基于云模型的路網交通擁堵狀態(tài)判別算法研究.pdf

1、智能運輸系統中的先進的交通管理系統受到了廣泛的關注,并且在此基礎上產生了道路交通擁堵自動判別(Automatic Congestion Identification,ACI)算法。通過分析經典ACI算法與現有的新的ACI算法,其中基本不涉及定性信息的處理,而現實生活中需要并且存在著大量的定性信息。因此,本文提出了一種基于云模型的ACI算法,實現了從定量數據到定性數據的轉換。
　　在交通數據預處理的過程中引入了基于云模型的故障數據識

2、別與修復的方法。通過前后相鄰時間段的云團的相似性特點,先將大量定量數據轉換為定性概念,通過比較概念之間的相似程度,再將定性概念轉換為定量數據,并利用該數據進行故障數據的修復,比傳統的數據修復方法的平均相對誤差減少了近4個百分點。
　　建立了具有三層結構的路網交通狀態(tài)指標體系。底層指標為常用的交通流參數,中間層指標為路段交通運行狀態(tài)指標,頂層指標為路網交通運行狀態(tài)指標,并將交通運行狀態(tài)分為5個等級,即暢通、基本暢通、輕微擁堵、中度擁

3、堵和嚴重擁堵。
　　利用云變換算法體系中的峰值云變換、概念躍升得到了反映5種交通狀態(tài)的云的定性概念,即數字特征。通過隸屬度判別,實現定性概念到定量數據的轉換,得到概念對應的云滴,利用云滴對特定的交通流參數數據進行判別,選出隸屬度最大值對應的交通狀態(tài),得到最終的判別結果,并將判別結果以定性的一組語句輸出。
　　通過與經典ACI算法和新的ACI算法的對比,基于云模型的ACI算法在擁堵判別率方面比當前性能最好的雙截面人工神經網絡算