高速公路基本路段實(shí)時(shí)交通狀態(tài)判別方法的研究及應(yīng)用.pdf

1、目前高速公路交通狀態(tài)的判別標(biāo)準(zhǔn)大多以固定閾值比較或絕對標(biāo)準(zhǔn)為主，忽略了不同時(shí)空背景下道路環(huán)境、天氣狀況等客觀因素的影響。為此，本文以高速公路基本路段為研究對象，依據(jù)交通流具有時(shí)間序列相似性，利用海量的交通流表征參數(shù)運(yùn)行數(shù)據(jù)，構(gòu)建出交通狀態(tài)劃分的相對標(biāo)準(zhǔn)及實(shí)時(shí)交通狀態(tài)判別決策模型。對高速公路交通流的控制與管理，具有重要的研究意義與應(yīng)用價(jià)值。
　　本文首先研究了交通流運(yùn)行和擁擠特性，提取交通狀態(tài)表征參數(shù)，同時(shí)針對交通狀態(tài)判別采用絕對標(biāo)

2、準(zhǔn)的缺陷，提出了基于模糊聚類的高速公路基本路段實(shí)時(shí)交通狀態(tài)劃分的相對標(biāo)準(zhǔn)的思路。其次，基于模糊C均值聚類算法對歷史交通流運(yùn)行數(shù)據(jù)進(jìn)行聚類分析，將獲取的交通狀態(tài)聚類中心作為劃分的相對標(biāo)準(zhǔn)，再根據(jù)歐式距離判別實(shí)測數(shù)據(jù)的交通狀態(tài)。針對模糊C均值聚類判別算法中初始聚類中心選取具有隨機(jī)性使得算法不穩(wěn)定、易陷入局部最優(yōu)的問題，引入遺傳算法對初始聚類中心選取進(jìn)行優(yōu)化，增強(qiáng)交通狀態(tài)聚類分析的可靠性。同時(shí)，鑒于歐式距離決策模型計(jì)算時(shí)間復(fù)雜度較大，構(gòu)建了基