判別結(jié)果的時(shí)效性和準(zhǔn)確性。
　　首先，闡述高速公路交通流參數(shù)及參數(shù)之間的關(guān)系，確定實(shí)時(shí)交通狀態(tài)判別模型中使用的特征參數(shù)，整合參數(shù)數(shù)據(jù)的預(yù)

2、處理方法，提出高速公路交通狀態(tài)劃分標(biāo)準(zhǔn)。其次，研究分析傳統(tǒng)模糊C均值聚類算法在判別高速公路交通狀態(tài)中存在的問(wèn)題。通過(guò)單一參數(shù)特征向量的聚類分析，結(jié)合實(shí)際算例，對(duì)不同參數(shù)的重要程度和選取多參數(shù)進(jìn)行聚類的必要性進(jìn)行分析。針對(duì)傳統(tǒng)模糊聚類算法并未考慮不同參數(shù)的重要性差異，采用熵權(quán)法為參數(shù)賦權(quán)從而實(shí)現(xiàn)模糊聚類算法的改進(jìn)，在海量歷史數(shù)據(jù)基礎(chǔ)上，通過(guò)多參數(shù)聚類獲取不同狀態(tài)類別下的數(shù)據(jù)樣本，并利用誤判率交叉估計(jì)法對(duì)聚類結(jié)果進(jìn)行評(píng)估。然后，將聚類結(jié)果劃

3、分為支持向量機(jī)模型的訓(xùn)練集和測(cè)試集，確定核函數(shù)類型，并采用網(wǎng)格搜索法、遺傳算法和粒子群算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，得到使模型分類準(zhǔn)確率達(dá)到最大值的參數(shù)組，以此建立起支持向量機(jī)多分類模型。結(jié)合改進(jìn)模糊C均值聚類算法提出高速公路實(shí)時(shí)交通狀態(tài)判別方法，闡述方法的基本流程和主要步驟，分析判別結(jié)果的時(shí)效性和準(zhǔn)確性。
　　最后，在高速公路實(shí)測(cè)數(shù)據(jù)基礎(chǔ)上，對(duì)建立的高速公路實(shí)時(shí)交通狀態(tài)判別模型進(jìn)行實(shí)例驗(yàn)證。結(jié)果表明，改進(jìn)的模糊C均值聚類算法聚